Google Gemma 4 31B 整合 Cerebras 技術降低語音延遲。核心技術與應用 Google Gemma 團隊與 Hugging Face 及 Cerebras 合作，推出了一套完全開源的級聯式（cascaded）語音對話架構。該系統透過 Cerebras 的高速推論能力，解決了語音 AI 常見的延遲瓶頸，讓使用者能獲得接近真人互動的即時回應體驗。此架構具備高度模組化特性，開發者可根據需求替換各個環節的元件。這是一個展示 Hugging Face 平台上實現語音對話功能的技術說明頁面，強調透過 WebSocket 進行即時語音互動。語音對話管線（Pipeline）運作流程該系統並非單一的端到端模型，而是將四個開源模型串聯而成，具體流程如下：語音偵測：使用 silero-vad 進行即時語音活動偵測。語音轉文字（STT）：透過 nvidia/parakeet-tdt-1.1b 將語音轉換為文字。語言理解與生成：由 Cerebras 驅動 google/gemma-4-31B-it 模型進行分析並組成回覆。文字轉語音（TTS）：使用 Qwen/Qwen3-TTS-12Hz-1.7B-CustomVoice 將文字轉為語音輸出。實際影響與演示這套語音對話架構不僅適用於軟體應用，目前已實際應用於超過 9,000 台 Reachy Mini 機器人，證明其在實體機器人與具身智慧（Embodied AI）領域的穩健性。根據演示內容，該系統除了基礎對話外，還整合了網頁搜尋（websearch）與影像辨識（camerasnapshot）功能，能針對環境中的物體進行互動。一名使用者透過語音與 Hugging Face 平台上的語音對話模型進行互動，並展示了該模型與實體機器人的整合應用。開發者可透過以下資源進一步研究與實驗：體驗線上 Demo：Hugging Face Realtime Voice 閱讀技術部落格：Hugging Face Blog 存取程式碼庫：huggingface/speech-to-speech

一名使用者透過語音與 Hugging Face 平台上的語音對話模型進行互動，並展示了該模型與實體機器人的整合應用。影片中的 Prompt 與操作：

Prompt（00:00）：嘿，你好嗎？

原文：Hey, how are you doing?

Prompt（00:07）：我也很好。你能告訴我我的 T 恤上寫著什麼嗎？

原文：I'm also good. Can you tell me what my t shirt says?

Prompt（00:15）：不錯。你能告訴我他們過去幾個月都在忙些什麼嗎？

原文：Nice. And can you tell me what they've been up to the last few months?

操作步驟： 1. （00:00）使用者透過語音輸入對話 2. （00:11）系統觸發 camera_snapshot 功能辨識 T 恤文字 3. （00:19）系統觸發 web_search 功能查詢 Hugging Face 新聞 4. （00:35）機器人開始與使用者進行語音互動

原文：https://easyvibecoding.app/curated/2616

Google Gemma 4 31B 整合 Cerebras 技術降低語音延遲

EasyVibeCoding Podcast

Google Gemma 4 31B 整合 Cerebras 技術降低語音延遲