Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Soniox STT v6 (stt-rt-v6 and stt-async-v6)

Os modelos de transcrição da Soniox de novembro de 2026: mais de 60 idiomas a US$ 0,12 por hora ao vivo e um modo para agentes de voz que ignora a própria voz do bot.

Análise de ReviewRamble editors · Atualizado

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

4.2/5

Transcrição a preço de troco, com uma ideia realmente nova para agentes de voz; os números de precisão dependem de qual benchmark você lê.

O que é Soniox STT v6 (stt-rt-v6 and stt-async-v6)?

Soniox STT v6 é um par de modelos de fala para texto lançado em 3 de novembro de 2026: stt-rt-v6 para fluxos em tempo real e stt-async-v6 para arquivos gravados. Eles substituem os modelos v5, que serão removidos em 15 de dezembro de 2026; depois disso, as requisições vão para o v6 automaticamente. A API não muda; atualizar significa trocar o nome do modelo.

A grande novidade é para agentes de voz. Com a entrada de texto do agente ativada, o desenvolvedor transmite para o reconhecedor o texto que o agente está prestes a falar, para que ele ouça os dois lados da conversa; o cancelamento de eco da voz do agente então remove da transcrição a reprodução do próprio agente, sem deixar de captar quem liga se a pessoa interromper. Os dois recursos funcionam em todos os idiomas suportados pelo modelo em tempo real.

Identificação de falantes, detecção de idioma, formatação e tradução em mais de 60 idiomas estão incluídas no preço por hora. Uma mudança de comportamento pede cuidado: o v6 escreve preços e códigos alfanuméricos de forma mais parecida com a falada.

Quanto custa Soniox STT v6 (stt-rt-v6 and stt-async-v6)?

PlanoPreçoO que inclui
Real-time (stt-rt-v6)About $0.12 an hourUS$ 2,00 por 1M de tokens de áudio; US$ 4,00 por 1M de tokens de texto
Async (stt-async-v6)About $0.10 an hourUS$ 1,50 por 1M de tokens de áudio; US$ 3,50 por 1M de tokens de texto

Tempo real a cerca de US$ 0,12 por hora (US$ 2,00 por 1M de tokens de áudio); assíncrono a cerca de US$ 0,10 por hora (US$ 1,50 por 1M de tokens de áudio). Tokens de texto a US$ 4,00 ou US$ 3,50 por 1M. Diarização, detecção de idioma e tradução incluídas.

Soniox STT v6 (stt-rt-v6 and stt-async-v6) vale a pena?

O argumento da Soniox começa pelo preço. A cerca de US$ 0,12 por hora para áudio ao vivo, com identificação de falantes e tradução incluídas, custa mais ou menos um quarto do modelo para agentes da AssemblyAI, de US$ 0,45. Mil horas por mês saem por US$ 120.

O filtro de eco é a parte engenhosa. A fala de um agente de voz muitas vezes volta pelo viva-voz de quem liga e é transcrita como se a pessoa tivesse dito aquilo; ao receber o texto de saída do agente, o v6 sabe o que descartar sem ficar surdo a uma interrupção.

O porém: a precisão é contestada. No benchmark aberto do Pipecat, como publicado pela Soniox, o stt-rt-v6 teve o menor erro semântico entre 23 sistemas, 0,74%, mas sua vantagem sobre a Meta (0,80%) e o Universal-3.6 Pro da AssemblyAI (0,89%) fica dentro do intervalo de confiança do teste, e quatro sistemas devolveram o texto final mais rápido. O próprio teste de agentes de voz da AssemblyAI pôs o v6 em 6,02%, contra 4,53% do seu modelo mais novo. E a mudança para preços e códigos escritos como são falados pode quebrar parsers sem aviso.

Nossa opinião: a esses preços, o v6 é a escolha padrão sensata para transcrição em grande volume e para agentes que falam por viva-voz. Onde um único dígito mal ouvido custa caro, passe suas próprias chamadas por ele e por um rival antes de se comprometer.

Onde ele se destaca

  • Um agente de voz de reservas de restaurante que recebe ligações do viva-voz do carro

    Impedir que a saudação do próprio agente seja transcrita como fala de quem liga

    Ative a entrada de texto do agente no stt-rt-v6 e envie cada frase de TTS com sendAgentText; o cancelamento de eco a filtra e as interrupções continuam funcionando. 5.000 horas de chamadas por mês custam cerca de US$ 600.

  • Uma agência de pesquisa de mercado que faz entrevistas em 12 idiomas

    Transcrever e traduzir gravações sem configurar cada idioma

    Processe os arquivos em lote com o stt-async-v6 a cerca de US$ 0,10 por hora, com identificação de falantes e tradução na mesma chamada.

