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

Hugging Face 发布 Speech-to-Speech（S2S）项目，用 VAD、STT、LM、TTS 级联管线实现语音进语音出，支持英语、法语、西班牙语、中文、日语和韩语，可用 auto 标志自动检测语言。由于本地运行对算力要求高，官方给出用自定义 Docker 镜像部署到 Inference Endpoints 的完整步骤，按运行时长租用 GPU 计费。