■ 概要（1行） 音声入力から理解、応答生成を経て音声出力までをシームレスに繋ぐ、低遅延な対話型ボイスエージェントの包括的なパイプラインフレームワークです。 ■ 特徴・用途（2〜3行） VAD (Voice Activity Detection) $\to$ STT (Speech-to-Text) $\to$ LLM $\to$ TTS の一連の流れを、完全にモジュール化しつつ実装しています。最大の強みは「OpenAI Realtime互換WebSocket」という統一インターフェースを採用している点であり、バックエンド（LLMやSTTなど）の交換が非常に容易です。これにより、クラウド依存のリスクを低減し、vLLM/llama.cpp等を用いた完全にローカルで動作するオープンスタック設計と、既存のサービスとのハイブリッド利用の両立を実現できます。 ■ 結論（1行） 業界標準APIに準拠しつつ、コンポーネントレベルでの柔軟な切り替えを可能にするため、複雑なAIシステムのPoCから本番環境への展開基盤として極めて有用です。