开源 · Apache 2.0 · 完全离线

端侧语音。
面向真实产品。

说话人分离的转录、零样本声音克隆、长篇语音合成 —— 在 Apple Silicon、Android 和嵌入式 Linux 上运行。无云端 API、无按分钟计费、数据从不离开设备。

Apple · Homebrew

brew install soniqo/tap/speech

Android · Gradle

implementation("audio.soniqo:speech:0.0.5")

观看

在 MacBook 上运行的本地语音 AI

四分钟开源库导览:Nemotron Streaming 实时转录、PersonaPlex 本地语音对话,以及 VoxCPM2 48 kHz 语音克隆 —— 所有演示都在本地笔记本上运行。

你能构建什么

每个分组都涵盖多个由 Soniqo 组件拼接而成的子场景。投入音频，即可在本地、实时获得对话、转录或合成语音。

构建以语音为先的界面 —— 从全双工语音对语音，到由唤醒词驱动的可组合流水线，全部本地运行。

把音频变成结构化文本 —— 实时流式输出实现直播字幕与听写、批量高精度模式处理归档，配合说话人分离为每位说话人命名。

用任意嗓音合成语音 —— 几秒钟克隆一个声音、连续讲述数小时的有声书，或制作多说话人播客，全部离线完成。

全部组件

上面的用例流水线全部由这些模型拼接而成。点击组件查看其架构、CLI、Swift API 与基准测试。全部支持 Apple Silicon，多数也支持 Android 与 Linux。

52 langs, RTF 0.06, 4-/8-bit