🏠 Главная › guides › use voice mode with hermes

Использование голосового режима с Hermes

Настоящее руководство практически является дополнением к справочнику по функциям голосового режима.

Если страница с использованием языка, которая может делать голосовой режим, то это руководство показывает, как эффективно его использовать.

Для чего подходит голосовой режим

Голосовой режим особенно полезен, когда: - вам нужен рабочий процесс CLI без использования рук - вы хотите получать голосовые ответы в Telegram или Discord - вы хотите, чтобы Гермес в постоянном голосовом канале Discord для живого общения - вы хотите быстро фиксировать идеи, отлаживать или вести диалог во время прогулки, вместо того, чтобы печатать

Выберите изменение голосового режима

В Гермесе есть три различных режима голосования.

Режим Для этого лучше всего подойдет Платформа
Интерактивный микрофонный цикл Личное использование без рук во время программирования или исследований интерфейс командной строки
Голосовые ответы в чате Голосовые ответы вместе с обычными сообщениями Телеграмма, Дискорд
Бот в живом голосовом канале Групповой или личный живой разговор в голосовом канале Голосовые соединения Discord

Хороший путь: 1. сначала настройте текстовый режим 2. затем записал голосовые ответы 3. перейдите к голосовому каналу Discord в последнюю очередь, если хотите получить полный опыт.

Шаг 1: убедитесь, что обычный Hermes сначала работает

Прежде чем касаться голосового режима, проверьте, что: - Гермес запускается - настроение вашего провайдера - агент может нормально жить по текстовым запросам

hermes

Задайте что-нибудь простое:

Какие инструменты у тебя есть?

Если это все еще не стабильно, сначала исправьте текстовый режим.

Шаг 2: установите дополнительные пакеты

Микрофон CLI + тестирование

pip install "hermes-agent[voice]"

Платформы обмена сообщениями

pip install "hermes-agent[messaging]"

Премиум TTS ElevenLabs

pip install "hermes-agent[tts-premium]"

Локальный NeuTTS (опционально)

python -m pip install -U neutts[all]

Всё

pip install "hermes-agent[all]"

Шаг 3: установка системных в зависимости

macOS

brew install portaudio ffmpeg opus
brew install espeak-ng

Убунту/Дебиан

sudo apt install portaudio19-dev ffmpeg libopus0
sudo apt install espeak-ng

Почему они важны: - portaudio → вход с микрофона / звук для голосового режима CLI - ffmpeg → преобразование аудио для TTS и доставка сообщений - opus → поддержка голосового кодека Discord - espeak-ng → бэкенд фонмизатора для NeuTTS

Шаг 4: выбор провайдеров STT и TTS

Гермес как локальные, так и облачные стеки речи.

Самая простая/дешевая настройка

Используйте локальный STT и бесплатный Edge TTS: - Провайдер STT: местный - Провайдер TTS: edge

Обычно это лучшее место для начала.

Пример окружения файла

Добавьте в ~/.hermes/.env:

# Облачные STT опции (для local ключ не нужен)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# Премиум TTS (опционально)
ELEVENLABS_API_KEY=***

Рекомендации провайдерам

Распознание речи (СТТ)

Синтез речи (TTS)

Если вы используете hermes setup

Если вы выберите NeuTTS в мастере настроек, Гермес сначала установит «neutts». В мастере отсутствуют сообщения о том, что NeuTTS требует Python-пакета neutts и системного пакета espeak-ng, предлагает установить их, устанавливает espeak-ng с вашим пакетом менеджера, а затем с его помощью запускает:

python -m pip install -U neutts[all]

Если вы пропустите эту установку или ей это не поможет, мастер вернётся в Edge TTS.

Шаг 5: рекомендуемая замена

voice:
  record_key: "ctrl+b"
  max_recording_seconds: 120
  auto_tts: false
  beep_enabled: true
  silence_threshold: 200
  silence_duration: 3.0

stt:
  provider: "local"
  local:
    model: "base"

tts:
  provider: "edge"
  edge:
    voice: "en-US-AriaNeural"

Это консервативная хорошая настройка по умолчанию для большинства людей.

Если вы хотите вместо этого использовать локальный TTS, замените блок tts на:

tts:
  provider: "neutts"
  neutts:
    ref_audio: ''
    ref_text: ''
    model: neuphonic/neutts-air-q4-gguf
    device: cpu

Вариант использования 1: голосовой режим CLI

Включите его

Запустите Гермес:

hermes

Внутри CLI:

/voice on

Процесс записи

Клавиша по умолчанию: - Ctrl+B

Рабочий процесс: 1. нажмите Ctrl+B 2. говорит 3. Дождитесь автоматической остановки записи об обнаружении тишины. 4. Гермес распознает и отвечает 5. если TTS включен, он озвучивает ответ 6. Цикл может автоматически переключаться для непрерывного использования.

