macOSの機能を100%活用するリアルタイム多言語AI Voice Agent — TalkMode

タイトル:
Mac上で動作するリアルタイムAI音声Agent — TalkMode

サブタイトル:
視線追跡（Gaze）、リアルタイムSTT/TTS、Claude/OpenAI連携を基盤にしたAgent-OSスタイルの音声インターフェース

TalkMode は単純な音声チャットボットというより、
「リアルタイム作業型AI音声Agent」に近いプロジェクトです。

技術的に興味深いポイント:

• macOSネイティブ基盤の低遅延音声インタラクション
• リアルタイムSTT ↔ LLM ↔ TTSパイプライン
• 日本語を含む多言語音声対話の最適化
• gaze（視線）ベースのインタラクション実験
• turn-taking（発話タイミング制御）の処理
• OpenAI / Claude / CLI Agent連携構造
• Agent OSスタイルのワークフロー志向
• ローカル優先（local-first）アーキテクチャ志向

特に単純な「質問応答型ボイスチャット」ではなく:

• 会議
• ブレインストーミング
• 開発支援
• リサーチ
• IDE/CLI接続

のような「継続的な作業フロー」を音声でつなげようとする方向性が見て取れます。

以下のような流れを実際に目指している印象です:

Mic Input  
  ↓  
Streaming STT  
  ↓  
Context / Memory  
  ↓  
LLM Agent  
  ↓  
Tool Calls / CLI  
  ↓  
Realtime TTS  

もう1つ興味深い点は、
従来のVoice Assistantが「モバイル秘書」のような印象だったとすれば、
TalkModeはClaude Code / Codex / ターミナル文化と結びついた
「開発者向け音声Agent」により近く見える点です。

公式サイト:
https://talkmode.baryon.ai/

GitHub:
https://github.com/baryonlabs