Hugging Face의 모듈식 음성 에이전트 프레임워크로, VAD(음성 활동 감지), STT(음성인식), LLM(언어 모델), TTS(음성 합성)를 연쇄 파이프라인으로 구성합니다. Whisper, MLX Audio, Parakeet TDT 등의 STT 엔진, HuggingFace/mlx-lm/OpenAI LLM, MeloTTS/ChatTTS/Kokoro TTS를 지원하며 Silero VAD v5를 활용합니다. 서버/클라이언트 TCP 스트리밍, WebSocket, 로컬 실행 등 다양한 배포 모드를 제공하고 영어, 프랑스어, 스페인어, 중국어, 일본어, 한국어를 지원합니다.