第18篇：语音模式——动嘴就能指挥 AI

这篇带你解锁 Hermes Agent 的“声控”玩法：装上麦克风，动动嘴就能和 AI 对话，连打字都省了。

---

准备工作：先让 AI“听得见”

在玩语音之前，你得先确保 Hermes 能正常跑起来（文字对话没问题）。然后按下面三步装好“耳朵”和“嘴巴”：

第1步：安装语音依赖包
打开终端，依次执行：

cd ~/.hermes/hermes-agent
uv pip install -e ".[voice]"        # 麦克风录音 + 播放声音
uv pip install -e ".[messaging]"    # 如果你还想在 Discord/Telegram 里用

第2步：装系统级“声卡驱动”

• Mac 用户：brew install portaudio ffmpeg opus
• Ubuntu/Debian 用户：sudo apt install portaudio19-dev ffmpeg libopus0

简单说：PortAudio 负责录音放音，ffmpeg 负责把音频格式换来换去，Opus 是 Discord 语音频道专用的“翻译官”。

第3步：配 API 密钥（可跳过）
在 ~/.hermes/.env 文件里加上：

GROQ_API_KEY=你的密钥    # 云端语音转文字（免费额度）
# 如果你装了 faster-whisper，本地就能转文字，一个密钥都不用！

---

核心玩法：按一下，说一句

启动对话：

hermes

然后在聊天窗口输入 /voice on 开启语音模式。接下来就是见证奇迹的时刻：

1. 按下 Ctrl+B，听到“嘀”一声（880Hz），开始说话
2. 屏幕上会跳出一个音量条，像卡拉OK一样跳动
3. 说完停 3 秒，自动结束录音，再“嘀嘀”两声确认
4. AI 把你说的话转成文字、生成回答，然后用语音读出来
5. 录音自动重新开始——你只管继续说，不用再按键

整个过程就像和对讲机聊天，按住说话、松开听回复。想结束？说一句“stop”，对话就干净利落地结束了。

---

进阶技巧：让对话更自然

• 边听边插嘴：AI 还在思考或朗读时，你直接开口就能打断它，你的话会变成下一条指令。就像和朋友聊天，随时可以抢话。
• 逐句朗读：AI 不是等全部想好才开口，而是生成一句、读一句，你听到第一句话时它还在想后半段，响应特别快。
• 不想听声音？ 输入 /voice tts 关掉朗读，只看文字回复。

---

小总结

语音模式把“打字聊天”变成了“对讲机通话”，装好依赖、按 Ctrl+B 说话，就这么简单。想玩得更花？还能在 Discord 语音频道里和 AI 实时对话，或者用“Hey Hermes”唤醒词免提启动——这些我们下回分解。

下篇预告：第19篇——唤醒词：喊一声“Hey Hermes”就能召唤 AI，连按键都省了。