Soniox STT v6 отримав контекст агента й фільтрацію луни

Soniox випустила Soniox STT v6 — хмарний API для перетворення мовлення на текст у голосових агентів. Версія доступна як stt-rt-v6 для потокової обробки та stt-async-v6 для файлів і підтримує понад 60 мов. Компанія заявляє, що нова модель значно точніша за v5, але ще не оприлюднила незалежних показників для v6 або кількості її параметрів.

Головна функція дає змогу передавати текст, який промовляє агент, одночасно з аудіо абонента. У stt-rt-v6 її вмикають параметром enable_agent_text_input, а невеликі JSON-повідомлення agent_text надсилають через той самий WebSocket. Модель використовує цей контекст, щоб краще розпізнавати короткі відповіді та відокремлювати залишковий голос агента від мовлення абонента. Вона продовжує слухати під час відтворення, тому абонент може перебити агента. За описом Soniox, функція доповнює акустичне придушення луни, а не замінює його.

У v6 також заявлено покращення для чисел, валют, дат, ідентифікаторів, імен, спеціалізованих термінів, акцентів, перемикання мов і діаризації. Потокова обробка коштує близько $0.12 за годину, асинхронна — $0.10; діаризація та визначення мови включені. v6 ще не тестували в Pipecat: попередня v5 показала semantic WER 1.34% і медіанне TTFS 260 мс. Моделі v5 мають вилучити December 15, 2026, після чого запити автоматично спрямовуватимуться до v6.