声で操作できるローカルAIエージェントにしてみた〜p935のエージェントにWhisper+VOICEVOXを統合〜
以前作ったローカルAIエージェント(p935・Ministral 3 14B)に、音声認識Whisperと音声合成VOICEVOXを統合。声で「◯◯を検索して」と話すと、エージェントが道具を実行して結果を声で返します。全部Macローカル。GPU/CPUの役割分担、音声用の工夫、Windows(RTX3060)でのSmart App Control対策(faster-whisper)まで解説します。