speech-to-speech

收录理由

如果你想要一个不依赖云端、能真正跑起来的语音助手，这个项目给出的是一条完整的对话服务链路，而不是一堆需要自己拼装的语音模型。它把语音活动检测、语音转文字、大语言模型和文字转语音按队列串起来，每个环节都能在命令行里随时替换，你可以先用托管推理起步，之后再把语言模型换到本地 vLLM 或 llama.cpp 上，其余部分不用动。对外提供 OpenAI Realtime 兼容的 WebSocket 接口，已经对接过该协议的应用几乎不用改代码就能切换过来。这套管线已经在真实消费级机器人上支撑着数千台设备，说明它在实际的人机轮换和延迟压力下经得起考验，而不只是演示脚本能跑通。