Hugging Face, 로컬 음성 에이전트 구축 도구 제공

Hugging Face가 새로운 로컬 음성 에이전트 구축 도구를 출시했습니다. 이 도구는 오픈소스 모델을 활용하여 로컬 환경에서도 음성 에이전트를 생성할 수 있도록 설계되었습니다. 특히, 이 도구는 VAD(음성 활성화 감지), STT(음성 인식), LLM(대형 언어 모델), TTS(텍스트 음성 변환)로 구성된 모듈형 파이프라인을 제공합니다. 각 구성 요소는 교체 가능하며, OpenAI Realtime과 호환되는 WebSocket API를 통해 노출됩니다.

이 파이프라인은 이미 수천 대의 Reachy Mini 로봇의 대화 백엔드로 사용되고 있습니다. 사용자는 `pip install speech-to-speech` 명령어를 통해 손쉽게 설치할 수 있으며, Parakeet TDT를 사용한 로컬 STT, OpenAI 호환 LLM, Qwen3-TTS를 통한 로컬 음성 출력이 가능합니다. 사용자는 자신의 하드웨어에서 완전히 로컬로 에이전트를 운영할 수 있으며, 이를 통해 데이터 보안을 강화할 수 있습니다.

또한, 이 도구는 다양한 백엔드를 지원하여 사용자에게 유연성을 제공합니다. 예를 들어, 사용자들은 Gemma 4와 같은 모델을 자신의 서버에서 운영할 수 있으며, OpenAI 호환 LLM 백엔드를 이를 가리키도록 설정할 수 있습니다. 이로 인해 사용자는 자신의 필요에 맞게 음성 에이전트를 최적화할 수 있습니다.