Buzz: Usa Hermes con l'app di Chat Vocale AI | Easy Understand Hermes Agent

Buzz: Usa Hermes con l’app di Chat Vocale AI

La modalità vocale è arrivata, ed è un punto di svolta per il modo in cui interagisci con Hermes. Invece di digitare ogni comando, ora puoi parlare con il tuo agente in modo naturale — che tu stia programmando, facendo ricerche, o semplicemente camminando con idee che ti frullano in testa.

Questa guida ti accompagna attraverso tutto ciò che ti serve per far funzionare la voce, dalla configurazione più semplice alle conversazioni complete nei canali vocali di Discord. Immergiamoci.

A Cosa Serve la Modalità Vocale

La modalità vocale brilla quando vuoi:

Tenere le mani libere mentre lavori nel terminale
Ricevere risposte vocali in Telegram o Discord
Far sedere Hermes in un canale vocale di Discord per un dialogo dal vivo
Catturare idee rapidamente mentre cammini, invece di digitare

Pensala come il tuo copilota a mani libere. Debugging, brainstorming, o semplicemente fare domande veloci — la modalità vocale ti mantiene nel flusso.

Tre Modi per Usare la Voce

Hermes offre tre distinte esperienze vocali:

Modalità	Ideale per	Piattaforma
Ciclo microfono interattivo	Uso personale a mani libere mentre programmi	CLI
Risposte vocali in chat	Risposte parlate accanto alla messaggistica	Telegram, Discord
Bot live in canale vocale	Conversazioni di gruppo in un canale vocale	Canali vocali Discord

Un percorso intelligente: fai funzionare prima il testo, poi abilita le risposte vocali, e infine passa ai canali vocali di Discord se vuoi l’esperienza completa.

Passo 1: Assicurati che il Testo Funzioni Prima

Prima di toccare la voce, verifica le basi:

hermes

Poi fai una domanda semplice:

Quali strumenti hai a disposizione?

Se non è ancora solido, sistema prima la modalità testo. La voce si costruisce su fondamenta funzionanti.

Passo 2: Installa le Estensioni Giuste

A seconda della tua configurazione, installa ciò che ti serve:

Microfono CLI + riproduzione:

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

Piattaforme di messaggistica (Telegram/Discord):

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

ElevenLabs TTS Premium (opzionale):

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

NeuTTS locale (opzionale):

python -m pip install -U neutts[all]

Tutto in una volta:

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

Passo 3: Installa le Dipendenze di Sistema

macOS:

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian:

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

Ecco perché ciascuna è importante:

portaudio → ingresso microfono e riproduzione
ffmpeg → conversione audio per TTS e messaggistica
opus → supporto codec vocale Discord
espeak-ng → fonemizzatore per NeuTTS

Passo 4: Scegli i Tuoi Provider Vocali

Hermes supporta sia stack vocali locali che cloud. Per l’avvio più semplice, usa STT locale con Edge TTS gratuito.

Aggiungi questo a ~/.hermes/.env:

# Opzioni STT cloud (locale non richiede chiave)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# TTS Premium (opzionale)
ELEVENLABS_API_KEY=***

Raccomandazioni speech-to-text:

local → migliore default per privacy e costo zero
groq → trascrizione cloud molto veloce
openai → buona alternativa a pagamento

Raccomandazioni text-to-speech:

edge → gratuito e sufficiente per la maggior parte
neutts → TTS locale/gratuito sul dispositivo
elevenlabs → qualità migliore
openai → buon compromesso
mistral → multilingue, Opus nativo

Passo 5: Configurazione Consigliata

Ecco un default solido e conservativo:

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"

Nella TUI, submit_mode controlla cosa succede dopo la trascrizione:

direct (default) invia la trascrizione immediatamente
draft la mette nel compositore così puoi modificarla prima di inviarla

Per bozze vocali modificabili, imposta submit_mode: "draft".

Vuoi TTS locale invece? Passa a:

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

Caso d’Uso: Modalità Vocale CLI

Avvia Hermes e attiva la voce:

hermes

Poi dentro la CLI:

/voice on

Flusso di registrazione:

Premi Ctrl+B
Parla
Aspetta che il rilevamento del silenzio si fermi automaticamente
Hermes trascrive e risponde
Se TTS è attivo, pronuncia la risposta
Il ciclo può riavviarsi automaticamente per uso continuo

Comandi utili:

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

Ottimi flussi di lavoro CLI:

Debugging al volo: Dì “Continuo a ricevere un errore di permessi docker. Aiutami a fare debug.” Poi continua a mani libere: “Leggi di nuovo l’ultimo errore,” “Spiega la causa principale in termini più semplici,” “Ora dammi la soluzione esatta.”

Ricerca e brainstorming: Perfetto per camminare pensando, dettando idee a metà, e chiedendo a Hermes di strutturare i tuoi pensieri in tempo reale.

Accessibilità: Se digitare è scomodo, la modalità vocale ti mantiene nel pieno ciclo di Hermes senza tastiera.

Ottimizzare il Comportamento della CLI

Se Hermes inizia o smette di registrare in modo troppo aggressivo, regola questi valori nella tua configurazione:

voice:
  silence_threshold: 200   # più basso = più sensibile
  silence_duration: 3.0    # secondi di silenzio prima di fermarsi

Inizia con i default, poi adatta in base al tuo ambiente. Una stanza rumorosa potrebbe richiedere una soglia più alta; una silenziosa potrebbe richiederne una più bassa.

La modalità vocale è uno dei modi più rapidi per rimanere produttivi con Hermes. Inizia semplice, sperimenta con i provider, e presto parlerai con il tuo agente come se fosse la cosa più naturale del mondo.