理解语音,也生成语音。
Steno 把音频变成带说话人归属的文字稿;Vox 把文本变成自然语音 — 预置音色或你自己的克隆音色。同一个密钥、同一份账单、同一个端点。
语音转文字,含说话人分离、说话人识别与词级时间戳。我们调优的模型覆盖 25+ 种语言及其地区方言,逐词输出。语言可自动检测,也可显式指定。
自然的文本转语音,可返回完整文件,也可低延迟流式输出用于实时场景。使用预置音色,或用一小段参考音频克隆自己的声音并在每次调用中复用。可直接替换 OpenAI 与 ElevenLabs 音频 API。
你按 Soniqo 名称调用各个模型;底层实现我们持续升级,你无需改一行代码。
把 Soniqo 接进你的代理栈。
Steno 与 Vox 讲 OpenAI 和 ElevenLabs 的音频 API 协议 — LiveKit 之类的代理框架只需指向我们的 base URL 即可工作。无需自定义插件,按代理运行时期望的速率流式输出 PCM。
# 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
)任何已经使用 OpenAI 或 ElevenLabs 音频 API 的技术栈都同样适用 — 换个 base URL,代码不动。
交付语音功能所需的一切。
说话人分离、方言覆盖、即插即用的兼容性,以及把这一切打包的计费模型 — 覆盖转写、合成与克隆。
每句话都带说话人标签返回。注册一次说话人档案,即可在会议、访谈与通话录音中获得稳定的具名身份。
核心模型覆盖 25+ 种语言及地区方言,另有覆盖 1,600+ 种语言的长尾模型(印地语、阿拉伯语、印尼语、越南语等)。自动检测或显式指定。
针对 OpenAI 或 ElevenLabs 音频 API 写的代码,改一行 base URL 即可对接 Soniqo。密钥以 Bearer 或 X-Api-Key 传递。无需重写客户端,无需迁移 SDK。
转写 $0.24/音频小时 — 语音转文字、说话人分离与识别打包在内。合成 $0.22/分钟生成音频,即时声音克隆包含在内。按秒计费,无最低消费。
控制台用 Google 或 GitHub 登录,服务器间调用生成长期 API 密钥。Argon2 哈希、限定到账户、可随时吊销。
带显式确认与幂等键的持久队列。抢占不会丢失或重复计费任务 — 账本是唯一事实来源。
云端、私有化或设备端 — 同一批模型。
从托管 API 开始;合规需要时迁移到自己的基础设施;或用开源 SDK 跑在边缘端。模型随你迁移。
托管运行,按音频秒计量。登录、拿密钥、调用端点 — 无需自建。你现在看到的就是它。
整套栈运行在你自己的网络内。音频与文字稿不出你的基础设施 — 面向监管、隔离网络与数据驻留需求。定制 SLA 与按客户的模型调优。
用我们的开源 SDK 把语音跑在边缘 — Apple 平台用 speech-swift,Linux / Windows / macOS / Android 用 speech-core — 并有针对硬件调优的模型适配。零网络往返。
一次调用转写,一次调用合成。
登录后你会得到初始余额和一个 API 密钥。转写是一次 HTTP 上传;合成返回可直接送往扬声器的音频。
# 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已在用 OpenAI SDK?改 base URL,现有代码直接工作:
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")简单的按秒计费。
同样的模型,同样的 API — 免费。
云端图省事。想要完全掌控、设备端延迟或零按分钟成本,就在自己的硬件上跑开源库。Apache 2.0,数据不出你的机器。
同样的转写、说话人分离与语音合成模型,为 Apple 平台打包,含设备端模型适配。Swift API,Homebrew 安装,Apache 2.0。
跨平台 C++ 引擎,支持 Linux、Windows、macOS 与 Android — 转写、说话人分离与识别、CPU 上的实时流式。Apache 2.0。