Hermes Agent、ElevenLabs効果音プラグイン追加　Desktopで試聴・再生成・整理

Nous Researchは日本時間10月28日、Hermes DesktopからElevenLabsの効果音を生成できる公式プラグインをXで紹介した。今回のポイントは、APIを呼んで音声ファイルを得るだけではないことだ。Hermes Agentの生成ツールと、ループ試聴、バリエーション作成、履歴整理を担うDesktop専用UIが一つにつながった。ゲームや映像の素材を、会話しながら何度も作り直す人には作業の往復を減らせる更新だ。

Agentの道具とDesktopの画面は別々に有効化

プラグインカタログに掲載されたのはelevenlabs-sound-effects v1.2.0で、Hermes 0.22.0以上のLinux、macOS、Windowsが対象。確認済みREADMEはコミットe4e4039に固定されている。

導入時に少し注意したい。CLIからインストールして有効になるのはAgent側で、専用の試聴カードとライブラリにはDesktop側での有効化も必要だ。未対応または古いDesktopでも生成音は内蔵プレイヤーで再生できるが、専用カード対応版はREADMEに「v0.22.5の次のリリース」とあるだけで、正確な版番号は確定していない。

専用カードでは「Next」から3つの別案を依頼でき、短縮、延長、ループ化、別モデルでの再生成もAgentへ戻せる。生成履歴は、現在使っているプロファイルごとのライブラリに残る。一方、ElevenLabsのWeb版はGenerate操作ごとに4件を生成する。数の多さより、試聴結果から次の指示へ戻り、採用候補を同じ場所で整理できることがHermes側の違いだ。

APIキー、課金、出力形式はElevenLabsの条件を引き継ぐ

利用にはELEVENLABS_API_KEYが必要で、制限付きキーではText to Speechとは別にSound Effects権限を許可する。既定モデルはeleven_text_to_sound_v2で、v3も設定または呼び出しごとに選べる。各API呼び出しは利用者のElevenLabsアカウントに課金されるため、プラグインの導入だけで生成コストが変わるわけではない。

実利用では次の境界も見ておきたい。

• 生成時間は、APIリファレンスとプラグインが0.5〜30秒、概要ページが0.1〜30秒と食い違う。Hermes統合で確実に指定できるのは、プラグインが検証する0.5〜30秒だ。
• 192kbps MP3はCreator以上、44.1kHzのPCM/WAVはPro以上。ゼロ保持モードはEnterpriseに限られ、プラグインを入れても契約上の制限は残る。

つまり、これは単なる接続コネクタではなく、生成後の「聞く、少し変える、取っておく」までをDesktopへ持ち込むプラグインだ。ただし、対応Desktop版、キー権限、課金、必要な出力形式を先に確認してこそ、その一体感を使える。本記事ではインストールや音質の試聴は行っていない。

参考資料

• elevenlabs-sound-effects — Hermes Agent Plugin Catalog
• ElevenLabs Sound Effects for Hermes Agent — README
• Create sound effect — ElevenLabs API reference
• Sound effects — ElevenLabs capabilities
• Sound effects — ElevenLabs product guide

参照したX投稿

Nous Research（@nousresearch）の元投稿