Soniox v5 Async
Soniox · États-Unis
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 23e sur 39 en transcription en français ; 24e sur 51 en transcription en anglais (Artificial Analysis).
Présentation
stt-async-v5 est le modèle de transcription de Soniox pour les fichiers audio enregistrés, servi par API. Il apporte une séparation des locuteurs refaite, une meilleure identification des langues et une transcription plus fiable des nombres, dates et adresses. Lu sur soniox.com, le 17/10/2026.
- Sortie
- 11 juin 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : plus de 60 langues, dont le français. Lu sur soniox.com.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 23e sur 39 en transcription en français (6,21 %).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Transcription
Transcription en français
23e sur 39taux d'erreur par mot 6,21 %
Par jeu de test : Common Voice 9,84 %, FLEURS 4,24 %, MLS 4,55 %
Source : Open ASR Leaderboard, Hugging Face · relevé du 19 octobre 2026, version du 17 octobre 2026.
- En anglais · Transcription
Transcription en anglais, indice AA-WER
24e sur 51taux d'erreur par mot 3,81 %
Prix : 1,66 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 3,11 %, Earnings22 6,70 %, VoxPopuli 2,31 %
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Transcription en français : devant, Voxtral Mini (22e, 5,96 %) · derrière, Whisper Large v3 (24e, 6,24 %)
- Transcription en anglais, indice AA-WER : devant, Voxtral Mini Transcribe 2 (23e, 3,59 %) · derrière, Universal (25e, 3,82 %)
Comment lire ces chiffres
Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.
D'où vient cette fiche
- Nom dans les sources
- Hugging Face (hf-audio) :
soniox/stt-async-v5; Artificial Analysis :Soniox v5 Async - Fiche
- Registre de QUELLE IA.
- Pages lues
- https://soniox.com/docs/stt/models (« June 11, 2026 New models: stt-async-v5 Replaces: stt-async-v4 »), 17/10/2026
- https://soniox.com/docs/stt/models (« stt-async-v5 is the new Soniox async speech-to-text model for processing recorded audio »), 17/10/2026
- https://soniox.com/docs/stt/models (« Completely reengineered speaker separation for identifying who said what »), 17/10/2026
- https://soniox.com/docs/stt/models (« Higher transcription accuracy across 60+ languages »), 17/10/2026
- https://soniox.com/docs/stt/concepts/supported-languages.mdx (« | French | fr | »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.