Soniox STT v6: распознавание речи по API
Soniox STT v6 — модель распознавания готовых записей от компании Soniox. Она вышла 3 ноября 2026 года и сменила пятую версию. Одна модель понимает 60+ языков, среди них русский, украинский, белорусский и казахский. Файл ждёт очереди у вендора, поэтому ответ приходит не за секунду: это модель для фоновой работы. Цена — 0,19 ₽ за минуту звука.
- 0,19 ₽ за минуту звука
- до 2 ч звука
- звук → текст
soniox/stt-async-v6
Обновлено:
Получить ключ Попробовать Документация
Попробовать Soniox STT v6
Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Что попробовать: Загрузи запись до двух минут или запиши с микрофона — например, кусок созвона команды. Вернётся текст записи.
В ответ приходит текст записи в поле text — как у OpenAI.
Цены Soniox STT v6 в рублях
| Звук — считаем по секундам | 0,19 ₽ за минуту |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Свой сервис транскрибации: 100 часов записей в месяц | Около 1 140,00 ₽ |
|---|---|
| Созвоны на двух языках: созвоны по 20 минут каждый рабочий день месяца | Около 83,60 ₽ |
| Диктовка и голосовые заметки: 300 заметок по минуте | Около 57,00 ₽ |
| Подкасты на украинском и казахском: 12 выпусков по 50 минут | Около 114,00 ₽ |
Что умеет Soniox STT v6
- 60+ языков одной моделью: русский, украинский, белорусский, казахский, азербайджанский, английский, китайский и другие (список Soniox).
- По словам Soniox, v6 точнее v5 на всех языках и увереннее узнаёт числа, суммы, даты, номера, акценты и смену языка посреди фразы (о моделях).
- Асинхронная модель: файл встаёт в очередь у вендора, поэтому ответ приходит дольше, чем у моделей с мгновенным ответом.
- Сама Soniox принимает записи длиной до пяти часов, у нас предел — файл до 25 МБ в WAV, MP3, FLAC, M4A, OGG или WebM.
- Ответ — текст, JSON, субтитры SRT и VTT или JSON со временем слов.
Где применять
Свой сервис транскрибации
Если строишь сервис транскрибации для юристов, журналистов или студентов, главная строка расходов в нём — само распознавание. У Soniox STT v6 цена 0,19 ₽ за минуту звука, а очередь у вендора такому продукту не мешает: человек загружает файл и получает текст в личном кабинете или на почту, когда расшифровка закончится. Русский, украинский и казахский закрываются одной моделью, отдельная интеграция под каждый язык не нужна. А формат ответа выбирается под клиента: текст, SRT или JSON со временем слов.
Пример запроса: «zapis-klienta.mp3, language=ru, response_format=text»
Стоимость: 100 часов записей в месяц — около 1 140,00 ₽.
Созвоны на двух языках
Команда обсуждает задачу по-русски, а термины, названия сервисов и куски переписки зачитывает по-английски. Soniox пишет, что v6 точнее прошлых версий узнаёт смену языка посреди предложения и разные акценты, а модель у вендора одна на все языки. Подсказку language=ru всё равно передавай: она помогает основному языку записи. Время слов в verbose_json пригодится, чтобы найти момент, когда обсуждали дедлайн, и не переслушивать весь созвон ради одной фразы.
Пример запроса: «standup-ru-en.m4a, language=ru, response_format=verbose_json»
Стоимость: созвоны по 20 минут каждый рабочий день месяца — около 83,60 ₽.
Диктовка и голосовые заметки
Голосовой набор Soniox называет одной из задач, под которые дорабатывала v6. Одну деталь стоит знать заранее: если продиктовать «запятая» или «точка», в тексте окажется слово, а не знак, — так v6 записывает произнесённые команды пунктуации. Для заметок и списков дел это не мешает. А если заметка уходит в документ, знаки удобнее расставить после, чем командовать ими вслух. Короткие заметки из мессенджера в OGG отправляй как есть.
Пример запроса: «zametka-0412.ogg, language=ru, response_format=text»
Стоимость: 300 заметок по минуте — около 57,00 ₽.
