الكلام على الجهاز.
لمنتجات حقيقية.
تفريغ مع تحديد المتحدّثين، واستنساخ صوت بصفر-إطلاق، وتركيب كلام طويل المدى — يعمل على Apple Silicon وAndroid وWindows وLinux المضمّن. بدون واجهات سحابية، بدون تسعير بالدقيقة، وبدون خروج أي بيانات من الجهاز.
brew install speechimplementation("audio.soniqo:speech:0.0.9")الخطاب على الجهاز لمنتجات حقيقية.
قياسات أداء وملاحظات نماذج وتفاصيل إطلاق من Soniqo.
كل المنشوراتالذكاء الصوتي المحلّي على MacBook
جولة من أربع دقائق في المكتبة مفتوحة المصدر: تفريغ زمن حقيقي مع Nemotron Streaming، كلام إلى كلام محلّي مع PersonaPlex، واستنساخ صوت بدقة 48 كيلوهرتز مع VoxCPM2 — كل العروض تعمل على الحاسوب المحمول.
ثلاث مجموعات حالات استخدام على الجهاز.
كل مجموعة تغطّي عدة حالات فرعية مبنية من مكوّنات Soniqo. مرّر صوتك واحصل على محادثة أو نصوص أو صوت مُولَّد — محلياً وفي الزمن الحقيقي.
وكلاء صوتيون
ابنِ واجهات تعتمد على الصوت — من نموذج كلام إلى كلام ثنائي الاتجاه كامل إلى خطوط أنابيب تركيبية مُفعَّلة بكلمة استيقاظ، تعمل كلها محلياً.
تفريغ النصوص
حوِّل الصوت إلى نص منظَّم — بثّ زمن حقيقي للترجمة الفورية والإملاء، ودقة عالية بالدُفعات للأرشيف، مع تحديد كل متحدّث بالاسم.
توليد الكلام
ركِّب الكلام بأي صوت — استنسخ صوتاً في ثوانٍ، أو اقرأ كتباً صوتية لساعات، أو أنتج بودكاست متعدّد المتحدّثين، كل ذلك دون اتصال بالإنترنت.
أكثر من ثلاثين نموذجاً. حزمة واحدة.
خطوط الأنابيب المعروضة أعلاه مبنية من هذه النماذج. اختر مكوّناً لترى بنيته وواجهة سطر الأوامر وSwift API ونتائج الأداء. كلها تعمل على Apple Silicon، ومعظمها على Android وLinux أيضاً.
صوت إلى نص
52 langs, RTF 0.06, 4-/8-bit
speech-swift native CoreML baseline
Small, medium, large-v3, and turbo exports
32× real-time on Neural Engine
120M, 25 langs, streaming partials + EOU, ~232 MB on-device
1,672 languages, 300M–7B
Word-level timestamps, 80 ms
Streaming with punctuation
نص إلى صوت
9 langs, zero-shot cloning, bf16 / 8-bit
12 Hz codec LM, faster than real-time
48 kHz, 30 langs, voice design + cloning
Native MLX zero-shot cloning, emotion + tempo controls
99M, 31 langs, 44.1 kHz
CoreML voice cloning, TTFT 0.27s, RTF 0.59
600+ langs, NAR diffusion cloning
Hindi emotion TTS + raw reference cloning
Style markers + zero-shot cloning
54 voices, iOS-ready, 10 langs
90-min podcasts / audiobooks
9 langs, 5 baked voices, streaming
IndexTTS2, CosyVoice, Chatterbox Flash, Qwen3-TTS ICL
تحليل الصوت
الموسيقى وإنتاج الصوت
44.1 kHz stereo, variable-length music
Text → 30 s music, RTF 0.36
Open-Unmix + HTDemucs v4, 4 stems
DeepFilterNet3, 48 kHz real-time
Sidon denoise + dereverb → 48 kHz
48 kHz audio super-resolution
