🤖HermesBlog
Hermes Version History · パート 28/9/2026

Hermes v2026.8.3 アップデート：リアルタイム音声、エージェント間通信、検証可能な引用

Hermes v2026.8.3 (2026-08-03) update: Hermes Agent v0.20.0 (2026.8.3)

hermes-version-2026-8-3

Hermes v2026.8.3 アップデート：リアルタイム音声、エージェント間通信、検証可能な引用

みなさん、こんにちは。Hermes ブログへようこそ！今日はこれまでで最もエキサイティングなアップデートのひとつ、リアルタイム音声モードについて詳しくご紹介します。毎回コマンドをタイピングする代わりに、エージェントと直接話したいと思ったことがあるなら、このアップデートはまさにうってつけです。そして何より嬉しいのは、セットアップが想像以上に簡単なこと。

それでは、今日から音声モードを始めるために必要なすべての手順を見ていきましょう。

音声モードが本当に役立つ場面

音声モードは単なる目新しい機能ではありません。実際にさまざまなシナリオで本当に役立ちます：

  • コーディングやリサーチ中のハンズフリーな CLI ワークフロー
  • Telegram や Discord 内での音声応答
  • Discord のボイスチャンネルに Hermes を参加させてのライブ会話
  • 歩きながらのアイデアの素早い記録。立ち止まってタイピングする必要はありません

エージェントが単なるテキストボックスではなく、会話のパートナーになるイメージです。

音声を使う3つの方法

Hermes には3つの異なる音声体験があり、自分のスタイルに合わせて選べます：

モード 最適な用途 プラットフォーム
インタラクティブマイクループ 個人でのハンズフリー利用 CLI
チャットでの音声返信 メッセージングと併用した音声応答 Telegram、Discord
ライブボイスチャンネルボット グループまたは個人でのライブ会話 Discord ボイスチャンネル

おすすめの進め方：まずテキストを動作させ、次に音声返信を有効にし、最後に Discord ボイスチャンネルを試すのがスムーズです。

ステップ1：まずテキストを動作させる

音声に触れる前に、基本がしっかり動作していることを確認しましょう：

hermes

次に、簡単な質問をしてみます：

What tools do you have available?

これが動作すれば、次のステップに進む準備は完了です。

ステップ2：必要な追加パッケージをインストールする

何をしたいかに応じて、適切なパッケージをインストールします：

CLI マイク + 再生：

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

メッセージングプラットフォーム：

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

プレミアム ElevenLabs TTS：

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

ローカル NeuTTS（オプション）：

python -m pip install -U neutts[all]

すべてまとめて：

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

ステップ3：システム依存パッケージ

macOS：

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian：

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

これらの重要性は以下の通りです：

  • portaudio → マイク入力と再生
  • ffmpeg → 音声変換
  • opus → Discord ボイスコーデックのサポート
  • espeak-ng → NeuTTS 用のフォナマイザー

ステップ4：音声プロバイダーを選択する

Hermes はローカルとクラウドの両方の音声スタックをサポートしています。最も簡単で安価なセットアップは、ローカル STT と無料の Edge TTS の組み合わせです：

  • STT プロバイダー： local
  • TTS プロバイダー： edge

API キーは ~/.hermes/.env に追加します：

# クラウド STT オプション（local はキー不要）
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# プレミアム TTS（オプション）
ELEVENLABS_API_KEY=***

簡単な推奨事項：

  • STT： プライバシー重視なら local、スピード重視なら groq、有料のフォールバックとして openai
  • TTS： 無料なら edge、ローカルなら neutts、最高品質なら elevenlabs

ステップ5：推奨設定

堅実で控えめなデフォルト設定は以下の通りです：

voice:
  record_key: "ctrl+b"
  submit_mode: "direct"
  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"

重要な設定のひとつ：voice.submit_mode は文字起こし後の動作を制御します。direct は即座に送信し、draft は送信前に編集できます。編集可能な下書きが必要な場合は、次のように設定します：

voice:
  submit_mode: "draft"

CLI で音声を使う

Hermes を起動して音声をオンにします：

hermes

次に、CLI 内で：

/voice on

録音の流れ：

  1. Ctrl+B を押す
  2. 話す
  3. 無音検出による自動停止を待つ
  4. Hermes が文字起こしして応答する
  5. TTS がオンの場合、音声で回答する

便利なコマンド：

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

優れた CLI ワークフロー

その場でのデバッグ： 「Docker の権限エラーが出続けるんだけど、デバッグを手伝って」と言うだけ。その後もハンズフリーで続けられます：「最後のエラーをもう一度読んで」「根本原因をもっと簡単な言葉で説明して」「正確な修正方法を教えて」。

リサーチとブレインストーミング： 考えながら歩き回り、まとまりのないアイデアを口述し、Hermes にリアルタイムで思考を整理してもらうのに最適です。

アクセシビリティ： タイピングが難しい場合、音声モードならキーボードなしで Hermes の全機能を利用できます。

動作の調整

Hermes の録音開始・停止がやりすぎだと感じる場合は、設定ファイルの silence_threshold と silence_duration の値を調整してください。

以上です！音声モードは今すぐ使えます。まずはテキストから始めて、音声返信を追加し、準備ができたら Discord ボイスチャンネルを試してみてください。それでは、楽しい会話を！

📖 公式ドキュメント

この記事は Hermes Agent の公式ドキュメントに基づいています：GitHub ›/releases/tag/v2026.8.3

← すべての記事に戻る