Sprache rein. Sprache raus.
Eine API für die Stimme.
Audio mit Sprecherlabels transkribieren, natürliche Sprache erzeugen und Stimmen klonen — hinter einer OpenAI- und ElevenLabs-kompatiblen API. Gebaut für Voice-Agents und Creator. In unserer Cloud, auf euren Servern oder on-device.
API-Referenz und Doku sind auf Englisch.
Sprache verstehen — und erzeugen.
Steno macht aus Audio attributierte Transkripte. Vox macht aus Text natürliche Sprache — mit Preset-Stimme oder einem Klon deiner eigenen. Gleicher Key, gleiche Abrechnung, gleicher Endpoint.
Speech-to-Text mit Sprecher-Diarisierung, Sprecher-Identifikation und Zeitstempeln pro Wort. Unser getuntes Modell deckt 25+ Sprachen samt Regionaldialekten ab — Wort für Wort. Sprache automatisch erkennen oder vorgeben.
Natürliches Text-to-Speech, als komplette Datei oder latenzarm gestreamt für den Live-Einsatz. Preset-Stimme nutzen oder die eigene aus einem kurzen Referenzclip klonen und in jedem Call wiederverwenden. Drop-in für die Audio-APIs von OpenAI und ElevenLabs.
Du sprichst jedes Modell über seinen Soniqo-Namen an; was darunter läuft, verbessern wir laufend — ohne dass du eine Zeile änderst.
Soniqo in deinen Agent-Stack.
Steno und Vox sprechen die Audio-APIs von OpenAI und ElevenLabs — ein Framework wie LiveKit funktioniert, sobald es auf unsere Base-URL zeigt. Kein eigenes Plugin, PCM-Streaming im Takt der Agent-Runtimes.
# LiveKit Agents — Soniqo TTS with no custom plugin
from livekit.plugins import openai
tts = openai.TTS(
base_url="https://api.soniqo.audio/v1",
api_key="sk_...", # sent as Authorization: Bearer
model="tts-1",
voice="nova", # a preset, or one of your cloned voices
response_format="pcm", # low-latency 24 kHz stream
)Jeder Stack, der bereits OpenAI- oder ElevenLabs-Audio-APIs spricht, funktioniert genauso — Base-URL ändern, Code behalten.
Alles, um Sprachfeatures auszuliefern.
Diarisierung, Dialektabdeckung, Drop-in-Kompatibilität und ein Abrechnungsmodell, das alles bündelt — über Transkription, Synthese und Cloning hinweg.
Jede Äußerung kommt mit Sprecherlabel zurück. Sprecherprofile einmal registrieren und stabile, benannte Identitäten über Meetings, Interviews und Anrufaufnahmen hinweg erhalten.
25+ Sprachen mit Regionaldialekten im Kernmodell, dazu ein Long-Tail-Modell mit 1.600+ Sprachen (Hindi, Arabisch, Indonesisch, Vietnamesisch u. a.). Automatisch erkennen oder explizit vorgeben.
Code für die Audio-APIs von OpenAI oder ElevenLabs läuft mit einer geänderten Zeile — der Base-URL — gegen Soniqo. Key als Bearer-Token oder X-Api-Key. Kein Client-Rewrite, keine SDK-Migration.
Transkription kostet $0.24 pro Audiostunde — Speech-to-Text, Diarisierung und Sprecher-ID gebündelt. Synthese $0.22 pro Minute erzeugten Audios, Instant-Cloning inklusive. Sekundengenau, ohne Mindestbeträge.
Für die Konsole mit Google oder GitHub anmelden, für Server-zu-Server-Traffic langlebige API-Keys erzeugen. Argon2-gehasht, auf dein Konto beschränkt, jederzeit widerrufbar.
Eine dauerhafte Queue mit explizitem Acknowledgement und Idempotenz-Keys. Eine Preemption verliert nie einen Job und rechnet nie doppelt ab — das Ledger ist die Quelle der Wahrheit.
Cloud, On-Prem oder On-Device — dieselben Modelle.
Mit der Managed API starten. In die eigene Infrastruktur wechseln, wenn Compliance es verlangt. Oder mit den Open-Source-SDKs an der Edge laufen. Die Modelle ziehen mit.
Verwaltet und pro Audiosekunde abgerechnet. Anmelden, Key holen, Endpoint aufrufen — nichts zu hosten. Genau das siehst du gerade.
Der ganze Stack in deinem eigenen Netz. Audio und Transkripte verlassen deine Infrastruktur nie — für regulierte, air-gapped und Datenresidenz-Anforderungen. Individuelle SLAs und Modell-Tuning pro Kunde.
Sprache an der Edge ausliefern mit unseren Open-Source-SDKs — speech-swift für Apple, speech-core für Linux / Windows / macOS / Android — mit hardware-spezifischen Modellanpassungen. Kein Netz-Roundtrip.
Ein Call zum Transkribieren — einer zum Sprechen.
Nach der Anmeldung hast du Startguthaben und einen API-Key. Transkription ist ein HTTP-Upload; die Synthese liefert Audio, das direkt an den Lautsprecher gehen kann.
# Transcribe with diarization (Soniqo Steno)
curl -X POST https://api.soniqo.audio/v1/transcribe \
-H "Authorization: Bearer $SONIQO_API_KEY" \
-F "[email protected]"
# -> a job id; poll /v1/transcribe/<id> for the attributed transcript
# Synthesize speech (Soniqo Vox)
curl -X POST https://api.soniqo.audio/v1/audio/speech \
-H "Authorization: Bearer $SONIQO_API_KEY" \
-H "Content-Type: application/json" \
-d '{"input":"Hello from Soniqo.","voice":"nova"}' \
--output hello.wavSchon das OpenAI-SDK im Einsatz? Base-URL ändern — dein bestehender Code funktioniert:
from openai import OpenAI
client = OpenAI(
base_url="https://api.soniqo.audio/v1",
api_key="<your-soniqo-api-key>",
)
# Transcription
with open("meeting.wav", "rb") as f:
print(client.audio.transcriptions.create(model="whisper-1", file=f).text)
# Synthesis
client.audio.speech.create(
model="tts-1", voice="nova", input="Hello from Soniqo.",
).stream_to_file("hello.wav")Einfache, sekundengenaue Preise.
Dieselben Modelle, dieselbe API — kostenlos.
Die Cloud ist Bequemlichkeit. Wer volle Kontrolle, On-Device-Latenz oder null Minutenkosten will, betreibt die Open-Source-Bibliothek auf eigener Hardware. Apache 2.0, nichts verlässt deine Maschinen.
Dieselben Modelle für Transkription, Sprechertrennung und Synthese, paketiert für Apple-Plattformen mit On-Device-Anpassungen. Swift-API, Homebrew-Install, Apache 2.0.
Eine plattformübergreifende C++-Engine für Linux, Windows, macOS und Android — Transkription, Diarisierung, Sprecher-ID und Echtzeit-Streaming auf der CPU. Apache 2.0.