Entra voz. Sale voz.
Una sola API para la voz.
Transcribe audio con etiquetas de hablante, genera voz natural y clona una voz — detrás de una única API compatible con OpenAI y ElevenLabs. Pensada para agentes de voz y creadores. En nuestra nube, en tus servidores o en el dispositivo.
La referencia de la API y la documentación están en inglés.
Entender el habla — y generarla.
Steno convierte audio en transcripciones atribuidas. Vox convierte texto en voz natural, con una voz predefinida o un clon de la tuya. Misma clave, misma facturación, mismo endpoint.
Voz a texto con diarización, identificación de hablantes y marcas de tiempo por palabra. Nuestro modelo afinado cubre 25+ idiomas y sus dialectos regionales, palabra por palabra. Detección automática del idioma o indicación explícita.
Texto a voz natural, como archivo completo o en streaming de baja latencia para uso en vivo. Usa una voz predefinida o clona la tuya con un clip breve y reutilízala en cada llamada. Sustituto directo de las APIs de audio de OpenAI y ElevenLabs.
Cada modelo se invoca por su nombre Soniqo; nosotros seguimos mejorando lo que corre por debajo sin que cambies una línea.
Conecta Soniqo a tu stack de agentes.
Steno y Vox hablan las APIs de audio de OpenAI y ElevenLabs — un framework como LiveKit funciona apuntándolo a nuestra base URL. Sin plugin propio, con PCM en streaming al ritmo que esperan los runtimes de agentes.
# 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
)Cualquier stack que ya hable las APIs de audio de OpenAI o ElevenLabs funciona igual — cambia la base URL y conserva tu código.
Todo lo necesario para lanzar funciones de voz.
Diarización, cobertura de dialectos, compatibilidad directa y una facturación que lo agrupa todo — en transcripción, síntesis y clonación.
Cada intervención vuelve etiquetada con su hablante. Registra perfiles una vez y obtén identidades estables con nombre en reuniones, entrevistas y llamadas.
25+ idiomas con dialectos regionales en el modelo principal, más un modelo de cola larga con 1,600+ idiomas (hindi, árabe, indonesio, vietnamita y más). Autodetección o indicación explícita.
El código escrito para las APIs de audio de OpenAI o ElevenLabs funciona con Soniqo cambiando una línea: la base URL. Envía tu clave como Bearer o X-Api-Key. Sin reescrituras ni migración de SDK.
Transcripción a $0.24 por hora de audio — voz a texto, diarización e identificación incluidas. Síntesis a $0.22 por minuto generado, con clonación instantánea incluida. Facturado por segundo, sin mínimos.
Inicia sesión con Google o GitHub en la consola, o genera claves API de larga duración para tráfico servidor-a-servidor. Hash Argon2, limitadas a tu cuenta, revocables en cualquier momento.
Una cola duradera con confirmación explícita y claves de idempotencia. Una interrupción nunca pierde ni cobra dos veces un trabajo — el libro mayor es la fuente de verdad.
Nube, on-premise o en el dispositivo — los mismos modelos.
Empieza con la API gestionada. Pasa a tu propia infraestructura cuando lo exija el cumplimiento. O corre en el borde con los SDK open source. Los modelos viajan contigo.
Gestionada y medida por segundo de audio. Inicia sesión, obtén una clave y llama al endpoint — nada que alojar. Es lo que estás viendo.
Todo el stack dentro de tu red. Audio y transcripciones nunca salen de tu infraestructura — para requisitos regulados, air-gapped y de residencia de datos. SLA a medida y ajuste de modelos por cliente.
Lleva la voz al borde con nuestros SDK open source — speech-swift para Apple, speech-core para Linux / Windows / macOS / Android — con adaptaciones de modelo para tu hardware. Sin ida y vuelta a la red.
Una llamada para transcribir — otra para hablar.
Al iniciar sesión tendrás saldo inicial y una clave API. La transcripción es una subida HTTP; la síntesis devuelve audio listo para el altavoz.
# 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.wav¿Ya usas el SDK de OpenAI? Cambia la base URL y tu código existente funciona:
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")Precios simples, por segundo.
Los mismos modelos, la misma API — gratis.
La nube es comodidad. Si quieres control total, latencia en el dispositivo o coste por minuto cero, corre la librería open source en tu hardware. Apache 2.0, nada sale de tus máquinas.
Los mismos modelos de transcripción, separación de hablantes y síntesis, empaquetados para plataformas Apple con adaptaciones en el dispositivo. API Swift, instalación por Homebrew, Apache 2.0.
Un motor C++ multiplataforma para Linux, Windows, macOS y Android — transcripción, diarización, identificación y streaming en tiempo real en CPU. Apache 2.0.