soniox

name

soniox

description

Speech-to-Text và Text-to-Speech cho FILE AUDIO BẤT KỲ qua Soniox, dùng CLI `soniox`. Kích hoạt khi cần: phiên âm / bóc băng / chuyển audio thành text ("transcribe", "phiên âm", "bóc băng", "audio thành text", "tạo phụ đề", "chuyển ghi âm thành chữ"); tách người nói (diarization); dịch nội dung audio sang ngôn ngữ khác; sinh giọng nói / đọc văn bản thành tiếng ("text to speech", "TTS", "đọc thành giọng nói", "tạo file audio từ text"); clone giọng nói (voice cloning); hoặc khi nhắc thẳng "soniox". KHÁC youtube-transcript (chỉ lấy phụ đề có sẵn của YouTube) — skill này xử lý FILE audio/URL bất kỳ bằng mô hình STT/TTS của Soniox. KHÔNG dùng cho realtime streaming micro.

Soniox CLI

CLI soniox bọc Soniox SDK cho STT / TTS / Files / Voice cloning. Chạy local, xử lý file audio local trực tiếp.

Thiết lập (làm 1 lần)

soniox auth check

• Nếu lệnh soniox không tồn tại: cài từ repo — cd <repo soniox-cli> && uv tool install . (repo thường ở ~/Desktop/PERSONAL/soniox-mcp). Sau khi sửa code: uv tool install . --reinstall --no-cache.
• Nếu báo thiếu key: cần export SONIOX_API_KEY=<key> (lấy tại https://console.soniox.com).

Bảng lệnh

Lệnh	Việc
soniox stt transcribe <file|url>	Phiên âm. Mặc định chờ xong + in text + tự dọn khỏi Soniox
soniox stt transcribe <x> --no-wait	Trả id ngay (job dài); poll sau
soniox stt get|transcript|list|delete <id>	Quản lý transcription
soniox files upload|list|get|delete	File audio đã upload
soniox tts generate "<text>" -o out.wav	Text → file audio
soniox voices list|create|delete	Voice cloning
soniox models [--tts] · usage · auth check	Metadata

Thêm --json vào bất kỳ lệnh nào để lấy JSON đầy đủ (token-level: timestamp, speaker, confidence, language).

Ví dụ hay dùng

# Phiên âm file local, lấy text (tự xóa khỏi Soniox sau khi xong)
soniox stt transcribe ghiam.mp3

# Tách người nói + gợi ý ngôn ngữ (kết quả in theo "Speaker 1: ...")
soniox stt transcribe hop.mp3 --diarize --language-hints vi,en

# Dịch audio sang tiếng Việt (in xen kẽ gốc và "→ vi: ...")
soniox stt transcribe english.mp3 --translate vi
# Dịch hai chiều
soniox stt transcribe call.mp3 --translate two-way:en,vi

# Job dài: không chờ
id=$(soniox stt transcribe long.mp3 --no-wait --json | jq -r .id)
soniox stt transcript "$id"          # khi status=completed

# Text-to-Speech
soniox tts generate "Xin chào" -o hello.mp3 --language vi --speed 1.1
echo "Đoạn dài..." | soniox tts generate -o out.wav --language vi   # đọc từ stdin

# Voice cloning: tạo giọng từ clip mẫu rồi dùng khi generate
soniox voices create mau.wav --name giong_toi
soniox tts generate "Thử giọng" -o thu.mp3 --voice <voice_id> --language vi

Lưu ý quan trọng

• Auto-destroy: transcribe mặc định xóa file + transcription khỏi Soniox sau khi lấy text (tránh đầy quota). Dùng --keep nếu cần get/transcript lại sau.
• Đầu vào STT: đường dẫn file local, URL công khai, hoặc --file-id (file đã upload). SDK tự upload file local.
• TTS: bắt buộc -o <file>; định dạng suy từ đuôi file (.wav, .mp3, .flac, .opus, .aac). --speed 0.7–1.3.
• Tham số hiếm: STT dùng --config-json '{...}', TTS cũng có --config-json.
• Lỗi: ra stderr, exit code ≠ 0. Đọc thông báo (kèm request_id) để chẩn đoán.

Khi cần chi tiết vượt CLI

Danh sách ngôn ngữ hỗ trợ, giải thích tham số, giới hạn quota... → WebFetch docs Soniox: https://soniox.com/docs/stt/concepts/supported-languages, https://soniox.com/docs/sdk/python-SDK, https://soniox.com/docs/api-reference. Dữ liệu động (model, voice) lấy thẳng: soniox models, soniox voices list.