Soniox: Soniox STT Realtime v5

Name: Soniox STT Realtime v5
Author: Soniox

soniox/stt-rt-v5

提供中 stt 1プロバイダー

Playground

Soniox real-time speech-to-text model for live audio with speaker separation, language identification, translation, and semantic endpointing.

作成者Soniox

言語multilingual

ステータス提供中

クイックスタート

Soniox STT Realtime v5

APIキーを作成する

AllModelsに登録してAPIキーを作成し、ALLMODELS_API_KEYとして設定します。

APIキーを作成

リクエストを送る

SDK、リクエストモード、言語を選びます。モデルとプロバイダールートは入力済みです。

ElevenLabs SDKでのストリーミングSTT

マイクまたはファイルの音声を、ElevenLabs互換のAllModelsルート経由でストリーミングします。

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "soniox/stt-rt-v5",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "soniox"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.

プロバイダーパラメーターを渡す

ルートを特定のプロバイダーに固定したい場合は、互換SDKのリクエストオプションでproviderの設定を渡します。

{
  queryParams: {
    provider: {
      only: ["soniox"]
    }
  }
}

プロバイダー

同じモデルを複数のプロバイダーがホストしている場合があります。バックエンドを固定したい場合は1つのプロバイダーを選び、そうでなければルーティングに選択を任せられます。

プロバイダーSlug1時間あたりレイテンシiモード稼働率

Soniox 10個のパラメーター

soniox

$0.12から

—

ストリーミング

Soniox

このルートには10個のプロバイダーパラメーターが記載されています。

料金

モード言語1時間あたり

Transcription Only すべて $0.12

Input Audio Tokens すべて $2 100万トークンあたり

Input Text Tokens すべて $4 100万トークンあたり

Output Text Tokens すべて $4 100万トークンあたり

With Translation すべて $0.18

パラメーター

audio_format body · unknown · 任意

AllModelsのパラメーター「audio_format」から変換されます。

context body · unknown · 任意

AllModelsのパラメーター「context」から変換されます。

enable_endpoint_detection body · unknown · 任意

AllModelsのパラメーター「endpoint_detection」から変換されます。

enable_language_identification body · unknown · 任意

AllModelsのパラメーター「language_identification」から変換されます。

enable_speaker_diarization body · unknown · 任意

AllModelsのパラメーター「diarization」から変換されます。

language_hints body · unknown · 任意

AllModelsのパラメーター「language」から変換されます。

model body · unknown · 任意

AllModelsのパラメーター「model」から変換されます。

num_channels body · unknown · 任意

AllModelsのパラメーター「num_channels」から変換されます。

sample_rate body · unknown · 任意

AllModelsのパラメーター「sample_rate」から変換されます。

translation body · unknown · 任意

AllModelsのパラメーター「translation」から変換されます。

対応言語

このモデルの確認済み言語リストはまだありません。

機能

Speech to text

Transcribes spoken audio to text.

speech_to_text

Streaming

Real-time streaming transcription over WebSocket.

streaming

Multilingual transcription

Supports 60+ languages.

multilingual_transcription

Speaker diarization

Identifies and separates multiple speakers.

speaker_diarization

Word-level timestamps

Returns word-level timestamps.

word_timestamps

Language identification

Automatically identifies the spoken language.

language_identification

Speech translation

Supports real-time / async speech translation.

translation

Semantic endpointing

Provides fast semantic end-of-turn detection.

endpointing

コード

ElevenLabs SDKでのストリーミングSTT

マイクまたはファイルの音声を、ElevenLabs互換のAllModelsルート経由でストリーミングします。

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const connection = await client.speechToText.realtime.connect({
  modelId: "soniox/stt-rt-v5",
  languageCode: "en"
}, {
  queryParams: {
    provider: {
      "only": [
        "soniox"
      ]
    }
  }
});

// Send audio frames to connection, then handle transcript events.