Hướng dẫn 27: Chế độ Voice

Chào mừng các bạn đã quay trở lại! Hôm nay chúng ta sẽ nói về một trong những cách sử dụng Hermes thú vị nhất: Chế độ Voice. Nếu bạn từng muốn trò chuyện với trợ lý AI của mình khi đang đi dạo, nấu ăn, hoặc chỉ đơn giản là muốn tránh xa bàn phím, thì bài hướng dẫn này dành cho bạn.

Chế độ Voice là gì?

Chế độ Voice cho phép bạn nói chuyện với Hermes thay vì gõ phím. Nó hoàn hảo cho:

Quy trình làm việc CLI rảnh tay – viết code và nghiên cứu mà không cần chạm vào bàn phím
Phản hồi bằng giọng nói trong Telegram hoặc Discord – nhận câu trả lời thoại cùng với tin nhắn thông thường
Kênh thoại trực tiếp trên Discord – trò chuyện thực sự với Hermes trong một cuộc gọi thoại
Ghi lại ý tưởng nhanh – đọc chính tả suy nghĩ khi đang đi bộ hoặc động não

Phần tuyệt nhất? Nếu bạn sử dụng Nous Portal, bạn có cả LLM và chuyển văn bản thành giọng nói thông qua một lần đăng nhập OAuth. Không cần thêm thông tin xác thực nào!

Ba cách sử dụng Voice

Chế độ	Phù hợp nhất cho	Nền tảng
Vòng lặp microphone tương tác	Sử dụng cá nhân rảnh tay	CLI
Phản hồi thoại trong chat	Trả lời bằng giọng nói kèm tin nhắn	Telegram, Discord
Bot kênh thoại trực tiếp	Trò chuyện nhóm	Kênh thoại Discord

Mẹo chuyên nghiệp: Bắt đầu với chế độ văn bản hoạt động trước, sau đó thêm phản hồi thoại, và cuối cùng thử kênh thoại Discord nếu bạn muốn trải nghiệm đầy đủ.

Bước 1: Làm cho Văn bản Hoạt động Trước

Trước khi đi sâu vào voice, hãy đảm bảo những điều cơ bản hoạt động:

hermes

Sau đó hỏi một câu đơn giản:

Bạn có những công cụ nào?

Nếu mọi thứ ổn định, bạn đã sẵn sàng cho voice!

Bước 2: Cài đặt Các Gói Bổ Sung

Tùy thuộc vào nhu cầu, hãy cài đặt các gói phù hợp:

# Microphone + phát lại cho CLI
cd ~/.hermes/hermes-agent && uv pip install -e ".[voice]"

# Nền tảng nhắn tin (Telegram/Discord)
cd ~/.hermes/hermes-agent && uv pip install -e ".[messaging]"

# ElevenLabs TTS cao cấp
cd ~/.hermes/hermes-agent && uv pip install -e ".[tts-premium]"

# Tất cả mọi thứ
cd ~/.hermes/hermes-agent && uv pip install -e ".[all]"

Bước 3: Các Phụ Thuộc Hệ Thống

macOS:

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu/Debian:

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

Đây là lý do chúng quan trọng:

portaudio → đầu vào microphone cho voice CLI
ffmpeg → chuyển đổi âm thanh
opus → codec thoại Discord
espeak-ng → bộ chuyển âm vị cho NeuTTS

Bước 4: Chọn Nhà Cung Cấp

Thiết lập dễ nhất: Sử dụng STT cục bộ và Edge TTS miễn phí. Thêm vào ~/.hermes/.env:

# Tùy chọn STT đám mây (cục bộ không cần khóa)
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# TTS cao cấp (tùy chọn)
ELEVENLABS_API_KEY=***

Các tùy chọn STT:

local – tốt nhất cho quyền riêng tư, miễn phí
groq – phiên âm đám mây siêu nhanh
openai – lựa chọn trả phí tốt

Các tùy chọn TTS:

edge – miễn phí và đủ tốt cho hầu hết mọi người
neutts – miễn phí, chạy cục bộ/trên thiết bị
elevenlabs – chất lượng tốt nhất
openai – lựa chọn trung gian tốt
mistral – đa ngôn ngữ, Opus gốc

Bước 5: Cấu Hình Được Đề Xuất

Đây là cấu hình mặc định tốt cho hầu hết mọi người:

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"

Lưu ý về submit_mode:

direct (mặc định) – gửi bản phiên âm ngay lập tức
draft – đưa bản phiên âm vào trình soạn thảo để bạn có thể chỉnh sửa trước khi gửi

Để có bản nháp có thể chỉnh sửa, hãy đặt submit_mode: "draft".

Sử dụng Voice trong CLI

Khởi động Hermes và bật voice:

hermes

Sau đó gõ:

/voice on

Quy trình ghi âm:

Nhấn Ctrl+B
Nói
Chờ phát hiện im lặng tự động dừng
Hermes phiên âm và phản hồi
Nếu TTS bật, nó sẽ đọc câu trả lời
Vòng lặp khởi động lại để sử dụng liên tục

Các lệnh hữu ích:

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

Các Quy Trình Voice Tuyệt Vời

Gỡ lỗi khi đứng dậy: Nói “Tôi cứ bị lỗi docker permission. Giúp tôi gỡ lỗi nó.” Sau đó tiếp tục rảnh tay: “Đọc lại lỗi cuối cùng”, “Giải thích nguyên nhân gốc bằng cách đơn giản hơn”, “Bây giờ cho tôi cách sửa chính xác”.

Nghiên cứu/động não: Hoàn hảo cho việc đi dạo, đọc chính tả những ý tưởng còn dang dở, và yêu cầu Hermes cấu trúc suy nghĩ của bạn theo thời gian thực.

Khả năng tiếp cận: Nếu việc gõ phím bất tiện, chế độ voice giúp bạn duy trì toàn bộ vòng lặp làm việc với Hermes.

Điều Chỉnh Hành Vi

Nếu Hermes bắt đầu/dừng quá mạnh, hãy điều chỉnh cài đặt im lặng trong cấu hình của bạn:

voice:
  silence_threshold: 200
  silence_duration: 3.0

Giảm ngưỡng để phát hiện nhạy hơn, hoặc tăng lên nếu nó cắt ngang lời bạn.

Vậy là xong! Chế độ Voice là một trong những tính năng khiến bạn cảm thấy như phép màu khi đã chạy được nó. Bắt đầu đơn giản, làm quen dần, và chẳng bao lâu bạn sẽ có những cuộc trò chuyện trọn vẹn với Hermes trong lúc rửa bát. Chúc bạn nói chuyện vui vẻ! 🎤