hermes-speech

给 Hermes 智能体装上耳朵和嘴，一句话接入多家语音模型

hermes-speech 是一个为 Hermes Agent 设计的语音插件，同时提供 TTS（文本转语音）和 STT（语音转文本）能力。它解决的核心问题是：让 Hermes Agent 这类智能体框架能够方便地接入多种语音模型与音色，而不必为每个供应商单独写适配代码。项目通过 AllModels 统一抽象，并已支持 Cartesia、ElevenLabs、Fish Audio、Soniox 以及 OpenAI 兼容接口等多家语音服务，用户可以在插件层切换模型和声音。作为 Hermes 的插件与技能，它把语音输入输出变成 Agent 可调用的标准能力，适合构建语音对话、语音播报、语音指令等交互形态。项目用 Python 实现，目前处于早期阶段，星标约 194，社区规模较小，但方向明确：为智能体补齐语音这条关键交互通道。