huggingface/speech-to-speech

低延遲模組化語音代理管線，使用開源模型實現 VAD→STT→LLM→TTS，相容 OpenAI Realtime API。 Build local voice agents with open-source models

Python 12k 1.5k

aiassistantlanguage-modelmachine-learningpythonspeechspeech-synthesisspeech-to-textspeech-translation

AI 分析 AI analysis

AI 閱讀專案 README 後撰寫的導讀。 Written by AI after reading the project README.

這個專案提供一個低延遲的語音代理管線，由 VAD、語音轉文字、LLM 和文字轉語音四個模組串接而成，並暴露與 OpenAI Realtime API 相容的 WebSocket 介面。每個元件都可抽換，LLM 可接雲端或本地開源模型，適合想自建全端語音助理或機器人對話後端的開發者。初學者只要會 pip install 就能跑起來，但要深入抽換元件或調校延遲就需要一些系統整合經驗。

AI 推薦理由 Why AI picked it

92 AI AI 2026-08-09

模組化設計，所有元件可自由替換，並支援離線與本機 LLM（如 llama.cpp）。已用於數千台機器人的生產環境，文件涵蓋快速開始、後端選項與多語言支援，上手明確。 Modular pipeline with swappable components, supports offline and local LLMs (e.g., llama.cpp), and runs in production on thousands of robots. Documentation covers quickstart, backend options, and multi-language setup.

上榜紀錄 Trending history

最佳名次 #1 Best rank #1 上榜 16 天 16 days listed 首次上榜 2026-07-11 First seen 2026-07-11