Soniox lança a versão stt v6, com entrada de texto de agente e filtragem de eco para IA de voz

A Soniox lançou a Soniox STT v6, a mais recente iteração da sua API de transcrição de voz, que processa áudio de agentes de voz. Esta nova versão, disponível como stt-rt-v6 para streaming e stt-async-v6 para ficheiros em mais de 60 idiomas, permite que o modelo processe a própria fala do agente. Esta capacidade permite que o sistema filtre a fuga de áudio, como ecos de telefones, que anteriormente causavam erros de transcrição. Ativar a entrada de texto do agente requer a definição da flag 'enable_agent_text_input': true na solicitação de início, e está disponível exclusivamente para o modelo em tempo real stt-rt-v6. Quando ativado, o modelo utiliza o texto do agente transmitido para separar a sua própria voz da fala do chamador. Uma nota para os utilizadores que estão a atualizar é que a v6 renderiza a moeda falada como texto (por exemplo, '15 dólares e 20 centavos') em vez de símbolos numéricos. Embora a Soniox não tenha publicado benchmarks para a v6, a empresa refere que o seu modelo v5 atingiu uma WER semântica de 1,34% no benchmark Pipecat STT, com um TTFS médio de 260 ms. A Soniox afirma que a AssemblyAI lançou o contexto do agente no Universal-3.5 Pro Realtime em julho de 2026, mas a Soniox enfatiza que a sua v6 oferece especificamente a filtragem de áudio de agente vazado. Os modelos mais antigos v5 estão agendados para serem desativados em 15 de dezembro de 2026.