Soniox STT v6

Soniox STT v6 是 Soniox 于 2026 年 11 月 3 日 发布的新一代 语音识别（STT）模型，被官方称为「首个知道语音 Agent 正在说什么、并能自动滤除 Agent 自身声音」的识别模型。

两大机制：Agent text input（把 Agent 发给 TTS 的文本同步喂给识别，让模型理解对话双侧上下文）；Agent voice echo cancellation（滤除 Agent 播放音频，同时继续听用户，支持插话）。此外在 60+ 语言的听写、会议转写、多语识别与实时翻译，以及说话人分离、语种识别、端点检测与上下文定制上宣称显著提升。提供实时流式与异步转写。

解决什么问题

语音 Agent 常因「听见自己」产生误打断与反复确认。传统 STT 只听用户侧音频，缺少 Agent 刚说的内容作上下文。v6 把 Agent 文本与回声抑制做成一等能力。

与同类差异

定位不只是通用转写 API，而是 Agent 感知型 STT：同一模型覆盖多语与实时/异步，强调减少 false interruption。

限制

• 闭源托管 API 为主，需按 Soniox 文档接入。
• 效果依赖正确接入 Agent text 流与回放路径。
• 「世界第一」等表述为厂商宣称，需用自有数据验证。

适合谁

客服语音 Agent、会议助手、多语听写与需要减少自激回声误触发的实时对话产品。

如何上手

1. 读 发布博文 与 Speech-to-Text 文档。
2. 在实时流中同步写入 Agent 出站文本，并按文档开启 agent voice echo cancellation。
3. 用自有对话样本对比打断率与专有名词识别率后再切换生产流量。