הגבתם HERMI? הנה הלינק שהבטחתי: המדריך המלא לבניית עוזר קולי אישי בעברית, עם פרומפט פתיחה מוכן ופרויקט קוד פתוח.
זה הכינוי שדבק לסוג הזה של עוזרים הקוליים/ויזואליים: עוזר אישי שיושב לכם על השרת, שומע אתכם בקול, ופועל בשמכם מול הכלים שאתם משתמשים בהם כל יום - במקום להקליד.
גרסה כזו, בעברית, שבניתי לעצמי. קראתי לו HERMI, והוא רץ על Hermes, הסוכן האישי שלי. אתם שואלים אותו בקול, הוא עונה בקול, ואתם רואים על המסך בדיוק מה הוא עושה בזמן אמת.
<aside> ⚠️
דיסקליימר: ההתקנה, ההרצה והשימוש - באחריותכם המלאה. תעברו על הקוד, תבדקו אילו הרשאות וגישות אתם נותנים לפני שאתם מריצים, ואל תריצו דברים שאתם לא מבינים. אני לא אחראי לשום נזק, פרצת אבטחה, דליפת מידע או אובדן נתונים.
</aside>
<aside> 💡
</aside>
אין הקלדה, אף פעם. אתם אומרים משפט אחד, המוח מנתב את המשימה לכלי הנכון, והתשובה חוזרת בקול תוך שניות.
זה הרכיב שהכי קל לטעות לגביו: אין "המוח היחיד שעובד". אצלי זה הרמס, אבל זה יכול להיות באותה מידה קלוד או GPT - כל סוכן שיודע להפעיל כלים ולעקוב אחרי הוראות. העבודה האמיתית אינה בבחירת המוח. היא בחיבור שלו לכלים ולקול.
גם הקלט וגם הפלט. מה שאתם אומרים בדפדפן עובר תמלול (Speech-to-Text) דרך ElevenLabs, והתשובה חוזרת כקול טבעי (Text-to-Speech), גם הוא דרך ElevenLabs, בעברית. זה גם צוואר הבקבוק הכי כואב בפרויקט - על זה בהמשך.