مع معرفی Soniox STT v6؛ قابلیت‌های پیشرفته برای دستیارهای صوتی و فیلتر اکو

شرکت Soniox از انتشار Soniox STT v6، آخرین نسل از API تبدیل گفتار به متن خود خبر داد. این مدل جدید به گونه‌ای طراحی شده است که علاوه بر شنیدن صدای کاربر، متنی را که دستیار صوتی بیان می‌کند نیز می‌خواند تا از این طریق پاسخ‌های کوتاه را بهتر تشخیص داده و صدای خودِ دستیار را فیلتر کند. این نسخه در قالب stt-rt-v6 برای جریان‌های زنده و stt-async-v6 برای فایل‌ها در بیش از ۶۰ زبان در دسترس قرار گرفته است.

یکی از مشکلات رایج در دستیارهای صوتی، نشت صدای دستیار از طریق بلندگو یا لپ‌تاپ و بازگشت آن به عنوان صدای کاربر است که باعث اختلال در عملکرد سیستم می‌شود. مدل Soniox STT v6 با استفاده از قابلیت ورودی متن دستیار، متنی را که سیستم می‌گوید دریافت کرده و صدای نشت‌یافته را فیلتر می‌کند تا کاربر بتواند حتی در زمان پخش صدا نیز حرف خود را قطع کند و دستیار متوقف شود. البته این ویژگی جایگزین حذف اکوی آکوستیک (AEC) نمی‌شود، بلکه مکمل آن است.

در بخش قیمت‌گذاری و عملکرد، این مدل ابری از طریق وب‌سکت و REST API قابل دسترس است. هزینه مدل جریانی حدود ۰.۱۲ دلار در ساعت و نسخه ناهمگام ۰.۰۹ دلار در ساعت اعلام شده است که قابلیت جداسازی صدا (diarization) نیز به صورت بسته‌بندی‌شده در آن گنجانده شده است. شرکت Soniox مدل‌های قبلی یعنی v5 را بازنشسته کرده و اعلام نموده که درخواست‌های مربوط به آن تا تاریخ ۱۵ دسامبر ۲۰۲۶ به طور خودکار به نسخه جدید هدایت خواهند شد.