AAITopic

← 返回今日选题

已核验 · Jul 6, 2026

HF + Cerebras 7/1 发布:用 Gemma 4 31B + Qwen3TTS + Parakeet 搭开源实时语音 AI

2 个信源

Hugging Face 2026 年 7 月 1 日的博客描述了一个级联式语音到语音 pipeline:用 Nvidia Parakeet 做语音识别,用 Google DeepMind Gemma 4 31B VLM(跑在 Cerebras 推理上)做语言模型,用 Alibaba Qwen3TTS 做语音合成,目标是为 Reachy Mini 机器人(文章说野外 9000+,社区评论说破 1 万)提供实时语音 AI。代码开源在 huggingface/speech-to-speech(Apache-2.0,默认栈:Silero VAD v5 + Parakeet TDT + OpenAI 兼容 LLM + Qwen3-TTS,最新 v0.2.10 发布于 2026-06-11),实时 demo 在 hf.co/spaces/smolagents/hf-realtime-voice(在线 218 个实例)。文章没公开具体延迟数字(ms / P95),只做定性对比。

为什么现在讲

7/1 这条把「HF 平台 + Cerebras 硬件 + Gemma 4 模型 + Qwen3TTS + Parakeet + 开源库」5+1 个开源 / 半开源组件第一次串成一个公开 demo。创作者可以把这条当作「开源实时语音 AI 拼装样板」来讲,而不去追问「具体延迟多少 ms」。

推荐理由

开源、可复现的级联 pipeline 是创作者可拿来拆解的真实样例(不用脑补),但延迟数字缺位,引用边界很清晰。

依据

「开源实时语音 AI」「Reachy Mini」「Cerebras 推理速度」每个都是高搜索量话题,这条把 6 个组件拼在一起,本身就是一张现成的架构图。

“我用 6 个开源组件拼成实时语音 AI,Reachy Mini 已跑 9000+。”

切入角度

把这条当成「6 个开源 / 半开源组件拼起来的实时语音 AI 样板」来拆,而不是当作某一款新模型发布。

形式

讲解视频

演示想法

画一张 6 行架构图:Nvidia Parakeet(ASR) → Google DeepMind Gemma 4 31B VLM(跑在 Cerebras 推理上) → Alibaba Qwen3TTS(TTS),每行标「组件 / 谁家的 / 干什么 / 在 pipeline 里的位置」;再画一行「HF speech-to-speech 开源库(Apache-2.0,v0.2.10,2026-06-11,默认栈 Silero VAD v5 + Parakeet TDT + OpenAI 兼容 LLM + Qwen3-TTS)」;旁边画一行 Reachy Mini 部署数量 + 在线 demo 实例数(9000+ / 218)。

平台注意

文章未公开具体延迟数字(ms / P95),创作者不要替它补具体数字,只引用文章已公开的内容(级联 pipeline 组件、开源代码地址、Reachy Mini 部署规模、在线 demo 实例数、HF 开源库版本与发布日期)。 「9,000+ in the wild」是文章里的话,「10k+」是用户评论里的,两个不要混说。

可用说法

  • Hugging Face 2026 年 7 月 1 日的博客描述了一个级联式语音到语音 pipeline,串起 Nvidia 的 Parakeet(语音识别)+ Google DeepMind 的 Gemma 4 31B VLM 跑在 Cerebras 推理上 + Alibaba 的 Qwen3TTS(语音合成),目标是为 Reachy Mini 机器人等场景提供实时语音 AI。
  • Hugging Face 2026 年 7 月 1 日的博客称 Reachy Mini 机器人平台「野外数量 9000+」(7/1 的一条社区评论说「已突破 1 万台」)。文章把这类机器人作为级联语音 pipeline 的主要部署目标。

证据链

来自新闻

拆解

这份拆解把 7/1 HF 博客的级联式语音到语音 pipeline 拆成 6 个组件讲解:Nvidia Parakeet(ASR)→ Google DeepMind Gemma 4 31B VLM(跑在 Cerebras 推理上)→ Alibaba Qwen3TTS(TTS),加上 HF 开源库 huggingface/speech-to-speech(Apache-2.0,v0.2.10,2026-06-11,默认栈:Silero VAD v5 + Parakeet TDT + OpenAI 兼容 LLM + Qwen3-TTS)。Reachy Mini 机器人是主要部署目标,文章说野外数量 9000+,在线实时 demo 218 个实例。文章未公开具体延迟数字(ms / P95),创作者不要替它补具体数字。

信源

风险

  • 固定链到 HF 博客,只引用文章已公开的内容(级联 pipeline 组件、开源代码、Reachy Mini 部署规模),不要自造延迟、吞吐或质量数字。

演示思路

  • 画 6 行架构图,把「组件 / 谁家的 / 干什么 / 在 pipeline 里的位置」一栏讲清
  • 把 Reachy Mini 部署数量 + 在线 demo 实例数(9000+ / 218)摆成对比,讲「真机 + 实时 demo」双线
  • 对比 Hugging Face 7/1 这条级联 pipeline 和 OpenAI Realtime API 的「单模型端到端」思路,演示两种实时语音架构