Penulis memperkenalkan Cicero, sebuah proyek sumber terbuka yang menyediakan interaksi suara dua arah dan di-host sendiri untuk agen AI. Berbeda dengan alat diktasi satu arah, Cicero memungkinkan agen berbicara kembali dan menelepon pengguna melalui Telegram, sambil menyimpan semua audio secara lokal.
- Terintegrasi dengan Hermes Agent dan sistem apa pun yang mendukung Protokol Klien Agen (ACP), termasuk Claude Code, Codex, dan Gemini CLI.
- Proyek ini mendukung beberapa profil, memungkinkan setiap instance agen memiliki suara TTS dan kepribadian sendiri.
- Detail implementasi mengungkapkan bahwa membalas secara streaming kalimat demi kalimat mencapai waktu respons sekitar 1 detik, sementara memangkas keheningan dari klip referensi meningkatkan kualitas kloning suara lebih daripada mengubah model.
- Fungsi barge-in yang efektif memerlukan model deteksi ucapan daripada deteksi aktivitas suara berbasis energi sederhana untuk menghindari pemicu palsu dari pengetikan.
Cicero memungkinkan pengguna menjaga privasi dengan menjalankan speech-to-text dan text-to-speech secara lokal sambil berinteraksi dengan agen melalui panggilan audio atau bot Telegram.