音声を入れて、音声を返す。
声のための一つの API。
話者ラベル付きの文字起こし、自然な音声合成、声のクローン — すべて OpenAI / ElevenLabs 互換の一つの API の背後に。音声エージェントとクリエイターのために。当社クラウド、自社サーバー、オンデバイスのどこでも動きます。
API リファレンスと開発ドキュメントは英語です。
音声を理解し、生成する。
Steno は音声を話者帰属付きのトランスクリプトに、Vox はテキストを自然な音声に変えます — プリセットボイスでも自分のクローンでも。同じキー、同じ請求、同じエンドポイント。
話者ダイアライゼーション・話者識別・単語レベルのタイムスタンプ付き音声認識。チューニング済みモデルが 25+ 言語と地域方言を一語一句カバー。言語は自動検出もヒント指定も可能。
自然なテキスト読み上げを、完成ファイルとしても低遅延ストリーミングとしても。プリセットボイスを使うか、短い参照クリップから自分の声をクローンして毎回のコールで再利用。OpenAI / ElevenLabs 音声 API の置き換えとしてそのまま使えます。
モデルは Soniqo 名で指定します。中身は私たちが改善し続けます — あなたのコードは一行も変わりません。
Soniqo をエージェントスタックへ。
Steno と Vox は OpenAI / ElevenLabs 音声 API を話します。LiveKit のようなフレームワークは base URL を向けるだけで動作。カスタムプラグイン不要、エージェントランタイムが期待するレートで PCM をストリーミング。
# 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
)OpenAI か ElevenLabs の音声 API を話すスタックなら同じやり方で動きます — base URL を変えるだけ、コードはそのまま。
音声機能の出荷に必要な全部。
ダイアライゼーション、方言カバレッジ、そのまま差し替えられる互換性、全部込みの課金モデル — 文字起こし・合成・クローンにわたって。
発話はすべて話者ラベル付きで返ります。話者プロファイルを一度登録すれば、会議・インタビュー・通話録音を通じて安定した名前付きの識別が得られます。
コアモデルは地域方言を含む 25+ 言語、さらにロングテールモデルが 1,600+ 言語(ヒンディー語、アラビア語、インドネシア語、ベトナム語など)をカバー。自動検出もヒントも。
OpenAI や ElevenLabs の音声 API 向けのコードは、base URL を一行変えるだけで Soniqo で動きます。キーは Bearer か X-Api-Key で送信。クライアント書き換えも SDK 移行も不要。
文字起こしは音声 1 時間あたり $0.24 — 音声認識・ダイアライゼーション・話者 ID 込み。合成は生成音声 1 分あたり $0.22、インスタントクローン込み。秒単位課金、最低額なし。
コンソールは Google / GitHub でサインイン、サーバー間通信には長寿命 API キーを発行。Argon2 ハッシュ、アカウントスコープ、いつでも失効可能。
明示的な確認応答と冪等キーを備えた永続キュー。プリエンプションでジョブが消えたり二重課金されたりしません — 台帳が唯一の真実です。
クラウド、オンプレ、オンデバイス — 同じモデル。
マネージド API で始めて、コンプライアンスが求めるなら自社インフラへ。エッジならオープンソース SDK で。モデルはあなたと一緒に移動します。
マネージドで音声秒単位の従量課金。サインインしてキーを取得し、エンドポイントを呼ぶだけ — ホストするものはありません。いま見ているのがそれです。
スタック全体を自社ネットワーク内で。音声もトランスクリプトもインフラの外に出ません — 規制、エアギャップ、データレジデンシー要件に。カスタム SLA と顧客別モデルチューニング。
オープンソース SDK でエッジに音声を載せる — Apple には speech-swift、Linux / Windows / macOS / Android には speech-core。ハードウェアに合わせたモデル適応付き。ネットワーク往復ゼロ。
一回のコールで文字起こし、一回で合成。
サインインすると初期残高と API キーが用意されています。文字起こしは HTTP アップロード、合成はそのままスピーカーに流せる音声を返します。
# 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すでに OpenAI SDK を使っていますか?base URL を変えれば既存コードがそのまま動きます:
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")シンプルな秒単位課金。
同じモデル、同じ API — 無料で。
クラウドは手軽さのため。完全なコントロール、オンデバイスの低遅延、分単価ゼロが欲しければ、自分のハードウェアでオープンソースライブラリを。Apache 2.0、データはマシンの外へ出ません。
同じ文字起こし・話者分離・音声合成モデルを Apple プラットフォーム向けにパッケージ。オンデバイスのモデル適応付き。Swift API、Homebrew インストール、Apache 2.0。
Linux・Windows・macOS・Android 向けクロスプラットフォーム C++ エンジン — 文字起こし、ダイアライゼーション、話者 ID、CPU でのリアルタイムストリーミング。Apache 2.0。