Soniox · v6 · 3× · zuletzt 05. Nov. 2026
52
Momentum
Soniox STT v6 ist das aktuelle Spracherkennungsmodell (Speech-to-Text-API) von Soniox, das laut Anbieter Echtzeit-Streaming (stt-rt-v6) und asynchrone Dateiverarbeitung (stt-async-v6) über mehr als 60 Sprachen unterstützt. Neu sind Agent-Text-Input und Echo-Filterung, mit denen der eigene Audio-Output eines Sprachagenten herausgefiltert wird. Unabhängige Benchmarks für v6 lagen zum Recherchezeitpunkt noch nicht vor.
Momentum-Verlauf
07.08.05.11.
Features
| Echtzeit-Streaming | Ja: Wort-für-Wort-Streaming über WebSocket (stt-rt-v6), mit Finalisierung mitten im Satz |
| Latenz | Anbieter nennt keine v6-Zahl; v5 (Pipecat-Benchmark): 260 ms Median TTFS, 305 ms P95 |
| Lizenz | Proprietär (gehostete API) |
| Plattform | Gehostete API: WebSocket (stt-rt-v6) und REST (stt-async-v6); Python- und Node-SDKs |
| Preis | $0.12/Std. Echtzeit-Streaming, $0.10/Std. async (Datei); token-basiert |
| Sprachen | 60+ Sprachen in einem Modell, Sprachmischung innerhalb eines Satzes möglich |