Uppdaterad oktober 31, 2026 · Soniqos blogg
Mätning av röstagenter: samtalsturer, verktygsanrop och uttrycksfullt tal
TurnBench, SLURP och InstructTTSEval resultat för lokala runtimes och moln API, med nya p99 och VAP modell nedladdningar.
Läs mer
Utskrift och montering pågår
MötMimi
Vi bygger en liten robot som du kan prata med. Fyra ben, ett litet digitalt ansikte och lokal AI på en dator eller telefon i närheten kopplar dina ord till robotens nästa rörelse.
Möt Mimi
Senaste inlägg & videor
Alla inläggSeptember 27, 2026 · Soniqo Blogg
GLiNER2.5-Decide och Jev: en beslutsmodell du kör, och en du ringer.
Open-weight GLiNER2.5-Decide i MLX Swift mot TypeSafes värd Jev: vad varje erbjudanden, vad det publicerade referensvärdet jämförde och lokala mätningar: 7.6 ms per förfrågan på 0.85GB med INT8.
Läs mer
YouTube · Concept-film
Stenograf - Från konversation till handling
En konceptfilm som utforskar Stenograf vision för att omvandla konversationer till användbara nästa steg.
Titta på
Ivan's Blog · Artikel på engelska
NVIDIA Nemotron VoiceChat på Apple Silicon: Full-Duplex Tal med verktyg
Från Moshi och PersonaPlex till VoiceChat: hur full-duplex tal hanterar avbrott och MCP verktyg, och där en mindre Android kommandotpipeline passar.
Läs mer
Appar
Verktyg för dina inspelningar och din musik.
Soniqo Music
Gratis app
Skapa karaokebakgrunder från ditt eget ljud. Ta bort sång, separera instrument, ändra tonart och exportera WAV-filer gratis på Android, iPhone och iPad.
Utforska appenspeech
Homebrew CLI
Transkription, talsyntes och ljudverktyg som körs lokalt på Mac med Apple Silicon.
brew install speechInstallationsguide
Stenograf
Gratis inspelning och transkription
Privata inspelningar och transkriptioner på Mac, Windows och Android. Valfri AI på datorn ger sammanfattningar och chatt.
Utforska appenTjänster
Tal, ljud och sökning. För din produkt.
Vi tränar och anpassar modeller, utvärderar dem med dina data och integrerar dem i dina enheter eller din privata infrastruktur.
Utforska tjänsternaTal- och språkanpassning
Bygg taligenkänning, uttrycksfulla röster och röststyrning utifrån hur dina användare talar.
Ljudbehandling och rumsligt ljud
Bygg din ljudpipeline runt lyssnarmiljön och rikta hårdvara.
Inferens och privat driftsättning
Kör dina modeller på enheten eller inom din egen infrastruktur.
Sökning och fördjupade forskningssystem
Hjälp dina användare att hitta relevanta källor och bygga forskningsflöden som de kan kontrollera.
Alla komponenter
Trettioplus modeller. en stack.
Utforska arkitektur, CLI, SDK-API:er och prestandatester för varje komponent.
Tal till text
Qwen3-ASR
52 langs, RTF 0.06, 4-/8-bit
MLX
CoreML
Whisper Large-v3 Turbo
Native CoreML: 1.40% WER, 6 s model load
CoreML
MOSS Transcribe Diarize 0.9B
MLX INT5: 128K offline context, RTF 0.028
MLX
CoreML
Whisper v3 ONNX
Small, medium, large-v3, and turbo exports
ONNX
Parakeet TDT
32× real-time on Neural Engine
CoreML
ONNX
LiteRT
Parakeet EOU
120M, 25 langs, streaming partials + EOU, ~232 MB on-device
CoreML
ONNX
Omnilingual ASR
1,672 languages, 300M–7B
CoreML
MLX
LiteRT
Cohere Transcribe 2B
14 langs, INT5 default, RTF 0.015
MLX
Voxtral Mini 3B
8 langs, INT5 default, RTF 0.074
