Soniox

Soniox 提供实时和文件转写API。STT v6 新增代理文本上下文与代理语音回声消除，面向语音助手、会议和口述输入，性能宣传仍需用业务音频验证。

官网入口 Soniox

产品定位与近期更新

Soniox 是语音AI 平台，官网区分应用与开发者API 入口，提供语音识别、翻译及语音合成服务。本条重点介绍其语音转文字能力，适合需要把实时对话或录音变成可处理文本的开发团队。官网

2026 年11 月3 日发布的 STT v6 增加两项面向语音代理的能力：将代理准备播报的文字传给识别模型，帮助理解用户的简短回答；利用这些上下文过滤代理自身播放的声音，同时继续识别用户插话。官方说明v6 包含实时和异步模型，并覆盖60 多种语言。这是已公布的能力范围，“最准确”“显著提高”等仍属于厂商表述，不应理解为任何口音、设备或行业都能达到相同效果。版本说明

能力与适合人群

实时转写适合语音助手和字幕系统，异步方式适合处理会议、访谈或客服录音。说话人标签、语言识别及翻译有助于后续生成会议记录或检索内容，但标签并不等于确认真人身份，转写正确也不代表下游摘要一定准确。入门文档

对语音产品开发者，v6 值得关注的地方是听懂“对话正在进行到哪一步”。例如助手刚列出两个选项，用户只回答其中一个名字，上下文可能帮助减少歧义。对会议产品团队，重点应放在重叠发言、人员切换和专有名词的表现；对口述输入产品，则应重点检查数字、单位、日期及中外文混说，而不是只看一段干净录音的展示。

如何开始使用

1. 从官网进入开发者控制台，按官方文档在项目中配置API 访问，并把密钥留在服务端或安全环境变量中。

2. 先运行官方Python 或Node 示例。直播音频选择实时模式，已有文件选择异步模式，也可从有权访问的文件URL 开始。

3. 将产品名、人名和专业词汇整理为上下文；语音代理再按v6 接口要求接入播报文字，验证回声消除与插话行为。

4. 用获准使用的音频比较转写、说话人标注、延迟和费用，特别检查噪声、弱网与重叠发言，再接入正式产品。

同类工具比较

比较时应让各家处理相同素材，并记录遗漏、错词、标签错误和等待时间。不要把语言数量直接当成各语言的准确率，也不要把支持翻译等同于专业译审。

费用 平台与限制

API 按输入音频、输入文本和输出文本token 计费，官方折算参考为异步约0.10 美元/小时、实时约0.12 美元/小时。这不是固定包干价；上下文、翻译输出及实际用量会改变费用，应用端订阅也不能直接套用API 价格。价格页

服务主要通过云端API、控制台和官方应用入口提供。中国大陆访问、付款及特定数据驻留地区本次尚未确认，企业应在采购前核实。含个人隐私或商业秘密的录音须先取得必要授权；医疗、法律、付款金额等内容应人工校对，不能把转写模型当作最终事实来源。