开源推荐 morning

GitHub 热门项目：语音转语音

摘要

GitHub项目：speech-to-speech 仓库地址：https://github。

https approach com huggingface github

2026-05-26 1 阅读 GitHub Trending

# Speech To Speech：使用开源模型构建本地语音代理 ## ? 快速索引 * [方法](#approach) - [结构](#结构) - [模块化](#模块化) * [设置](#设置) * [用法](#用法) - [实时方法](#realtime-approach) - [服务器/客户端方法](#serverclient-approach) - [WebSocket 方法](#websocket-approach) - [本地方法](#local-approach-running-on-mac) - [法学硕士后端](#llm-backend) - [实时模式](#realtime-mode) - [Docker 服务器方法](#docker-server) * [命令行用法](#command-line-usage) - [模型参数](#model-parameters) - [生成参数](# Generation-parameters) - [值得注意的参数](#notable-parameters) ## 方法 ### 结构 该存储库实现了一个语音到语音级联管道，由以下部分组成： 1. **语音活动检测 (VAD)** 2. **语音转文本 (STT)** 3. **语言模型（LM）** 4. **文本转语音 (TTS)** ### 模块化 该管道提供了完全开放的模块化方法，重点是利用 Hugging Face 中心上的 Transformers 库提供的模型。该代码旨在轻松修改，并且我们已经支持特定于设备和外部库的实现： **VAD** - [Silero VAD v5](https://github.com/snakers4/silero-vad) **STT** - 通过 Transformers ? 在 Hugging Face Hub 上的任何 [Whisper](https://huggingface.co/docs/transformers/en/model_doc/whisper) 模型检查点，包括 [whisper-large-v3](https://huggingface.co/openai/whisper-large-v3) 和 [distil-large-v3](https://huggingface.co/distil-whisper/distil-large-v3) - [闪电耳语 MLX](https://github.com/mustafaaljadery/lightning-whisper-mlx?tab=readme-ov-file#lightning-whisper-mlx) - [MLX Audio Whisper](https://github.com/huggingface/mlx-audio) - Apple Silicon 上的快速 Whisper 推理 - [Parakeet TDT](https://huggingface.co/nvidia/parakeet-tdt-1.1b) - Apple Silicon 上延迟低于 100 毫秒的实时流式 STT（通过 nano-parakeet 的 CUDA/CPU，无 NeMo） - [Paraformer - FunASR](https://github.com/modelscope/FunASR) **法学硕士** - 通过 Transformers 在 [Hugging Face Hub](https://huggingface.co/models?pipeline_tag=text- Generation&sort=trending) 上任何遵循指令的模型 ? - [mlx-lm](https://github.com/ml-explore/mlx-examples/blob/main/llms/README.md) - [OpenAI API](https://platform.openai.com/docs/quickstart) **语音合成** - [ChatTTS](https://github.com/2noise/ChatTTS?tab=readme-ov-file) - [Pocket TTS](https://github.com/kyutai-labs/pocket-tts) - 来自 Kyutai Labs 的带语音克隆的流式 TTS - [Kokoro-82M](https://huggingface.co/hexgrad/Kokoro-82M) - 针对 Apple Silicon 优化的快速、高质量 TTS - [Qwen3-TTS](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice) ## 设置 从 PyPI 安装默认包： ````bash pip 安装语音转语音 ````