เสียงเข้า เสียงออก
API เดียวสำหรับเสียง
ถอดความพร้อมป้ายผู้พูด สร้างเสียงพูดธรรมชาติ และโคลนเสียง — ทั้งหมดหลัง API เดียวที่เข้ากันได้กับ OpenAI และ ElevenLabs สร้างเพื่อเอเจนต์เสียงและครีเอเตอร์ รันในคลาวด์ของเรา บนเซิร์ฟเวอร์ของคุณ หรือบนอุปกรณ์
เอกสารอ้างอิง API และคู่มืออยู่ในภาษาอังกฤษ
เข้าใจเสียงพูด — และสร้างมันขึ้นมา
Steno เปลี่ยนเสียงเป็นบทถอดความระบุผู้พูด Vox เปลี่ยนข้อความเป็นเสียงธรรมชาติ — เสียงสำเร็จรูปหรือโคลนของคุณเอง คีย์เดียว บิลเดียว endpoint เดียว
เสียงเป็นข้อความพร้อมแยกผู้พูด ระบุผู้พูด และประทับเวลารายคำ โมเดลที่จูนแล้วครอบคลุม 25+ ภาษาและสำเนียงท้องถิ่น — คำต่อคำ ตรวจภาษาอัตโนมัติหรือระบุเอง
ข้อความเป็นเสียงธรรมชาติ ส่งเป็นไฟล์สมบูรณ์หรือสตรีมหน่วงต่ำสำหรับงานสด ใช้เสียงสำเร็จรูป หรือโคลนเสียงคุณจากคลิปอ้างอิงสั้น ๆ และใช้ซ้ำได้ทุกครั้ง แทนที่ API เสียงของ OpenAI และ ElevenLabs ได้ทันที
คุณเรียกโมเดลด้วยชื่อ Soniqo ส่วนที่รันอยู่ข้างใต้เราปรับปรุงต่อเนื่อง — โดยคุณไม่ต้องแก้แม้บรรทัดเดียว
เสียบ Soniqo เข้ากับสแต็กเอเจนต์ของคุณ
Steno และ Vox พูดภาษา API เสียงของ OpenAI และ ElevenLabs — เฟรมเวิร์กอย่าง LiveKit ทำงานได้ทันทีที่ชี้ base URL มาที่เรา ไม่ต้องมีปลั๊กอินพิเศษ สตรีม PCM ตามจังหวะที่รันไทม์เอเจนต์คาดหวัง
# 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
)สแต็กใดที่พูด API เสียง OpenAI หรือ ElevenLabs อยู่แล้ว ก็ใช้ได้แบบเดียวกัน — เปลี่ยน base URL โค้ดเดิมคงไว้
ทุกอย่างที่ต้องใช้ส่งมอบฟีเจอร์เสียง
แยกผู้พูด ครอบคลุมสำเนียง เข้ากันได้แบบเสียบใช้ และโมเดลคิดเงินที่รวมทุกอย่าง — ทั้งถอดความ สังเคราะห์ และโคลน
ทุกถ้อยคำกลับมาพร้อมป้ายผู้พูด ลงทะเบียนโปรไฟล์ครั้งเดียว ได้ตัวตนมีชื่อที่คงที่ทั้งในประชุม สัมภาษณ์ และบันทึกสาย
25+ ภาษาพร้อมสำเนียงท้องถิ่นในโมเดลหลัก บวกโมเดลหางยาวครอบคลุม 1,600+ ภาษา (ฮินดี อาหรับ อินโดนีเซีย เวียดนาม ฯลฯ) ตรวจอัตโนมัติหรือกำหนดเอง
โค้ดที่เขียนกับ API เสียง OpenAI หรือ ElevenLabs ใช้กับ Soniqo ได้ด้วยการแก้บรรทัดเดียว — base URL ส่งคีย์แบบ Bearer หรือ X-Api-Key ไม่ต้องเขียนไคลเอนต์ใหม่ ไม่ต้องย้าย SDK
ถอดความ $0.24 ต่อชั่วโมงเสียง — รวมเสียงเป็นข้อความ แยกและระบุผู้พูด สังเคราะห์ $0.22 ต่อนาทีเสียงที่สร้าง รวมโคลนทันที คิดเป็นวินาที ไม่มีขั้นต่ำ
เข้าคอนโซลด้วย Google หรือ GitHub หรือออกคีย์ API อายุยาวสำหรับทราฟฟิกเซิร์ฟเวอร์ แฮชด้วย Argon2 ผูกกับบัญชี เพิกถอนได้ทุกเมื่อ
คิวทนทานพร้อมยืนยันชัดเจนและคีย์ idempotency การแทรกงานไม่ทำให้งานหายหรือถูกคิดเงินซ้ำ — บัญชีแยกประเภทคือแหล่งความจริง
คลาวด์ ในองค์กร หรือบนอุปกรณ์ — โมเดลชุดเดียวกัน
เริ่มที่ API แบบจัดการให้ ย้ายไปโครงสร้างพื้นฐานของคุณเมื่อการกำกับดูแลต้องการ หรือรันที่ edge ด้วย SDK โอเพนซอร์ส โมเดลย้ายตามคุณไป
จัดการให้และคิดตามวินาทีเสียง เข้าสู่ระบบ รับคีย์ แล้วเรียก endpoint — ไม่ต้องโฮสต์อะไร ที่คุณดูอยู่นี่แหละ
รันทั้งสแต็กในเครือข่ายของคุณ เสียงและบทถอดความไม่ออกนอกโครงสร้างพื้นฐาน — สำหรับงานกำกับดูแล ระบบปิด และข้อกำหนดถิ่นข้อมูล พร้อม SLA เฉพาะและจูนโมเดลรายลูกค้า
พาเสียงไปที่ edge ด้วย SDK โอเพนซอร์ส — speech-swift สำหรับ Apple, speech-core สำหรับ Linux / Windows / macOS / Android — พร้อมปรับโมเดลให้เข้ากับฮาร์ดแวร์ ไม่มีไป-กลับเครือข่าย
เรียกครั้งเดียวถอดความ — อีกครั้งเดียวพูด
หลังเข้าสู่ระบบคุณจะมียอดเริ่มต้นและคีย์ API หนึ่งชุด ถอดความคืออัปโหลด HTTP ส่วนสังเคราะห์คืนเสียงที่ส่งเข้าลำโพงได้ทันที
# 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.wavใช้ OpenAI SDK อยู่แล้ว? เปลี่ยน base URL แล้วโค้ดเดิมทำงานได้เลย:
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")ราคาง่าย คิดเป็นวินาที
โมเดลเดียวกัน API เดียวกัน — ฟรี
คลาวด์คือความสะดวก หากต้องการควบคุมเต็มที่ หน่วงต่ำบนอุปกรณ์ หรือต้นทุนต่อนาทีเป็นศูนย์ ให้รันไลบรารีโอเพนซอร์สบนฮาร์ดแวร์ของคุณ Apache 2.0 ไม่มีอะไรออกจากเครื่องคุณ
โมเดลถอดความ แยกผู้พูด และสังเคราะห์ชุดเดียวกัน แพ็กสำหรับแพลตฟอร์ม Apple พร้อมการปรับบนอุปกรณ์ Swift API ติดตั้งผ่าน Homebrew, Apache 2.0
เอนจิน C++ ข้ามแพลตฟอร์มสำหรับ Linux, Windows, macOS และ Android — ถอดความ แยกผู้พูด ระบุผู้พูด และสตรีมเรียลไทม์บน CPU, Apache 2.0
