talk-to-fengge

这是一个支持实时语音对话的AI人格克隆系统，可基于少量语音样本克隆任意人的音色与性格特征，并实现端到端工程延迟低于1秒的双向语音交互。核心能力包括：轻量级语音识别（STT）、低延迟大语言模型响应（LLM）、开源音色克隆TTS（VoxCPM）、人格化提示注入与可选记忆召回；技术栈整合LiveKit实现实时音视频流，支持多方案热切换（如Cartesia STT、MiniMax LLM）。适用于AI陪伴、虚拟主播、个性化语音助手等需高拟真度实时语音交互的场景。