Antes de decidir

Configuração
Troque o nome do modelo para stt-rt-v6 ou stt-async-v6; para agentes, ative enable_agent_text_input e transmita o texto do agente junto com o áudio.
Integrações
APIs REST e WebSocket da Soniox; SDK de JavaScript (a v2026.11.03 adiciona sendAgentText e uma região na Índia); integrações da comunidade como o Home Assistant.
Dados e privacidade
Os pesos não são publicados e a Soniox não anuncia auto-hospedagem. A página de preços não trata de retenção nem de uso para treinamento; confira os termos da Soniox antes de enviar áudio regulado.
Custo em escala
Uma hora equivale a cerca de 30.000 tokens de áudio, então 100.000 horas de áudio ao vivo custam cerca de US$ 12.000; no assíncrono, cerca de US$ 10.000.
Limites
v5 removido em 15 de dezembro de 2026. Cancelamento de eco e entrada de texto do agente só em tempo real. Preços e códigos alfanuméricos escritos como falados.

O que é bom

  • Cerca de US$ 0,12 por hora ao vivo e US$ 0,10 assíncrono, extras incluídos
  • Entrada de texto do agente e cancelamento de eco para bots de voz
  • Menor erro semântico no benchmark do Pipecat, 0,74%
  • Atualização direta; o tráfego do v5 vai para o v6 depois de 15 de dezembro

O que não é

  • A liderança no Pipecat está dentro do intervalo de confiança
  • 6,02% no teste de chamadas de agentes da AssemblyAI, atrás do STT-3.7
  • Preços e códigos agora são escritos como falados
  • Sem auto-hospedagem; termos de retenção fora da página de preços

Ideal para

Equipes que transcrevem grandes volumes de chamadas ou reuniões em muitos idiomas e criadores de agentes de voz cujos clientes ligam pelo viva-voz.

Alternativas ao Soniox STT v6 (stt-rt-v6 and stt-async-v6)

Soniox STT v6 (stt-rt-v6 and stt-async-v6): perguntas frequentes

Soniox STT v6 (stt-rt-v6 and stt-async-v6) vale a pena?
Transcrição a preço de troco, com uma ideia realmente nova para agentes de voz; os números de precisão dependem de qual benchmark você lê. Damos nota 4.2 de 5.
Quanto custa Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
Tempo real a cerca de US$ 0,12 por hora (US$ 2,00 por 1M de tokens de áudio); assíncrono a cerca de US$ 0,10 por hora (US$ 1,50 por 1M de tokens de áudio). Tokens de texto a US$ 4,00 ou US$ 3,50 por 1M. Diarização, detecção de idioma e tradução incluídas.
Quais são as desvantagens de Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
A liderança no Pipecat está dentro do intervalo de confiança; 6,02% no teste de chamadas de agentes da AssemblyAI, atrás do STT-3.7; preços e códigos agora são escritos como falados; sem auto-hospedagem; termos de retenção fora da página de preços.
Para quem Soniox STT v6 (stt-rt-v6 and stt-async-v6) é indicado?
Equipes que transcrevem grandes volumes de chamadas ou reuniões em muitos idiomas e criadores de agentes de voz cujos clientes ligam pelo viva-voz.
Quanto custa Soniox STT v6 (stt-rt-v6 and stt-async-v6) para uma equipe ou em produção?
Uma hora equivale a cerca de 30.000 tokens de áudio, então 100.000 horas de áudio ao vivo custam cerca de US$ 12.000; no assíncrono, cerca de US$ 10.000.
Soniox STT v6 (stt-rt-v6 and stt-async-v6) é seguro para dados da empresa?
Os pesos não são publicados e a Soniox não anuncia auto-hospedagem. A página de preços não trata de retenção nem de uso para treinamento; confira os termos da Soniox antes de enviar áudio regulado.
Quais são as melhores alternativas ao Soniox STT v6 (stt-rt-v6 and stt-async-v6)?
As alternativas mais próximas que analisamos são AssemblyAI STT-3.7 (batch, Realtime and Realtime-Agent), ElevenLabs Scribe v3 and Scribe v3 Live, Deepgram Nova-3 e Voxtral 3 (Transcribe and TTS).

Respostas verificadas em 21 de nov. de 2026.

Você faz o Soniox STT v6 (stt-rt-v6 and stt-async-v6)? Mostre esta nota no seu siteSoniox STT v6 (stt-rt-v6 and stt-async-v6) com nota 4.2 de 5 no ReviewRamble