Soniox STT (Async) - Benchmarks y Rendimiento - OpenTranscription

Soniox STT (Async)

Name: Soniox STT (Async)
Author: Soniox

Por lotes

Transcripción por lotes asíncrona de Soniox — un modelo multilingüe para más de 60 idiomas con diarización de hablantes, marcas de tiempo por palabra e identificación automática de idioma, a una tarifa baja basada en tokens.

Transcribir con este modelo Comparar en el playground

25 idiomas · evaluado

Puntuación General

73.7

Tasa de Error de Palabras

8.73%

Tasa de Error de Caracteres

6.18%

Tasa de Error de Coincidencia

8.39%

Información de Palabras Perdida

13.26%

Latencia Promedio

6.2s

Benchmarks Ejecutados

Costo vs. precisión

WER general · 27 modelos

grupo · 27 modelos

abajo a la izquierda es mejor

Rendimiento por categoría

8 categorías

WER

menor es mejor

Médico

1.6%

Legal

3.5%

Técnico

4.9%

Finanzas

6.3%

General

6.6%

Conversacional

12.6%

Cambio de Código

16.0%

Ambiente Ruidoso

21.9%

Categoría	WER	CER	MER	WIL	Latencia	Evaluaciones
Cambio de Código	16.03%	9.30%	15.69%	23.29%	10.2s	2
Conversacional	12.60%	6.16%	12.47%	16.56%	8.2s	2
Finanzas	6.32%	2.82%	6.25%	10.13%	5.1s	2
General	6.62%	5.30%	6.47%	10.89%	5.4s	18
Legal	3.52%	1.90%	3.49%	4.55%	7.6s	2
Médico	1.62%	0.83%	1.62%	2.25%	7.6s	2
Ambiente Ruidoso	21.92%	16.67%	20.02%	32.16%	5.1s	4
Técnico	4.89%	2.97%	4.84%	6.33%	7.6s	2

Rendimiento por acento

5 acentos

Acento	WER	Evaluaciones
Africano	12.31%	1
Australiano	12.31%	1
Indio	19.05%	1
Británico	7.46%	1
Estadounidense	11.32%	1

Precios

pago por segundo

Tarifa

$0.0017

/min

Facturación por segundo. Usa tu propia clave de proveedor y paga directamente al proveedor — se aplica una tarifa de enrutamiento del 5% (primeros 100 min/mes gratis).

Configurar BYOK

Estimador de costo

1 hora

$0.10

10 horas

$1.01

100 horas

$10.08

1000 horas

$100.80

Facturado por segundo de audio procesado.

API y uso

POST /api/v1/transcriptions

ID del modelo

soniox/stt-async

Obtener una clave API

Autentica cada solicitud con tu clave API secreta como token Bearer. Genera una clave desde tu panel.

Inicio rápido

Sube tu audio, crea un trabajo con este modelo y luego consulta el trabajo o define un webhook_url para recibir el aviso al completarse.

# 1. Request a signed upload URL
curl https://opentranscription.io/api/v1/uploads \
  -H "Authorization: Bearer $OT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "file_name": "interview.mp3", "file_size": 3456789, "mime_type": "audio/mpeg" }'
# → { "upload_url": "...", "file_path": "...", "expires_at": "..." }

# 2. Upload the audio bytes to the signed URL
curl -X PUT "$UPLOAD_URL" --upload-file interview.mp3

# 3. Create the transcription job
curl https://opentranscription.io/api/v1/transcriptions \
  -H "Authorization: Bearer $OT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "$FILE_PATH",
    "model": "soniox/stt-async",
    "language": "en",
    "diarization": true,
    "webhook_url": "https://your-app.com/webhooks/ot"
  }'
# → we POST a signed event to your webhook_url when the job finishes — no polling required

Parámetros clave

file_path

string

obligatorio

Ruta de almacenamiento devuelta por el paso de subida.

model

string

obligatorio

El modelo con el que se ejecuta este trabajo.

language

string

Código de idioma ISO 639-1. Omítelo para la detección automática.

diarization

boolean

Etiqueta a los hablantes (A, B, …) en el resultado.

webhook_url

string

URL HTTPS que recibe el resultado al completarse el trabajo. Los eventos entregados están firmados (X-OT-Signature).

Respuesta

Un trabajo completado devuelve la transcripción en el Esquema Unificado de OpenTranscription (OTUS).

{
  "id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "status": "completed",
  "transcript": {
    "text": "Welcome to the meeting, everyone.",
    "language": "en",
    "confidence": 0.97,
    "segments": [
      {
        "id": 0,
        "start": 0,
        "end": 3.5,
        "text": "Welcome to the meeting, everyone.",
        "speaker": "A"
      }
    ],
    "words": [
      {
        "word": "Welcome",
        "start": 0,
        "end": 0.42,
        "confidence": 0.99
      }
    ]
  }
}

Webhooks — sin sondeo

Enviamos un evento firmado a tu webhook_url cuando un trabajo se completa o falla; verifica la cabecera X-OT-Signature (HMAC-SHA256, rechaza si tiene más de 300 s) y desduplicado por el id del evento, luego obtén la transcripción completa con GET /api/v1/transcriptions/{id}.

# We POST a signed event to your webhook_url when a job finishes.
# Headers:
#   X-OT-Signature: t=1736937042,v1=5257a869e7eceb6c6c2c2a1b4d6e9f8c2a1b4d6e9f8c2a1b4d6e9f8c2a1b4d6e
#   X-OT-Event-Id: evt_9f8c2a1b4d6e
#   X-OT-Event-Type: transcription.completed
#
# Body (thin event — fetch the transcript with GET /transcriptions/{data.id}):
{
  "id": "evt_9f8c2a1b4d6e",
  "event": "transcription.completed",
  "created": "2025-01-15T10:30:42.000Z",
  "data": {
    "id": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
    "status": "completed",
    "error_code": null
  }
}
#
# Verify: HMAC-SHA256 over "<t>.<raw_body>" with your signing secret,
# constant-time compare against any v1, and reject if |now - t| > 300s.

Límite por nivel — consulta los encabezados de respuesta X-RateLimit-*.

Referencia completa de la API

Modelos similares

del mismo grupo

Más preciso

Amazon Transcribe

Amazon Web Services

4.71% WER

$0.006/min

Comparar →

Más barato

Whisper Large V3 Turbo

Groq

— WER

$0.0007/min

Comparar →

Idiomas Soportados

InglésEspañolFrancésAlemánItalianoPortuguésNeerlandésRusoChinoJaponésCoreanoÁrabeHindiTurcoPolacoUcranianoSuecoDanésFinlandésNoruegoIndonesioTailandésVietnamitaChecoGriego

Formatos Soportados

mp3wavflacm4aoggwebmaac

Características

Detección automáticaDiarizaciónMarcas de tiempo por palabra

Soniox STT (Async)

Costo vs. precisión

Rendimiento por categoría

Rendimiento por acento

Precios

API y uso

Modelos similares

Acerca de Soniox STT (Async)