Soniox, azienda specializzata in soluzioni di speech‑to‑text basate su intelligenza artificiale, ha annunciato il rilascio della versione 6 del suo motore STT (Speech‑to‑Text). Le due funzioni principali introdotte sono l’Agent Text Input, che consente agli sviluppatori di fornire direttamente testo agli agenti vocali, e l’Echo Filtering, un algoritmo avanzato per eliminare l’effetto eco nei flussi audio.
Agent Text Input: una nuova modalità di interazione
Tradizionalmente, gli assistenti vocali devono elaborare il parlato dell’utente in tempo reale per generare una risposta. Con l’Agent Text Input, gli sviluppatori possono inserire testo pre‑definito o generato da altre fonti direttamente nel flusso dell’agente, bypassando la fase di riconoscimento vocale quando non è necessaria.
Questa funzionalità è particolarmente utile in scenari come:
- Risposte dinamiche basate su dati provenienti da API esterne.
- Integrazione di script di dialogo personalizzati senza dipendere dal riconoscimento in tempo reale.
- Test automatizzati di flussi conversazionali, dove il testo può essere simulato per verificare il comportamento dell’agente.
L’Agent Text Input è stato progettato per essere compatibile con tutti i linguaggi supportati da Soniox, garantendo una transizione fluida tra input vocale e testuale.
Implementazione tecnica
Gli sviluppatori possono inviare il testo tramite una chiamata API REST, includendo il campo agent_text nel payload JSON. Il motore STT riconosce automaticamente la presenza di questo campo e lo utilizza al posto del flusso audio, mantenendo intatta la sincronizzazione con gli altri componenti della conversazione.
Echo Filtering: migliorare la qualità audio in ambienti difficili
L’eco è uno dei problemi più comuni nei sistemi di riconoscimento vocale, soprattutto in spazi aperti o con microfoni posizionati lontano dalla sorgente. Soniox v6 introduce un filtro di eco basato su reti neurali profonde, capace di distinguere la voce dell’utente dal segnale di ritorno generato dall’altoparlante.
Caratteristiche principali del nuovo filtro:
- Riduzione dell’eco fino al 95 % senza introdurre distorsioni percepibili.
- Elaborazione in tempo reale con latenza inferiore a 30 ms.
- Supporto a configurazioni multicanale, ideale per dispositivi con più microfoni.
Il filtro è stato testato in diversi scenari, tra cui:
- Uffici open‑space con riverbero elevato.
- Stanze domestiche con assistenti vocali posizionati vicino a TV o sistemi audio.
- Applicazioni industriali in cui il rumore di fondo è costante.
Benefici per gli sviluppatori
Grazie all’Echo Filtering, gli sviluppatori possono ridurre il numero di correzioni manuali post‑trascrizione e migliorare l’affidabilità dei comandi vocali. Inoltre, la riduzione dell’eco contribuisce a una migliore esperienza utente, poiché le risposte dell’assistente risultano più rapide e precise.
Impatto complessivo e prospettive future
Le due innovazioni introdotte con Soniox STT v6 rappresentano un passo avanti significativo nella costruzione di assistenti vocali più intelligenti e resilienti. L’Agent Text Input permette una maggiore flessibilità nella gestione del dialogo, mentre l’Echo Filtering assicura che la qualità dell’audio non comprometta la comprensione del linguaggio.
Soniox ha già annunciato che le future versioni includeranno ulteriori miglioramenti, come il supporto a più lingue per l’Echo Filtering e l’integrazione di modelli di linguaggio più grandi per una generazione testuale più contestuale.
In sintesi, Soniox STT v6 fornisce agli sviluppatori gli strumenti necessari per superare le limitazioni tradizionali del riconoscimento vocale, aprendo la strada a esperienze conversazionali più fluide e affidabili.