Hugging Face 如何在 Inference Endpoints 上部署 Speech-to-Speech

Hugging Face 发布 Speech-to-Speech（S2S）级联流水线，串联 VAD、STT、语言模型与 TTS，支持英语、法语、西班牙语、中文、日语和韩语，可用单语言模式或 auto 标志自动检测语言。由于本地运行对算力要求高、易出现延迟，官方给出用自定义 Docker 镜像将其部署到 Hugging Face Inference Endpoints 的分步指南。