MLX
Forced Alignment
Word-level timestamps, 80 ms
MLX
CoreML
Nemotron Streaming
Streaming with punctuation
CoreML
ONNX
LiteRT
Text till tal
Breeze TTS 2
EN/ZH, voice design + cloning, 24 kHz, non-commercial
MLX
MOSS-TTS-Nano 100M
48 kHz stereo, 80 ms streaming, reference voice cloning
CoreML
Voxtral TTS 4B
20 presets, 9 langs, 24 kHz, 4-bit, CC BY-NC 4.0
MLX
CosyVoice 3
9 langs, zero-shot cloning, bf16 / 8-bit
MLX
ONNX
Qwen3-TTS
12 Hz codec LM, faster than real-time
MLX
CoreML
FireRedTTS3-Instruct
Experimentell röstdesign · offentliga buntar · bygga SDK huvud
MLX
MOSS-VoiceGenerator
Experimentell röstdesign · offentliga buntar · bygga SDK huvud
MLX
VoxCPM2
48 kHz, 30 langs, voice design + cloning
MLX
ONNX
LiteRT
IndexTTS2
Zero-shot cloning, emotion + tempo controls, RTF 1.0
MLX
Supertonic-3
99M, 31 langs, 44.1 kHz
CoreML
LiteRT
Chatterbox Flash
CoreML voice cloning, TTFT 0.27s, RTF 0.59
CoreML
MLX
LiteRT
OmniVoice
600+ langs, NAR diffusion cloning
MLX
Indic-Mio
Hindi emotion TTS + raw reference cloning
MLX
Fish Audio S2 Pro / Drama 3
Style markers + zero-shot cloning
MLX
F5-TTS
Zero-shot cloning in 16 flow steps, RTF 0.57
MLX
Higgs TTS 3
4B conversational cloning, emotion tags, RTF 0.78
MLX
Kokoro 82M
54 voices, iOS-ready, 10 langs
CoreML
ONNX
Pocket TTS 100M
English, Alba, 24 kHz, 80 ms frames
CoreML
ONNX
VibeVoice
90-min podcasts / audiobooks
MLX
Magpie 357M
9 langs, 5 baked voices, streaming
MLX
Voice Cloning Suite
IndexTTS2, CosyVoice, Chatterbox Flash, Qwen3-TTS ICL
CoreML
MLX
Ljudanalys
Language Identification
SpeechBrain ECAPA, 107 languages, 21M
MLX
CoreML
Pyannote Community-1
Masked WeSpeaker + native PLDA/VBx, ~32 MB
CoreML
Nemotron 3 Diarization
100M, up to 8 speakers, INT8
MLX
CoreML
Speaker Diarization
Nemotron 3 + Community-1 + Pyannote + Sortformer
MLX
CoreML
LiteRT
Speaker Embeddings
WeSpeaker / CAM++ for ID
MLX
CoreML
LiteRT
Voice Activity Detection
Silero v6.2.1, Pyannote, FireRedVAD
MLX
CoreML
ONNX
LiteRT
Smart Turn v3.2
End-of-turn detection, 23 langs, 3.5 ms per pause
CoreML
ONNX
p99 turn-1-mini
Streaming end-of-turn poäng, 5.3M, Float32
CoreML
VAP (otoSpeech)
Tvåkanalsprognoser, 5,8 M, Float32
CoreML
ONNX
Wake-Word / KWS
KWS Zipformer, 26× real-time
CoreML
Musik- och ljudproduktion
Stable Audio 3
44.1 kHz stereo, variable-length music
MLX
MAGNeT MusicGen
Text → 30 s music, RTF 0.36
MLX
Source Separation
Open-Unmix + HTDemucs v4, 4 stems
MLX
Speech Enhancement
DeepFilterNet3, 48 kHz real-time
CoreML
ONNX
LocalVQE AEC
Two-stream echo cancellation, 16 ms latency
CoreML
Speech Restoration
Sidon denoise + dereverb → 48 kHz
CoreML
ONNX
FlashSR
48 kHz audio super-resolution
MLX
LLM och talomvandling
Clef-flash
MLX Swift · 9B · 4-bit · text decisions · development preview
MLX
GLiNER2.5-Decide
MLX Swift · INT8, FP16, FP32 · development preview
MLX
Qwen3.5 Chat 0.8B
Streaming on-device LLM
MLX
CoreML
FunctionGemma 270M
Structured tool / function-call grammar
CoreML
LiteRT
MADLAD-400
Many-to-many translation, 400+ languages
MLX
Hibiki Zero-3B
Streaming speech translation, FR/ES/PT/DE → EN
MLX
PersonaPlex 7B
Moshi-family full-duplex speech-to-speech
MLX
ONNX
VoiceChat 11B
Asymmetric duplex speech-to-speech, INT5 / INT8
MLX