Hugging Face 开源实时语音到语音对话管线
anselm · x · 2026-07-28
Hugging Face 开源了 Speech to Speech，一套可以在本地 GPU 上运行的模块化实时语音对话管线。
- 整体流程是 VAD → STT → LLM → TTS，并提供 兼容 OpenAI Realtime 的 WebSocket API。
- 各组件都可替换：LLM 既可以接托管服务，也可以接 HF Inference Providers，或者本地的 vLLM / llama.cpp。
- 这个项目的目标，是把实时语音链路里常见的延迟和计费复杂度降下来，减少对 OpenAI Realtime、ElevenLabs、Google Cloud 这类封闭方案的依赖。
- 配图还显示，它已经作为 Reachy Mini 机器人 的对话后端投入生产。
「编程与Agent」频道最新
- Vibe coding 先像玩具，后来却能做出真实应用 — alexmacgregor__ · 2026-07-28
- 抛弃视觉盲读，新框架让 Agent 成本降 9 倍 — _akhaliq · 2026-07-28
- 把《孙子兵法》做成 AI 决策 Skill 并开源 — yangyi · 2026-07-28
- AI 代理代你用非商用软件，责任算谁的 — gabepgomes · 2026-07-28
- 作者称语音或将取代键盘，成为管理 agents 的主界面 — noahsolomon · 2026-07-28
- 有用户称：定制脚本往往比等 MCP 变好更有效 — DavidWells · 2026-07-28