HuggingFace 开源的语音 agent 工具链，本地 STT→LLM→TTS 全流程
HuggingFace 官方开源项目（Apache-2.0），用开源模型在本地搭语音对话 agent，仓库标语 "Build voice agents with open-source models"。提供 Apple Silicon 与 NVIDIA GPU 两种全本地配置，语音识别、推理、合成都在本机运行， 对话数据不出机器；也可本地语音搭配托管 LLM，仅转写文本、指令与对话历史 发给 provider，麦克风音频与语音合成留在本地。默认组件为本地 Parakeet TDT 识别与 Qwen3-TTS 合成，STT、LLM、TTS 均可更换；本地语音服务兼容 OpenAI Realtime API，已用官方 OpenAI Agents SDK 测试连通。pip install speech-to-speech 安装（Python 3.10+），支持缓存模型与依赖后离线运行； GitHub 13.4k stars，最新 release v1.0.0（2026-10-05）。
暂无相关文章。
