Soniqo Cloud · แพลตฟอร์ม AI เสียงพูด

เสียงเข้า เสียงออก
API เดียวสำหรับเสียง

ถอดความพร้อมป้ายผู้พูด สร้างเสียงพูดธรรมชาติ และโคลนเสียง — ทั้งหมดหลัง API เดียวที่เข้ากันได้กับ OpenAI และ ElevenLabs สร้างเพื่อเอเจนต์เสียงและครีเอเตอร์ รันในคลาวด์ของเรา บนเซิร์ฟเวอร์ของคุณ หรือบนอุปกรณ์

เครดิตฟรี $10/เดือน · ถอดความ $0.24/ชม. · สังเคราะห์ $0.22/นาที · หรือใช้ไลบรารี OSS ฟรี

เอกสารอ้างอิง API และคู่มืออยู่ในภาษาอังกฤษ

สองความสามารถ หนึ่ง API

เข้าใจเสียงพูด — และสร้างมันขึ้นมา

Steno เปลี่ยนเสียงเป็นบทถอดความระบุผู้พูด Vox เปลี่ยนข้อความเป็นเสียงธรรมชาติ — เสียงสำเร็จรูปหรือโคลนของคุณเอง คีย์เดียว บิลเดียว endpoint เดียว

Soniqo Steno
ถอดความ

เสียงเป็นข้อความพร้อมแยกผู้พูด ระบุผู้พูด และประทับเวลารายคำ โมเดลที่จูนแล้วครอบคลุม 25+ ภาษาและสำเนียงท้องถิ่น — คำต่อคำ ตรวจภาษาอัตโนมัติหรือระบุเอง

Soniqo Vox
สังเคราะห์เสียงและโคลนเสียง

ข้อความเป็นเสียงธรรมชาติ ส่งเป็นไฟล์สมบูรณ์หรือสตรีมหน่วงต่ำสำหรับงานสด ใช้เสียงสำเร็จรูป หรือโคลนเสียงคุณจากคลิปอ้างอิงสั้น ๆ และใช้ซ้ำได้ทุกครั้ง แทนที่ API เสียงของ OpenAI และ ElevenLabs ได้ทันที

คุณเรียกโมเดลด้วยชื่อ Soniqo ส่วนที่รันอยู่ข้างใต้เราปรับปรุงต่อเนื่อง — โดยคุณไม่ต้องแก้แม้บรรทัดเดียว

เอเจนต์เสียง

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

มีอะไรให้บ้าง

ทุกอย่างที่ต้องใช้ส่งมอบฟีเจอร์เสียง

แยกผู้พูด ครอบคลุมสำเนียง เข้ากันได้แบบเสียบใช้ และโมเดลคิดเงินที่รวมทุกอย่าง — ทั้งถอดความ สังเคราะห์ และโคลน

ผู้พูดถูกระบุ

ทุกถ้อยคำกลับมาพร้อมป้ายผู้พูด ลงทะเบียนโปรไฟล์ครั้งเดียว ได้ตัวตนมีชื่อที่คงที่ทั้งในประชุม สัมภาษณ์ และบันทึกสาย

ภาษาและสำเนียง

25+ ภาษาพร้อมสำเนียงท้องถิ่นในโมเดลหลัก บวกโมเดลหางยาวครอบคลุม 1,600+ ภาษา (ฮินดี อาหรับ อินโดนีเซีย เวียดนาม ฯลฯ) ตรวจอัตโนมัติหรือกำหนดเอง

เข้ากันได้กับ OpenAI และ ElevenLabs

โค้ดที่เขียนกับ API เสียง OpenAI หรือ ElevenLabs ใช้กับ Soniqo ได้ด้วยการแก้บรรทัดเดียว — base URL ส่งคีย์แบบ Bearer หรือ X-Api-Key ไม่ต้องเขียนไคลเอนต์ใหม่ ไม่ต้องย้าย SDK

จ่ายตามวินาทีเสียง

ถอดความ $0.24 ต่อชั่วโมงเสียง — รวมเสียงเป็นข้อความ แยกและระบุผู้พูด สังเคราะห์ $0.22 ต่อนาทีเสียงที่สร้าง รวมโคลนทันที คิดเป็นวินาที ไม่มีขั้นต่ำ

