Soniqo Speech

构建一个全面的设备端语音代理，包含以下功能：自动语音识别（ASR，使用NVIDIA的Nemotron，支持多语言和实时流式处理）、文本转语音（TTS）、语音克隆、说话者分离、降噪，以及全双工语音转语音（使用NVIDIA的PersonaPlex）。此外，还有一个语音代理管道，支持轮流发言、打断和排队。可以在Mac、Windows、Linux和移动设备（iPhone和Android）上运行，并进行了NPU优化（支持CoreML和NNAPI）。提供Swift、Kotlin和C++的API。同时，还有Speech Studio，一个为创作者设计的桌面语音克隆应用。遵循Apache 2.0协议，完全在设备端运行。