PROJECT · HUGGINGFACE/SPEECH-TO-SPEECH
低延迟全模块化语音Agent管道 · 7.9K Stars · VAD→STT→LLM→TTS · OpenAI Realtime兼容
huggingface/speech-to-speech是低延迟、全模块化的语音Agent管道，7.9K Stars。管道流程：VAD → STT → LLM → TTS，通过OpenAI Realtime兼容WebSocket API暴露。每个组件可替换，LLM槽支持OpenAI兼容协议(可指向HF Inference、vLLM、llama.cpp实现全本地栈)。已在数千台Reachy Mini机器人上生产运行。