Buzz: используйте Hermes с AI-приложением для голосовых чатов

Голосовой режим уже здесь, и он кардинально меняет то, как вы взаимодействуете с Hermes. Вместо того чтобы печатать каждую команду, вы можете просто разговаривать со своим агентом естественно — будь то написание кода, исследование или прогулка с роящимися в голове идеями.

Это руководство проведёт вас через всё, что нужно для запуска голосового режима: от простейшей настройки до полноценных разговоров в голосовых каналах Discord. Погнали.

Для чего хорош голосовой режим

Голосовой режим особенно полезен, когда вы хотите:

Освободить руки во время работы в терминале
Получать голосовые ответы в Telegram или Discord
Держать Hermes в голосовом канале Discord для живого диалога
Быстро фиксировать идеи на ходу, вместо того чтобы печатать

Считайте это вашим копилотом без рук. Отладка, мозговой штурм или просто быстрые вопросы — голосовой режим держит вас в потоке.

Три способа использовать голос

Hermes предлагает три различных голосовых режима:

Режим	Для чего лучше всего	Платформа
Интерактивный цикл микрофона	Личное использование без рук во время кодинга	CLI
Голосовые ответы в чате	Разговорные ответы вместе с сообщениями	Telegram, Discord
Живой бот в голосовом канале	Групповые разговоры в голосовом канале	Голосовые каналы Discord

Разумный путь: сначала настройте текстовый режим, затем включите голосовые ответы, и только потом переходите к голосовым каналам Discord, если хотите полный опыт.

Шаг 1: Сначала убедитесь, что текст работает

Прежде чем трогать голос, проверьте базу:

hermes

Затем задайте что-нибудь простое:

Какие инструменты у тебя есть?

Если это ещё не работает — сначала почините текстовый режим. Голос строится на рабочем фундаменте.

Шаг 2: Установите нужные дополнительные пакеты

В зависимости от вашей конфигурации установите то, что нужно:

Микрофон + воспроизведение в CLI:

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

Мессенджеры (Telegram/Discord):

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

Премиальный ElevenLabs TTS (опционально):

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

Локальный NeuTTS (опционально):

python -m pip install -U neutts[all]

Всё сразу:

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

Шаг 3: Установите системные зависимости

macOS:

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian:

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

Вот зачем нужен каждый компонент:

portaudio → ввод с микрофона и воспроизведение
ffmpeg → конвертация аудио для TTS и мессенджеров
opus → поддержка голосового кодека Discord
espeak-ng → фонизатор для NeuTTS

Шаг 4: Выберите провайдеров речи

Hermes поддерживает как локальные, так и облачные речевые стеки. Для самого простого старта используйте локальный STT с бесплатным Edge TTS.

Добавьте это в ~/.hermes/.env:

# Облачные STT-опции (для локального ключ не нужен)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# Премиальный TTS (опционально)
ELEVENLABS_API_KEY=***

Рекомендации по распознаванию речи:

local → лучший выбор по умолчанию для приватности и нулевой стоимости
groq → очень быстрая облачная транскрипция
openai → хорошая платная запасная опция

Рекомендации по синтезу речи:

edge → бесплатно и достаточно хорошо для большинства задач
neutts → бесплатный локальный/встроенный TTS
elevenlabs → лучшее качество
openai → хорошая золотая середина
mistral → мультиязычный, нативный Opus

Шаг 5: Рекомендуемая конфигурация

Вот надёжный консервативный дефолт:

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"

В TUI параметр submit_mode управляет тем, что происходит после транскрипции:

direct (по умолчанию) отправляет транскрипт сразу
draft помещает его в редактор, чтобы вы могли отредактировать перед отправкой

Для редактируемых голосовых черновиков установите submit_mode: "draft".

Хотите локальный TTS? Переключитесь на:

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

Пример использования: голосовой режим в CLI

Запустите Hermes и включите голос:

hermes

Затем внутри CLI:

/voice on

Процесс записи:

Нажмите Ctrl+B
Говорите
Дождитесь автоматической остановки по тишине
Hermes распознаёт речь и отвечает
Если TTS включён — озвучивает ответ
Цикл может автоматически перезапускаться для непрерывного использования

Полезные команды:

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

Отличные сценарии работы в CLI:

Отладка на ходу: Скажите: «У меня постоянно ошибка прав доступа к docker. Помоги отладить». Затем продолжайте без рук: «Прочитай последнюю ошибку ещё раз», «Объясни первопричину проще», «Теперь дай точное исправление».

Исследования и мозговой штурм: Идеально для прогулок с размышлениями, диктовки полуоформленных идей и просьб к Hermes структурировать мысли в реальном времени.

Доступность: Если печатать неудобно, голосовой режим держит вас в полном цикле Hermes без клавиатуры.

Настройка поведения CLI

Если Hermes начинает или заканчивает запись слишком агрессивно, отрегулируйте эти параметры в конфиге:

voice:
  silence_threshold: 200   # ниже = чувствительнее
  silence_duration: 3.0    # секунд тишины перед остановкой

Начните с дефолтов, затем подстраивайте под своё окружение. В шумной комнате может понадобиться более высокий порог, в тихой — более низкий.

Голосовой режим — один из самых быстрых способов оставаться продуктивным с Hermes. Начните с простого, экспериментируйте с провайдерами — и вскоре вы будете разговаривать со своим агентом как с сами собой разумеющимся.