Полезные команды

/voice
/voice on
/voice off
/voice tts
/voice status

Хорошие рабочие процессы в CLI

Отладка на ходу

Скажите:

У меня постоянно возникает ошибка прав доступа docker. Помоги мне ее отладить.

Затем продолжайте без помощи рук: - «Прочитай всю ошибку еще раз» - "Объясни первопричину более простыми словами" - "Теперь дай мне точное исправление"

Исследования / мозговой штурм

Отлично подходит для: - гуляю во время размышлений - диктовки полусформированных идей - просбы к Гермесу структурировать ваши мысли в кратчайшие сроки.

Доступность / сеансы с низким набором текста

Если печатать неудобно, голосовой режим — один из самых быстрых в полном цикле Гермеса.

Настройка поведения CLI

Порог тишины

Если Гермес начинает/остается слишком агрессивно, настройтесь:

voice:
  silence_threshold: 250

Более высокий порог = меньшая чувствительность.

Длительность тишины

Если вы делаете длинные паузы между предложениями, увеличьте:

voice:
  silence_duration: 4.0

Клавиша записи

Если Ctrl+B конфликтует с вашим терминалом или привычками tmux:

voice:
  record_key: "ctrl+space"

Вариант использования 2: голосовые ответы в Telegram или Discord

Этот режим проще, чем полноценные голосовые композиции.

Гермес остается обычным чат-ботом, но может озвучивать ответы.

Закрыть шлюз

hermes gateway

Включите голосовые ответы

В Telegram или Discord:

/voice on

или

/voice tts

Режимы

Режим Значение
выключено только текст
voice_only озвучивать только тогда, когда пользователь отправил голосовое сообщение
все озвучивать каждый ответ

Когда использовать какой режим

Хорошие рабочие процессы в мессенджерах

Ассистент Telegram на телефоне

Используйте, когда: - Вы находитесь вдали от компьютера. - вы хотите отправить голосовые заметки и получить быстрые ответы на голоса - Вы хотите, чтобы Гермес функционировал как портативный исследователь или операционный ассистент.

Личные сообщения Discord с голосовым выводом

Полезно, когда вы лично общаетесь без упоминаний на нужных вам серверах.

Вариант использования 3: голосовые соединения Discord

Это самый продвинутый режим.

Гермес поддерживает голосовой канал Discord, слушает речь пользователя, распознает ее, запускает обычный конвейер-агента и озвучивает ответы обратно в канал.

Необходимые разрешения Discord

В дополнениях к настройке настройки текстового бота убедитесь, что у бота есть: - Подключаться - Говорить - желательно использовать голосовую активность

Также привилегированные намерения разработчика портала: - Намерение присутствия - Намерение участников сервера - Цель содержания сообщения

Подключение и отключение

В текстах канала Discord, где присутствует бот:

/voice join
/voice leave
/voice status

Что происходит при подключении

Лучшая практика использования голосовых каналов Discord

Рекомендации по качеству голоса

Настройка наилучшего качества

Настройка наилучшей скорости/удобства

Настройка с нулевой стоимостью

Распространенные сбои

"Аудиоустройство не найдено"

Установите portaudio.

"Бот составлен, но ничего не слышит"

проверить: - ваш идентификатор пользователя Discord находится в DISCORD_ALLOWED_USERS - вы не в режиме без звука - привилегированные намерения включение - у бота есть разрешение Подключиться/Говорить

«Распознает, но не говорит»

проверить: -конфигурация провайдера ТТС - API-ключ/квоту для ElevenLabs или OpenAI - установка ffmpeg для способов конвертации Edge

«Шепот выдает мусор»

Форма: - более тихое окружение - более высокий silence_threshold - другого провайдера/модель STT - более короткие и четкие высказывания

"Работает в личных сообщениях, но не на серверных каналах"

Это часто связано с политическими воспоминаниями.

По умолчанию боту требуется @упоминание в текстовых каналах сервера Discord, если не настроено иное.

Предлагаемая настройка на первую неделю

Если вы хотите кратчайший путь к успеху:

  1. Добавьте работы текстового Гермеса
  2. установите hermes-agent[voice]
  3. использовать голосовой режим CLI с локальным STT + Edge TTS.
  4. затем включите /voice on в Telegram или Discord
  5. только после этой пробуйте проголосовать сезонного канала Discord

Такое последовательность действий позволяет минимизировать область отладки.

Что читать дальше