¿Qué es Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
Soniox STT v6 es una pareja de modelos de voz a texto lanzada el 3 de noviembre de 2026: stt-rt-v6 para flujos en tiempo real y stt-async-v6 para archivos grabados. Sustituyen a los modelos v5, que se retiran el 15 de diciembre de 2026; a partir de entonces las solicitudes se redirigen a v6 automáticamente. La API no cambia; actualizar consiste en cambiar el nombre del modelo.
La gran novedad es para los agentes de voz. Con la entrada de texto del agente activada, el desarrollador envía en streaming al reconocedor el texto que el agente está a punto de decir, para que oiga ambos lados de la conversación; la cancelación de eco de la voz del agente elimina entonces de la transcripción la reproducción del propio agente sin dejar de captar a quien llama si interrumpe. Ambas funciones están disponibles en todos los idiomas admitidos del modelo en tiempo real.
Las etiquetas de hablante, la identificación de idioma, el formato y la traducción en más de 60 idiomas están incluidos en el precio por hora. Un cambio de comportamiento exige cuidado: v6 escribe los precios y los códigos alfanuméricos de forma más parecida a como se pronuncian.
¿Cuánto cuesta Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
| Plan | Precio | Qué incluye |
|---|---|---|
| Real-time (stt-rt-v6) | About $0.12 an hour | 2,00 $ por 1M de tokens de audio; 4,00 $ por 1M de tokens de texto |
| Async (stt-async-v6) | About $0.10 an hour | 1,50 $ por 1M de tokens de audio; 3,50 $ por 1M de tokens de texto |
Tiempo real a unos 0,12 $ la hora (2,00 $ por 1M de tokens de audio); asíncrono a unos 0,10 $ la hora (1,50 $ por 1M de tokens de audio). Tokens de texto a 4,00 $ o 3,50 $ por 1M. Diarización, identificación de idioma y traducción incluidas.
¿Merece la pena Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
El argumento de Soniox empieza por el precio. A unos 0,12 $ la hora para audio en directo, con etiquetas de hablante y traducción incluidas, cuesta aproximadamente una cuarta parte que el modelo para agentes de AssemblyAI, de 0,45 $. Mil horas al mes salen por 120 $.
El filtro de eco es la parte ingeniosa. La voz de un agente a menudo vuelve por el altavoz del teléfono de quien llama y se transcribe como si lo hubiera dicho esa persona; al recibir el texto saliente del agente, v6 sabe qué descartar sin quedarse sordo ante una interrupción.
La pega: la precisión está en disputa. En la prueba abierta de Pipecat, según la publica Soniox, stt-rt-v6 tuvo el error semántico más bajo de 23 sistemas, un 0,74%, pero su ventaja sobre Meta (0,80%) y Universal-3.6 Pro de AssemblyAI (0,89%) cae dentro del intervalo de confianza de la prueba, y cuatro sistemas devolvieron el texto final más rápido. La propia prueba de agentes de voz de AssemblyAI situó a v6 en el 6,02% frente al 4,53% de su modelo más reciente. Y el cambio a precios y códigos escritos como se pronuncian puede romper sin avisar los parsers posteriores.
Nuestra opinión: a estos precios, v6 es la opción sensata por defecto para transcripción de gran volumen y para agentes que hablan a través de altavoces. Donde un solo dígito mal oído sale caro, prueba tus propias llamadas con él y con un rival antes de comprometerte.
Dónde se gana su sitio
Un agente de voz de reservas de restaurante que recibe llamadas desde el manos libres del coche
Evitar que el saludo del propio agente se transcriba como palabras de quien llama
Activa la entrada de texto del agente en stt-rt-v6 y envía cada frase de TTS con sendAgentText; la cancelación de eco la filtra y las interrupciones siguen funcionando. 5.000 horas de llamadas al mes cuestan unos 600 $.
Una agencia de estudios de mercado que hace entrevistas en 12 idiomas
Transcribir y traducir grabaciones sin configurar cada idioma
Procesa los archivos por lotes con stt-async-v6 a unos 0,10 $ la hora, con etiquetas de hablante y traducción en la misma llamada.