คีย์ API + OAuth

เข้าคอนโซลด้วย Google หรือ GitHub หรือออกคีย์ API อายุยาวสำหรับทราฟฟิกเซิร์ฟเวอร์ แฮชด้วย Argon2 ผูกกับบัญชี เพิกถอนได้ทุกเมื่อ

งานแบบ at-least-once

คิวทนทานพร้อมยืนยันชัดเจนและคีย์ idempotency การแทรกงานไม่ทำให้งานหายหรือถูกคิดเงินซ้ำ — บัญชีแยกประเภทคือแหล่งความจริง

ดีพลอยได้ทุกที่

คลาวด์ ในองค์กร หรือบนอุปกรณ์ — โมเดลชุดเดียวกัน

เริ่มที่ API แบบจัดการให้ ย้ายไปโครงสร้างพื้นฐานของคุณเมื่อการกำกับดูแลต้องการ หรือรันที่ edge ด้วย SDK โอเพนซอร์ส โมเดลย้ายตามคุณไป

API คลาวด์

จัดการให้และคิดตามวินาทีเสียง เข้าสู่ระบบ รับคีย์ แล้วเรียก endpoint — ไม่ต้องโฮสต์อะไร ที่คุณดูอยู่นี่แหละ

ในองค์กร (on-premise)

รันทั้งสแต็กในเครือข่ายของคุณ เสียงและบทถอดความไม่ออกนอกโครงสร้างพื้นฐาน — สำหรับงานกำกับดูแล ระบบปิด และข้อกำหนดถิ่นข้อมูล พร้อม SLA เฉพาะและจูนโมเดลรายลูกค้า

SDK บนอุปกรณ์

พาเสียงไปที่ edge ด้วย SDK โอเพนซอร์ส — speech-swift สำหรับ Apple, speech-core สำหรับ Linux / Windows / macOS / Android — พร้อมปรับโมเดลให้เข้ากับฮาร์ดแวร์ ไม่มีไป-กลับเครือข่าย

เริ่มต้นอย่างเร็ว

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.wav

ใช้ 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")
ราคา

ราคาง่าย คิดเป็นวินาที

ฟรี
$10
เครดิตฟรีทุกเดือน พอสำหรับประเมินโดยไม่ต้องจ่าย — เริ่มได้โดยไม่ต้องใช้บัตร
Steno · ถอดความ
$0.24 / ชั่วโมงเสียง
เสียงเป็นข้อความพร้อมแยกผู้พูด ระบุผู้พูด และสำเนียง — รวมมาให้ ไม่มีส่วนเสริม คิดเป็นวินาที ไม่มีขั้นต่ำ
Vox · สังเคราะห์
$0.22 / นาที
ข้อความเป็นเสียงพร้อมโคลนทันทีรวมอยู่ ต่อหนึ่งนาทีเสียงที่สร้าง คิดเป็นวินาที ไม่มีขั้นต่ำ
องค์กร
กำหนดเอง
ราคาตามปริมาณ ติดตั้งในองค์กร SLA เฉพาะ จูนโมเดลรายลูกค้า ติดต่อเรา.
หรือรันเองก็ได้

โมเดลเดียวกัน API เดียวกัน — ฟรี

คลาวด์คือความสะดวก หากต้องการควบคุมเต็มที่ หน่วงต่ำบนอุปกรณ์ หรือต้นทุนต่อนาทีเป็นศูนย์ ให้รันไลบรารีโอเพนซอร์สบนฮาร์ดแวร์ของคุณ Apache 2.0 ไม่มีอะไรออกจากเครื่องคุณ

speech-swift

โมเดลถอดความ แยกผู้พูด และสังเคราะห์ชุดเดียวกัน แพ็กสำหรับแพลตฟอร์ม Apple พร้อมการปรับบนอุปกรณ์ Swift API ติดตั้งผ่าน Homebrew, Apache 2.0

speech-core

เอนจิน C++ ข้ามแพลตฟอร์มสำหรับ Linux, Windows, macOS และ Android — ถอดความ แยกผู้พูด ระบุผู้พูด และสตรีมเรียลไทม์บน CPU, Apache 2.0