O autor apresenta o Cicero, um projeto de código aberto que fornece interação de voz bidirecional auto-hospedada para agentes de IA. Diferente de ferramentas de ditado unidirecionais, o Cicero permite que os agentes falem e liguem para usuários via Telegram, mantendo todo o áudio local.
- Integra-se com Hermes Agent e qualquer sistema que suporte o Protocolo de Cliente de Agente (ACP), incluindo Claude Code, Codex e Gemini CLI.
- O projeto suporta múltiplos perfis, permitindo que cada instância de agente tenha sua própria voz TTS e personalidade.
- Detalhes da implementação revelam que respostas em streaming frase por frase alcançam tempos de resposta de ~1s, enquanto cortar o silêncio dos clipes de referência melhora a qualidade do clone de voz mais do que mudar modelos.
- A funcionalidade eficaz de barge-in requer um modelo de detecção de fala em vez de simples detecção de atividade de voz baseada em energia para evitar gatilhos falsos da digitação.
O Cicero permite que os usuários mantenham a privacidade executando localmente a conversão de fala para texto e texto para fala enquanto interagem com agentes por chamadas de áudio ou bots do Telegram.