Agents vocaux natifs open source
La bibliothèque parole-parole développée par Hugging Face permet de créer des agents vocaux locaux à l'aide de modèles open source. Cet outil basé sur Python permet aux développeurs de créer des systèmes d'interaction vocale en temps réel qui s'exécutent sur l'appareil.
Mises à jour
- 6 août 2026: Étoiles 10,774 → 11,283, dernière version v0.2.12 (5 août 2026).
- 4 août 2026: Étoiles 10,402 → 10,774, dernière version v0.2.11 (3 août 2026).
- 2 août 2026: Étoiles 7,443 → 10,402, dernière version v0.2.10 (11 juin 2026).
Mise à jour
- 6 août 2026 : Star 10 774 → 11 283, dernière version v0.2.12 (5 août 2026).
- 4 août 2026 : Star 10 402 → 10 774, dernière version v0.2.11 (3 août 2026).
- 2 août 2026 : Étoile 7 443 → 10 402, dernière version v0.2.10 (11 juin 2026).
Ce que ça vous apporte
- Ligne audio modulaire à faible latence
- Prise en charge de WebSocket compatible avec OpenAI Realtime
- Possibilité de travailler localement sur différents matériels
Installation
pip install speech-to-speechgit clone https://github.com/huggingface/speech-to-speech.git
cd speech-to-speech
uv syncExécution
pip install speech-to-speech
export OPENAI_API_KEY=...
speech-to-speechpython scripts/listen_and_play_realtime.py --host 127.0.0.1 --port 8765Si vous ne codez pas
Je souhaite configurer mon propre agent vocal local à l'aide de cet outil. Quelles sont les étapes de base que je dois suivre pour créer un pipeline audio à faible latence à l'aide des composants VAD, STT, LLM et TTS ? Avec quelle commande puis-je mettre le serveur en marche et me connecter à un client compatible OpenAI Realtime ?
Termes liés du glossaire
Liens
TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-07-29 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel.