Soniqosoniqo
오픈소스 · Apache 2.0 · 완전 오프라인

온디바이스 음성.
진짜 제품을 위해.

화자 분리 전사, 제로샷 음성 클로닝, 장문 음성 합성 —— Apple Silicon, Android, Windows, 임베디드 Linux에서 동작. 클라우드 API 없음, 분당 과금 없음, 데이터가 기기 밖으로 나가지 않음.

시작하기 GitHub
Apple · Homebrew
brew install speech
Android · Gradle
implementation("audio.soniqo:speech:0.0.9")
최신 글과 영상
모든 글
YouTube · 90초

완전 오프라인 음성 에이전트를 Android의 1.2 GB에 담았습니다

말하면 Android가 실행합니다: 음성에서 실제 기기 동작, 음성 응답까지의 전체 명령 루프가 폰 한 대, RAM 1.2 GB에서 동작 — Silero VAD, Parakeet STT, FunctionGemma 툴 콜, Pocket TTS.

시청
YouTube · 4분

MacBook의 로컬 음성 AI — 4분 라이브러리 투어

4분 오픈소스 라이브러리 투어: Nemotron Streaming 실시간 전사, PersonaPlex 로컬 음성 대화, VoxCPM2 48 kHz 클로닝 — 전부 노트북에서 실행.

시청
2026년 7월 7일 · Soniqo 블로그

음성 에이전트를 기기에서 실행하기: 하나의 파이프라인, 세 가지 메모리 예산

폰과 Mac에서 VAD → STT → LLM → TTS · iPhone 약 1.2 GB · S23 약 1.5 GB · 데스크톱 <4 GB

동일한 VAD → STT → LLM → TTS 에이전트 파이프라인을 iPhone·Galaxy S23·Mac에서 실행하고 예산별 실측 메모리를 제시.

읽기
2026년 7월 2일 · Soniqo 블로그

음성 클로닝 모델을 다섯 언어에서 실측

8개 엔진: 코사인·WER·UTMOS·RTF·피크 RSS · 신규 행: F5-TTS, Higgs TTS 3, IndexTTS2 · 언어별 참조·클론 오디오 비교 청취

언어당 10쌍의 FLEURS 참조/타깃: 화자 유사도, WER/CER, UTMOS, 속도, 메모리 — 귀로 확인할 오디오 포함.

읽기
무엇을 만들 수 있나요

세 가지 온디바이스 사용 사례 그룹.

각 그룹은 Soniqo 컴포넌트로 엮은 여러 하위 사용 사례를 다룹니다. 오디오를 넣으면 대화·전사·생성된 음성이 로컬에서 실시간으로 돌아옵니다.

대화형

음성 에이전트

음성 우선 인터페이스를 만드세요 — 풀듀플렉스 음성-음성 대화부터 웨이크 워드 기반 컴포저블 파이프라인까지 모두 로컬에서 실행.

Learn more
오디오 이해

전사

오디오를 구조화된 텍스트로 — 실시간 자막과 받아쓰기를 위한 스트리밍, 보관용 고정확도 배치, 화자 분리로 각 화자에게 이름 부여.

Learn more
콘텐츠 제작

음성 합성

어떤 목소리로든 음성 합성 — 수 초 만에 목소리를 클로닝, 오디오북을 몇 시간씩 내레이션, 다화자 팟캐스트 캐스팅까지 모두 오프라인.

Learn more
모든 컴포넌트

30개 이상의 모델. 하나의 스택.

위 유스케이스 파이프라인은 모두 이 모델들로 구성됩니다. 컴포넌트를 골라 아키텍처·CLI·Swift API·벤치마크를 확인하세요. 전부 Apple Silicon에서 동작하고 대부분 Android·Linux에서도 동작합니다.

텍스트 → 음성

CosyVoice 3

9 langs, zero-shot cloning, bf16 / 8-bit

MLX
ONNX
Qwen3-TTS

12 Hz codec LM, faster than real-time

MLX
CoreML
VoxCPM2

48 kHz, 30 langs, voice design + cloning

MLX
ONNX
LiteRT
IndexTTS2

Zero-shot cloning, emotion + tempo controls, RTF 1.0

MLX
Supertonic-3

99M, 31 langs, 44.1 kHz

CoreML
LiteRT
Chatterbox Flash

CoreML voice cloning, TTFT 0.27s, RTF 0.59

CoreML
MLX
LiteRT
OmniVoice

600+ langs, NAR diffusion cloning

MLX
Indic-Mio

Hindi emotion TTS + raw reference cloning

MLX
Fish Audio S2 Pro

Style markers + zero-shot cloning

MLX
F5-TTS

Zero-shot cloning in 16 flow steps, RTF 0.57

MLX
Higgs TTS 3

4B conversational cloning, emotion tags, RTF 0.78

MLX
Kokoro 82M

54 voices, iOS-ready, 10 langs

CoreML
ONNX
Pocket TTS 100M

English, ~130 ms streaming TTFA

ONNX
VibeVoice

90-min podcasts / audiobooks

MLX
Magpie 357M

9 langs, 5 baked voices, streaming

MLX
Voice Cloning Suite

IndexTTS2, CosyVoice, Chatterbox Flash, Qwen3-TTS ICL

CoreML
MLX