Buzz: Use Hermes com o Aplicativo de Chat por Voz com IA

O modo de voz chegou, e ele muda completamente a forma como você interage com o Hermes. Em vez de digitar cada comando, agora você pode conversar com seu agente naturalmente — seja programando, pesquisando ou apenas andando por aí com ideias na cabeça.

Este guia mostra tudo o que você precisa para ativar a voz, desde a configuração mais simples até conversas completas em canais de voz do Discord. Vamos mergulhar.

Para Que Serve o Modo de Voz

O modo de voz é ideal quando você quer:

Manter as mãos livres enquanto trabalha no terminal
Receber respostas faladas no Telegram ou Discord
Deixar o Hermes em um canal de voz do Discord para conversas em tempo real
Capturar ideias rapidamente enquanto caminha, em vez de digitar

Pense nele como seu copiloto mãos-livres. Depurando, fazendo brainstorming ou apenas fazendo perguntas rápidas — o modo de voz mantém você no fluxo.

Três Formas de Usar a Voz

O Hermes oferece três experiências de voz distintas:

Modo	Melhor para	Plataforma
Loop interativo de microfone	Uso pessoal mãos-livres enquanto programa	CLI
Respostas por voz no chat	Respostas faladas junto com mensagens	Telegram, Discord
Bot ao vivo em canal de voz	Conversas em grupo em um canal de voz	Canais de voz do Discord

Um caminho inteligente: primeiro faça o texto funcionar, depois ative as respostas por voz e, por fim, avance para os canais de voz do Discord se quiser a experiência completa.

Passo 1: Garanta que o Texto Funcione Primeiro

Antes de mexer na voz, verifique o básico:

hermes

Depois faça uma pergunta simples:

Quais ferramentas você tem disponíveis?

Se isso ainda não estiver sólido, corrija o modo de texto primeiro. A voz se constrói sobre uma base que funciona.

Passo 2: Instale os Extras Corretos

Dependendo da sua configuração, instale o que você precisa:

Microfone + reprodução no CLI:

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

Plataformas de mensagens (Telegram/Discord):

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

ElevenLabs TTS Premium (opcional):

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

NeuTTS local (opcional):

python -m pip install -U neutts[all]

Tudo de uma vez:

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

Passo 3: Instale as Dependências do 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

Veja por que cada uma é importante:

portaudio → entrada de microfone e reprodução
ffmpeg → conversão de áudio para TTS e mensagens
opus → suporte ao codec de voz do Discord
espeak-ng → fonetizador para o NeuTTS

Passo 4: Escolha Seus Provedores de Fala

O Hermes suporta tanto stacks de fala locais quanto em nuvem. Para começar com mais facilidade, use STT local com Edge TTS gratuito.

Adicione isso ao ~/.hermes/.env:

# Opções de STT em nuvem (local não precisa de chave)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# TTS Premium (opcional)
ELEVENLABS_API_KEY=***

Recomendações de speech-to-text:

local → melhor padrão para privacidade e custo zero
groq → transcrição em nuvem muito rápida
openai → boa alternativa paga

Recomendações de text-to-speech:

edge → gratuito e bom o suficiente para a maioria
neutts → TTS local/on-device gratuito
elevenlabs → melhor qualidade
openai → bom meio-termo
mistral → multilíngue, Opus nativo

Passo 5: Configuração Recomendada

Aqui está um padrão conservador e sólido:

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"

No TUI, o submit_mode controla o que acontece após a transcrição:

direct (padrão) envia a transcrição imediatamente
draft coloca no editor para você editar antes de enviar

Para rascunhos de voz editáveis, defina submit_mode: "draft".

Quer TTS local? Troque para:

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

Caso de Uso: Modo de Voz no CLI

Inicie o Hermes e ative a voz:

hermes

Depois, dentro do CLI:

/voice on

Fluxo de gravação:

Pressione Ctrl+B
Fale
Aguarde a detecção de silêncio parar automaticamente
O Hermes transcreve e responde
Se o TTS estiver ativo, ele fala a resposta
O loop pode reiniciar automaticamente para uso contínuo

Comandos úteis:

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

Ótimos fluxos de trabalho no CLI:

Depuração rápida: Diga “Estou recebendo um erro de permissão do docker. Ajude-me a depurar.” Depois continue mãos-livres: “Leia o último erro novamente”, “Explique a causa raiz em termos mais simples”, “Agora me dê a correção exata.”

Pesquisa e brainstorming: Perfeito para caminhar enquanto pensa, ditar ideias ainda incompletas e pedir ao Hermes para estruturar seus pensamentos em tempo real.

Acessibilidade: Se digitar é inconveniente, o modo de voz mantém você no ciclo completo do Hermes sem o teclado.

Ajustando o Comportamento do CLI

Se o Hermes começar ou parar de gravar de forma muito agressiva, ajuste estes parâmetros na sua configuração:

voice:
  silence_threshold: 200   # menor = mais sensível
  silence_duration: 3.0    # segundos de silêncio antes de parar

Comece com os padrões e depois ajuste conforme seu ambiente. Uma sala barulhenta pode precisar de um limite maior; uma sala silenciosa, de um menor.

O modo de voz é uma das formas mais rápidas de se manter produtivo com o Hermes. Comece simples, experimente provedores e logo você estará conversando com seu agente como se fosse natural.