Soniqosoniqo
ユースケース · 会話型

音声を入力。
音声を出力。

音声優先インターフェースの 3 つの形 —— 単一のフルデュプレックス speech-to-speech モデル、完全に制御できる wake → VAD → ASR → LLM → TTS のコンポーザブル・パイプライン、ハンズフリー起動用のウェイクワード。すべてオンデバイス、クラウド API なし、音声はデバイスから出ません。

はじめる speech-to-speech ガイド
3 つのサブユースケース

プロダクトに合う形を選ぼう。

ドロップイン型の対話モデル、ステージごとに制御できるコンポーザブル・パイプライン、あるいは軽量なウェイクワード・トリガー。いずれも完全にオンデバイスで動作します。

フルデュプレックス speech-to-speech

一つのモデルがマイク入力を受け取り音声出力を生成。OpenAI-Realtime 互換の WebSocket でドロップイン、最小コード・内部はブラックボックス。

コンポーザブル音声パイプライン

ウェイクワード → VAD → ストリーミング ASR → オンデバイス LLM → TTS。各段で制御でき、書き起こしも可視化、エンジン差し替え自由。自分専用の Siri を構築。

ウェイクワード起動

あらゆる音声フローのハンズフリー・トリガー。フレーズごとの閾値を持つカスタムキーワード、オンデバイスで 5 MB 未満、26× 実時間。

さらに読む

コンポーネント別ガイド。

PersonaPlex 7B
Qwen3.5 Chat
Streaming Dictation
Voice Activity Detection
Wake-Word / KWS
speech-server