저자는 AI 에이전트를 위한 자체 호스팅, 양방향 음성 상호작용을 제공하는 오픈소스 프로젝트인 Cicero를 소개합니다. 단방향 녹음 도구와는 달리, Cicero는 에이전트가 사용자에게 다시 말하고 Telegram을 통해 전화를 걸 수 있도록 하며 모든 오디오를 로컬에 유지합니다.
- Hermes Agent 및 에이전트 클라이언트 프로토콜(ACP)을 지원하는 모든 시스템(Claude Code, Codex, Gemini CLI 포함)과 통합됩니다.
- 여러 프로필을 지원하여 각 에이전트 인스턴스가 고유한 TTS 음성 및 성격을 가질 수 있습니다.
- 구현 세부 사항에 따르면 문장 단위로 스트리밍된 응답은 약 1초의 응답 시간을 달성하며, 참조 클립에서 무음을 다듬는 것이 모델을 변경하는 것보다 음성 복제 품질을 더 크게 향상시킵니다.
- 효과적인 바지인(barge-in) 기능은 타이핑으로 인한 잘못된 트리거를 피하기 위해 단순한 에너지 기반 음성 활동 감지 대신 음성 감지 모델이 필요합니다.
Cicero는 사용자가 오디오 통화 또는 Telegram 봇을 통해 에이전트와 상호작용하는 동안 음성 인식(STT) 및 음성 합성(TTS)을 로컬에서 실행하여 프라이버시를 유지할 수 있게 합니다.