allmodels-io/hermes-speech｜音声認識と音声合成を追加するプラグイン｜GitHub

みんな音声合成と音声認識をHermes Agentに加えるプラグインKana & Maris SoundReposです。 All Models経由で声を使う方法を見ていきます。 取り上げるのはAll Models-ioのHermes Speechです。 All Modelsの音声モデルと声を使い、Hermes AgentにTTSとSTTを追加します。 文字を声にするだけでなく、話した内容を認識する入り口も同じ拡張で用意されるのですね。 どこから使えるのでしょうか? HermesのCLI、TUI、デスクトップアプリから利用できます。 音声ストリーミングと音声の検索やプレビューにも対応します。 検索して試しに聞いてから選べる流れですね。 モデルや声の設定も利用者が選べるのでしょうか? はい、モデルと音声を設定できます。 アカウント登録、残高確認、チャージも扱い、音声利用の管理までつながります。 声を探すところから利用状況の確認まで同じ場所で進められるのですね。 導入時の追加パッケージは必要ですか? 追加のPythonパッケージは不要です。 Hermes同梱のOpenAIとHTTPXでAll Models APIと連携し、Hermes Agent 0.2.0.0以降で動作します。 依存関係を増やさず音声機能を試せる構成ですね。 開発時の確認には何を使いますか? 開発時はPyTestとRafを使います。 実装言語はPythonで、ライセンスはMITライセンスです。 CLIに偏らず操作画面が異なる利用者にも届くのですね。 プレビューで声を先に確かめられるのも分かりやすいです。 GitHubのスターはおよそ190です。 音声入出力だけでなく、設定とアカウント管理まで扱う構成だと分かります。 認識と合成が別々の道具ではなく、Hermesの入り口から扱えるのですね。 対応条件を確認して試せそうです。 本日の確信を一文で、Hermes SpeechはHermes Agent 0.2.0.0以降に All Models経由のTTSとSTT、音声選択、利用管理を加えるPython製プラグインです。