HuggingFace发布开源语音智能体流水线speech-to-speech，完全模块化，支持本地运行，无需API密钥。它通过Silero VAD、Parakeet TDT、Gemma 4和Qwen3-TTS等组件实现语音检测、转写、生成和合成，提供与OpenAI Realtime兼容的WebSocket API，可无缝替换，支持多语言和多种运行模式。