hermes-speech

给 Hermes 智能体装上耳朵和嘴，一句话接入多家语音模型

开源 🏷️定价信息待确认 🔧 仅开源项目，无在线服务，需自行部署语音识别 🍴 复刻 11

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 196

维护状态维护中

是否开源开源

定价模式 🏷️定价信息待确认

项目预览

项目数据

分类语音识别

开发团队allmodels-io

官网地址https://docs.allmodels.io/hermes-agent

GitHubhttps://github.com/allmodels-io/hermes-speech

定价模式🏷️定价信息待确认

价格说明开源插件，定价信息待确认

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型allmodels,cartesia,elevenlabs,fish-audio,hermes-agent,hermes-plugin,hermes-skill,openai-compatible,python,soniox,speech-recognition,speech-synthesis,speech-to-text,streaming-tts,stt,text-to-speech,transcription,tts,voice-ai,voice-assistant

GitHub 星标★ 196

上线时间2026-08-12 00:00:00

代码更新2026-09-28

仓库体积245 KB

本站数据更新2026-11-08

维护状态维护中

收录时间2026-09-24

浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-24 · 当前星标 ★ 196

技术标签

elevenlabs hermes-agent openai-compatible python speech-recognition

核心亮点

同时覆盖 TTS 与 STT，一个插件补齐语音输入输出两端
通过 AllModels 统一抽象，已适配 Cartesia、ElevenLabs、Fish Audio、Soniox 及 OpenAI 兼容接口，切换供应商成本低
以 Hermes 插件/技能形式集成，Agent 可直接调用，无需自行封装语音调用链路