huggingface/speech-to-speech

Hugging Face 的 speech-to-speech 是模块化本地 voice-agent pipeline，组件包括 VAD、STT、LLM、TTS，并提供 OpenAI Realtime 兼容 WebSocket API。它把实时语音 agent 拆成可替换模块，方便开发者在本地组合不同模型。兼容 Realtime API 是一个实际工程点：现有客户端可以较低成本迁移或对比实现。