Antes de decidirte
- Puesta en marcha
- Cambia el nombre del modelo a stt-rt-v6 o stt-async-v6; para agentes, activa enable_agent_text_input y envía en streaming el texto del agente junto al audio.
- Integraciones
- API REST y WebSocket de Soniox; SDK de JavaScript (v2026.11.03 añade sendAgentText y una región en India); integraciones de la comunidad como Home Assistant.
- Datos y privacidad
- No se publican los pesos y Soniox no anuncia autoalojamiento. La página de precios no trata la retención ni el uso para entrenamiento; revisa las condiciones de Soniox antes de enviar audio regulado.
- Coste a escala
- Una hora son unos 30.000 tokens de audio, así que 100.000 horas de audio en directo cuestan unos 12.000 $; en asíncrono, unos 10.000 $.
- Límites
- v5 se retira el 15 de diciembre de 2026. La cancelación de eco y la entrada de texto del agente son solo para tiempo real. Precios y códigos alfanuméricos escritos como se pronuncian.
Lo bueno
- Unos 0,12 $ la hora en directo y 0,10 $ en asíncrono, extras incluidos
- Entrada de texto del agente y cancelación de eco para bots de voz
- El error semántico más bajo en la prueba de Pipecat, 0,74%
- Actualización directa; el tráfico de v5 pasa a v6 tras el 15 de diciembre
Lo malo
- La ventaja en Pipecat está dentro del intervalo de confianza
- 6,02% en la prueba de llamadas de agentes de AssemblyAI, por detrás de STT-3.7
- Precios y códigos ahora se escriben como se pronuncian
- Sin autoalojamiento; las condiciones de retención no figuran en la página de precios
Ideal para
Equipos que transcriben grandes volúmenes de llamadas o reuniones en muchos idiomas, y creadores de agentes de voz cuyos clientes llaman con el altavoz.
Alternativas a Soniox STT v6 (stt-rt-v6 and stt-async-v6)
Soniox STT v6 (stt-rt-v6 and stt-async-v6): preguntas frecuentes
- ¿Merece la pena Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
- Transcripción a precio de calderilla, con una idea realmente nueva para agentes de voz; las cifras de precisión dependen de qué prueba leas. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
- Tiempo real a unos 0,12 $ la hora (2,00 $ por 1M de tokens de audio); asíncrono a unos 0,10 $ la hora (1,50 $ por 1M de tokens de audio). Tokens de texto a 4,00 $ o 3,50 $ por 1M. Diarización, identificación de idioma y traducción incluidas.
- ¿Qué inconvenientes tiene Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
- La ventaja en Pipecat está dentro del intervalo de confianza; 6,02% en la prueba de llamadas de agentes de AssemblyAI, por detrás de STT-3.7; precios y códigos ahora se escriben como se pronuncian; sin autoalojamiento; las condiciones de retención no figuran en la página de precios.
- ¿Para quién es Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
- Equipos que transcriben grandes volúmenes de llamadas o reuniones en muchos idiomas, y creadores de agentes de voz cuyos clientes llaman con el altavoz.
- ¿Cuánto cuesta Soniox STT v6 (stt-rt-v6 and stt-async-v6) para un equipo o en producción?
- Una hora son unos 30.000 tokens de audio, así que 100.000 horas de audio en directo cuestan unos 12.000 $; en asíncrono, unos 10.000 $.
- ¿Es Soniox STT v6 (stt-rt-v6 and stt-async-v6) seguro para los datos de la empresa?
- No se publican los pesos y Soniox no anuncia autoalojamiento. La página de precios no trata la retención ni el uso para entrenamiento; revisa las condiciones de Soniox antes de enviar audio regulado.
- ¿Cuáles son las mejores alternativas a Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
- Las alternativas más cercanas que hemos analizado son AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent), ElevenLabs Scribe v3 and Scribe v3 Live, Deepgram Nova-3 y Voxtral 3 (Transcribe and TTS).
Respuestas comprobadas el 21 nov 2026.