Buzz: Gunakan Hermes dengan Aplikasi Chat Suara AI

Mode suara sudah hadir, dan ini mengubah cara kamu berinteraksi dengan Hermes. Alih-alih mengetik setiap perintah, kamu sekarang bisa berbicara dengan agenmu secara alami — baik saat coding, riset, atau sekadar berjalan-jalan dengan ide-ide yang berputar di kepalamu.

Panduan ini akan mengajakmu melewati semua yang kamu butuhkan untuk mengaktifkan suara, mulai dari pengaturan paling sederhana hingga percakapan penuh di voice channel Discord. Yuk, kita mulai.

Mode Suara Cocok untuk Apa?

Mode suara sangat berguna saat kamu ingin:

Tetap bebas tangan saat bekerja di terminal
Mendapatkan respons lisan di Telegram atau Discord
Membuat Hermes bergabung di voice channel Discord untuk percakapan dua arah langsung
Menangkap ide dengan cepat saat berjalan-jalan, bukan mengetik

Anggap saja ini sebagai kopilot bebas tanganmu. Debugging, brainstorming, atau sekadar bertanya cepat — mode suara membuatmu tetap mengalir.

Tiga Cara Menggunakan Suara

Hermes menawarkan tiga pengalaman suara yang berbeda:

Mode	Paling Cocok untuk	Platform
Loop mikrofon interaktif	Penggunaan pribadi bebas tangan saat coding	CLI
Balasan suara di chat	Respons lisan di samping pesan teks	Telegram, Discord
Bot live di voice channel	Percakapan grup di voice channel	Voice channel Discord

Jalur yang cerdas: pastikan teks berfungsi dulu, lalu aktifkan balasan suara, dan terakhir pindah ke voice channel Discord jika kamu ingin pengalaman penuh.

Langkah 1: Pastikan Teks Berfungsi Dulu

Sebelum menyentuh suara, verifikasi hal-hal dasar:

hermes

Lalu tanyakan sesuatu yang sederhana:

What tools do you have available?

Jika itu belum berjalan lancar, perbaiki mode teks dulu. Suara dibangun di atas fondasi yang berfungsi.

Langkah 2: Instal Ekstra yang Tepat

Tergantung pada pengaturanmu, instal apa yang kamu butuhkan:

Mikrofon + pemutaran CLI:

cd ~/.hermes/hermes-agent && uv pip install -e ".[voice]"

Platform pesan (Telegram/Discord):

cd ~/.hermes/hermes-agent && uv pip install -e ".[messaging]"

TTS Premium ElevenLabs (opsional):

cd ~/.hermes/hermes-agent && uv pip install -e ".[tts-premium]"

NeuTTS Lokal (opsional):

python -m pip install -U neutts[all]

Semua sekaligus:

cd ~/.hermes/hermes-agent && uv pip install -e ".[all]"

Langkah 3: Instal Dependensi Sistem

macOS:

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian:

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

Inilah alasan masing-masing penting:

portaudio → input mikrofon dan pemutaran
ffmpeg → konversi audio untuk TTS dan pesan
opus → dukungan codec suara Discord
espeak-ng → phonemizer untuk NeuTTS

Langkah 4: Pilih Penyedia Suaramu

Hermes mendukung stack suara lokal dan cloud. Untuk awal yang paling mudah, gunakan STT lokal dengan Edge TTS gratis.

Tambahkan ini ke ~/.hermes/.env:

# Opsi STT Cloud (lokal tidak butuh kunci)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# TTS Premium (opsional)
ELEVENLABS_API_KEY=***

Rekomendasi speech-to-text:

local → default terbaik untuk privasi dan biaya nol
groq → transkripsi cloud yang sangat cepat
openai → fallback berbayar yang bagus

Rekomendasi text-to-speech:

edge → gratis dan cukup bagus untuk kebanyakan orang
neutts → TTS lokal/perangkat gratis
elevenlabs → kualitas terbaik
openai → jalan tengah yang bagus
mistral → multibahasa, Opus asli

Langkah 5: Konfigurasi yang Direkomendasikan

Ini default konservatif yang solid:

voice:
  record_key: "ctrl+b"
  submit_mode: "direct"  # TUI: direct | draft
  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"

Di TUI, submit_mode mengontrol apa yang terjadi setelah transkripsi:

direct (default) langsung mengirimkan transkrip
draft menaruhnya di komposer agar kamu bisa mengedit sebelum mengirim

Untuk draf suara yang bisa diedit, atur submit_mode: "draft".

Ingin TTS lokal sebagai gantinya? Ganti ke:

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

Kasus Penggunaan: Mode Suara CLI

Mulai Hermes dan aktifkan suara:

hermes

Lalu di dalam CLI:

/voice on

Alur perekaman:

Tekan Ctrl+B
Bicaralah
Tunggu deteksi hening untuk berhenti otomatis
Hermes mentranskripsikan dan merespons
Jika TTS aktif, ia membacakan jawabannya
Loop bisa otomatis dimulai ulang untuk penggunaan berkelanjutan

Perintah yang berguna:

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

Alur kerja CLI yang hebat:

Debugging sambil jalan: Katakan “Saya terus mendapatkan error izin docker. Bantu saya debug.” Lalu lanjutkan tanpa tangan: “Baca lagi error terakhir,” “Jelaskan akar masalahnya dengan istilah yang lebih sederhana,” “Sekarang beri saya perbaikan yang tepat.”

Riset dan brainstorming: Sempurna untuk berjalan-jalan sambil berpikir, mendiktekan ide-ide yang masih setengah matang, dan meminta Hermes untuk menyusun pikiranmu secara real-time.

Aksesibilitas: Jika mengetik terasa merepotkan, mode suara membuatmu tetap berada di loop Hermes penuh tanpa keyboard.

Menyesuaikan Perilaku CLI

Jika Hermes mulai atau berhenti merekam terlalu agresif, sesuaikan ini di konfigurasimu:

voice:
  silence_threshold: 200   # lebih rendah = lebih sensitif
  silence_duration: 3.0    # detik hening sebelum berhenti

Mulai dengan default, lalu sesuaikan berdasarkan lingkunganmu. Ruangan yang bising mungkin butuh threshold lebih tinggi; ruangan yang tenang mungkin butuh lebih rendah.

Mode suara adalah salah satu cara tercepat untuk tetap produktif dengan Hermes. Mulai sederhana, bereksperimenlah dengan penyedia, dan segera kamu akan berbicara dengan agenmu seperti kebiasaan alami.