Soniox STT v6
Soniox推出的语音识别模型,支持双向感知和回声过滤,以流式(stt-rt-v6)和异步(stt-async-v6)两种接口形态发布
时间轴 (近 90 天)
Soniox 发布了 STT v6 语音识别模型。
Soniox STT v6 的核心机制是让模型同时接收通话方语音和语音Agent正在说出的文本作为输入。
Soniox STT v6 利用Agent文本作为上下文来辅助识别用户短回复(如'嗯''对''不是'),以提升准确率。
当Agent文本与用户实际话语不符时(如用户反驳、打岔),STT模型需具备抑制该文本先验的能力,否则可能过度依赖。
AEC与模型侧回声过滤并不完全互斥:AEC处理信号层,模型侧过滤处理识别层,实际部署中可能仍需基础AEC来保证模型输入不被回声淹没。
流式场景下的回声过滤比异步更难,因为模型需要在音频尚未完整到达时做出判断,且不能因过滤引入额外延迟。
目前关于Soniox STT v6回声过滤在复杂声学环境下的实际表现、短回复识别的具体提升幅度,尚缺乏可对照的评测数据。
全部知识事实 (7)
当Agent文本与用户实际话语不符时(如用户反驳、打岔),STT模型需具备抑制该文本先验的能力,否则可能过度依赖。
50%待验证Soniox STT v6 的核心机制是让模型同时接收通话方语音和语音Agent正在说出的文本作为输入。
50%待验证Soniox STT v6 利用Agent文本作为上下文来辅助识别用户短回复(如'嗯''对''不是'),以提升准确率。
50%待验证目前关于Soniox STT v6回声过滤在复杂声学环境下的实际表现、短回复识别的具体提升幅度,尚缺乏可对照的评测数据。
50%待验证AEC与模型侧回声过滤并不完全互斥:AEC处理信号层,模型侧过滤处理识别层,实际部署中可能仍需基础AEC来保证模型输入不被回声淹没。
50%待验证流式场景下的回声过滤比异步更难,因为模型需要在音频尚未完整到达时做出判断,且不能因过滤引入额外延迟。
50%待验证Soniox 发布了 STT v6 语音识别模型。
50%