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)?
| Plano | Preço | O que inclui |
|---|---|---|
| Real-time (stt-rt-v6) | About $0.12 an hour | US$ 2,00 por 1M de tokens de áudio; US$ 4,00 por 1M de tokens de texto |
| Async (stt-async-v6) | About $0.10 an hour | US$ 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.