Buzz: Sử dụng Hermes với ứng dụng trò chuyện thoại AI

Chế độ thoại đã có mặt, và nó thay đổi hoàn toàn cách bạn tương tác với Hermes. Thay vì gõ từng lệnh, giờ đây bạn có thể trò chuyện với agent của mình một cách tự nhiên — dù bạn đang code, nghiên cứu, hay chỉ đang đi dạo với những ý tưởng lởn vởn trong đầu.

Hướng dẫn này sẽ đưa bạn qua mọi thứ cần thiết để kích hoạt chế độ thoại, từ thiết lập đơn giản nhất đến các cuộc trò chuyện đầy đủ trong kênh thoại Discord. Bắt đầu thôi!

Chế độ thoại hữu ích cho việc gì?

Chế độ thoại tỏa sáng khi bạn muốn:

Giữ tay rảnh rỗi khi làm việc trong terminal
Nhận phản hồi bằng giọng nói trong Telegram hoặc Discord
Cho Hermes ngồi trong kênh thoại Discord để trò chuyện qua lại trực tiếp
Ghi lại ý tưởng nhanh chóng khi đang đi dạo thay vì gõ phím

Hãy coi nó như một trợ lý song hành rảnh tay của bạn. Debug, động não, hay chỉ đơn giản là hỏi nhanh — chế độ thoại giúp bạn luôn giữ được mạch suy nghĩ.

Ba cách sử dụng chế độ thoại

Hermes cung cấp ba trải nghiệm thoại khác biệt:

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

Một lộ trình thông minh: làm cho văn bản hoạt động trước, sau đó bật trả lời bằng giọng nói, và cuối cùng chuyển sang kênh thoại Discord nếu bạn muốn trải nghiệm đầy đủ.

Bước 1: Đảm bảo văn bản hoạt động trước

Trước khi đụng đến thoại, hãy kiểm tra những thứ cơ bản:

hermes

Sau đó hỏi một câu đơn giản:

Bạn có những công cụ nào?

Nếu chưa ổn định, hãy sửa chế độ văn bản trước. Thoại được xây dựng trên nền tảng hoạt động tốt.

Bước 2: Cài đặt các gói bổ sung phù hợp

Tùy theo thiết lập của bạn, hãy cài đặt những gì cần thiết:

Microphone + phát lại trong 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 (tùy chọn):

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

NeuTTS cục bộ (tùy chọn):

python -m pip install -U neutts[all]

Tất cả cùng lúc:

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

Bước 3: Cài đặt 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 mỗi thứ quan trọng:

portaudio → đầu vào microphone và phát lại
ffmpeg → chuyển đổi âm thanh cho TTS và nhắn tin
opus → hỗ trợ codec thoại Discord
espeak-ng → phonemizer cho NeuTTS

Bước 4: Chọn nhà cung cấp giọng nói của bạn

Hermes hỗ trợ cả bộ xử lý giọng nói cục bộ và đám mây. Để bắt đầu dễ dàng nhất, hãy dùng STT cục bộ với Edge TTS miễn phí.

Thêm vào ~/.hermes/.env:

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

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

Khuyến nghị chuyển giọng nói thành văn bản:

local → mặc định tốt nhất cho quyền riêng tư và chi phí bằng không
groq → phiên âm đám mây rất nhanh
openai → lựa chọn trả phí tốt

Khuyến nghị chuyển văn bản thành giọng nói:

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

Bước 5: Cấu hình khuyến nghị

Đây là một mặc định an toàn và hợp lý:

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"

Trong TUI, submit_mode kiểm soát điều gì xảy ra sau khi phiên âm:

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

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

Muốn dùng TTS cục bộ? Chuyển sang:

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

Trường hợp sử dụng: Chế độ thoại CLI

Khởi động Hermes và bật thoại:

hermes

Sau đó trong CLI:

/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 có thể tự động khởi động lại để sử dụng liên tục

Các lệnh hữu ích:

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

Quy trình làm việc CLI tuyệt vời:

Debug khi đang làm việc: Nói “Tôi cứ gặp lỗi docker permission. Giúp tôi debug nó.” Sau đó tiếp tục rảnh tay: “Đọc lại lỗi cuối cùng,” “Giải thích nguyên nhân gốc rễ đơn giản hơn,” “Bây giờ đưa tôi cách sửa chính xác.”

Nghiên cứu và động não: Hoàn hảo cho việc vừa đi vừa suy nghĩ, đọc to những ý tưởng chưa hoàn chỉnh, và yêu cầu Hermes cấu trúc suy nghĩ của bạn theo thời gian thực.

Khả năng tiếp cận: Nếu gõ phím bất tiện, chế độ thoại giúp bạn duy trì toàn bộ vòng lặp Hermes mà không cần bàn phím.

Tinh chỉnh hành vi CLI

Nếu Hermes bắt đầu hoặc dừng ghi âm quá mạnh, hãy điều chỉnh các thông số này trong cấu hình của bạn:

voice:
  silence_threshold: 200   # thấp hơn = nhạy hơn
  silence_duration: 3.0    # giây im lặng trước khi dừng

Bắt đầu với mặc định, sau đó tinh chỉnh dựa trên môi trường của bạn. Phòng ồn có thể cần ngưỡng cao hơn; phòng yên tĩnh có thể cần thấp hơn.

Chế độ thoại là một trong những cách nhanh nhất để duy trì năng suất với Hermes. Bắt đầu đơn giản, thử nghiệm với các nhà cung cấp, và chẳng bao lâu bạn sẽ trò chuyện với agent của mình như một điều tự nhiên.