Soniqo Speech

Soniqo Speech 是一款面向开发者的全栈式端侧语音 AI 工具包，提供从语音识别到语音合成的完整能力，并支持在 Mac、Windows、Linux 及 Android 设备上离线运行。它整合了 NVIDIA Nemotron 多语言流式 ASR、TTS、语音克隆、说话人分离、降噪以及全双工语音对话（NVIDIA PersonaPlex）等核心模块，同时内置了处理轮次交替、打断和排队等复杂交互的语音代理管道。

核心功能

Soniqo Speech 的核心在于将语音 AI 的全部流程压缩到设备本地，无需联网即可实现高精度的语音交互。其 ASR 引擎支持多语言流式识别，延迟极低；TTS 和语音克隆功能可生成自然逼真的合成语音；说话人分离和降噪模块则能有效处理多人对话和嘈杂环境。此外，全双工语音对话能力让 AI 能够像人类一样自然地进行实时交流。

主要特性

• 全离线运行：所有推理在本地完成，保障数据隐私，无网络延迟。
• 多平台支持：覆盖 Mac、Windows、Linux 及移动端（iPhone + Android），并针对 NPU 优化（CoreML、NNAPI）。
• 丰富的 API：提供 Swift、Kotlin 和 C++ 接口，方便集成到不同技术栈的应用中。
• 语音克隆工作室：附带 Speech Studio 桌面应用，创作者可轻松克隆和定制语音。
• 开源友好：采用 Apache 2.0 许可证，允许商业使用和二次开发。

适用场景

Soniqo Speech 适用于需要本地语音处理的各类应用，如智能语音助手、无障碍工具、车载系统、游戏语音交互、内容创作（播客、有声书）以及隐私敏感的企业级语音方案。对于开发者而言，它提供了快速构建语音代理的完整管道，大幅降低开发门槛。