Подкасты на украинском и казахском
Для подкаста на украинском или казахском сначала проверь, есть ли язык в официальном списке модели: без этого результат превращается в лотерею. У Soniox в списке украинский, белорусский, казахский, азербайджанский и ещё полсотни языков. Передай код языка — uk, be, kk — и получишь текст выпуска. Его можно выложить расшифровкой рядом с эпизодом, чтобы выпуск находился в поиске, а из SRT сделать субтитры к видеоверсии подкаста.
Пример запроса: «podkast-kk-17.mp3, language=kk, response_format=srt»
Стоимость: 12 выпусков по 50 минут — около 114,00 ₽.
Характеристики
| Разработчик | Soniox |
|---|---|
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 2 ч |
| Ответ | json, text, srt, vtt, verbose_json |
| id для запроса | soniox/stt-async-v6 |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: soniox/stt-async-v6, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/transcriptions \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-F model="soniox/stt-async-v6" \
-F file="@speech.mp3"Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with open("speech.mp3", "rb") as f:
r = client.audio.transcriptions.create(model="soniox/stt-async-v6", file=f)
print(r.text)JavaScript
import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai
const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });
const r = await client.audio.transcriptions.create({
model: 'soniox/stt-async-v6',
file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);Пример ответа — только поля
{
"text": "…"
}В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Soniox STT v6 — эта модель | 0,19 ₽ / мин | до 2 ч звука | фоновая расшифровка записей на 60+ языках, когда ответ может подождать |
| Soniox TTS v2 — Soniox | 1,58 ₽ / 1000 знаков | до 4 096 знаков | один голос на многих языках и эмоции метками в тексте, русский есть |
| Grok STT — xAI (Grok) | 0,19 ₽ / мин | до 2 ч звука | расшифровка встреч, звонков и голосовых на русском и ещё 37 языках со временем слов |
| Deepgram Nova-3 — Deepgram | 0,54 ₽ / мин | до 2 ч звука | звонки, встречи и видео с шумом и несколькими голосами, русский и ещё 50+ языков |
| AssemblyAI Universal-2 — AssemblyAI | 0,28 ₽ / мин | до 2 ч звука | пакетная расшифровка на многих языках, русский — с высокой точностью |
| Qwen3-ASR Flash — Qwen (Alibaba) | 0,24 ₽ / мин | до 2 ч звука | короткие записи до 5 минут с терминами, в том числе на китайском |
Версии и отличия
- soniox/stt-async-v5 — прошлое поколение, июнь 2026 года. Soniox пометила его устаревшим и уберёт 15 декабря 2026-го. По API v6 совместима с v5: при переходе меняется только имя модели в запросе.
- Soniox STT v5 — 0,19 ₽ за минуту звука
Как устроен доступ
Весело — не разработчик Soniox STT v6: модель выпускает Soniox. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Это приложение Soniox?
- Нет. Приложение у Soniox своё, а здесь модель Soniox STT v6 по API — для твоего кода, бота или сервиса. Файл отправляет программа, и текст приходит ей же в ответе.
- Почему ответ от Soniox STT v6 приходит не сразу?
- Это асинхронная модель: вендор ставит файл в очередь и обрабатывает его там. Наш API дожидается готового текста и отдаёт его одним ответом, но держать человека в чате ради такой расшифровки неудобно. Для бота, который отвечает сразу, возьми Deepgram Nova-3 или Inworld STT-1.
- Во сколько обойдётся месяц расшифровок на Soniox STT v6?
- Зависит только от длины записей: 0,19 ₽ за минуту звука, со списанием по секундам. Сто часов в месяц — около 1 140,00 ₽, один часовой созвон — около 11,40 ₽.
- Есть ли у Soniox STT v6 перевод речи?
- У самой Soniox перевод есть, но в нашем API пока только распознавание: на выходе текст на языке записи. Перевести его можно отдельным запросом к текстовой модели.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
- Нужны ли VPN и зарубежная карта для Soniox STT v6?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.soniox.com