用途：Soniox 提供云端语音转文字（STT）与文字转语音（TTS）API，用于实时语音应用、语音智能体和录音转写。
主要能力：STT 实时接口走 WebSocket（wss://stt-rt.soniox.com/transcribe-websocket，模型 stt-rt-v4），支持逐 token 流式结果；STT 异步接口走 REST（https://api.soniox.com/v1/，模型 stt-async-v4），用于预录音频与批处理；TTS 实时接口走 WebSocket（wss://tts-rt.soniox.com/tts-websocket，模型 tts-rt-v1-preview）流式合成，另有 REST 版 POST https://tts-rt.soniox.com/tts。鉴权用 Authorization: Bearer <API_KEY> 头（WebSocket 可用 api_key 查询参数）。支持 60 多种语言、说话人分离（最多 15 人）、实时单向/双向翻译、自定义词汇上下文（context，上限 8000 tokens）和语义端点检测。
使用方式：实时接口发送 JSON 配置后用原始音频字节流传输，接收含 text、is_final、start_ms、end_ms 等字段的 JSON token；异步接口仅接受 JSON，音频来自公开 URL 或先上传文件获得 file_id，再创建转写任务并轮询状态至 completed。TTS 连接后发 start 配置与文本分片，接收 base64 音频帧。官方还提供 Python 语音机器人示例（soniox-voice-bot-demo，需 Python ≥3.13 和 uv，走原生 WebSocket，不依赖 Python SDK），管线为麦克风→STT→Silero VAD→OpenAI 兼容 LLM→TTS→扬声器，支持打断、工具调用与延迟指标。
适用场景：实时字幕、会议与医疗等专业转写、批量录音处理、低延迟语音对话和电话客服桥接（含 Twilio 子应用）。
限制：无原生 Swift SDK，macOS/iOS 需自行用 WebSocket 接入；限流为实时/异步各 100 请求每分钟，实时并发 10 连接、单会话最长 300 分钟，异步 100 个待处理任务、10GB/1000 文件存储、累计 2000 次转写；付费按量计费、无免费额度（STT 异步约 $0.10/小时、STT 实时约 $0.12/小时、TTS 实时约 $0.70/小时），美国、欧盟、日本提供区域端点。其他细节暂未提供。