第22篇：語音合成——AI 開口說話

這篇教學將帶你了解 Hermes Agent 的語音合成功能，教你怎麼讓 AI 在聊天裡「開口說話」。

為什麼需要語音？

想像一下，你在做飯時收到一條長訊息，盯著螢幕讀很麻煩。如果 AI 能直接把回覆「說」出來，你一邊炒菜一邊聽，是不是方便多了？Hermes Agent 內建了 11 種語音引擎，從免費到付費，任你挑選。

第1步：選一個「嗓子」

打開設定檔 ~/.hermes/config.yaml，找到 tts 部分。預設用的是 Edge TTS，完全免費、無需註冊，效果也不錯，適合新手體驗。

想換更高級的聲音？把 provider 改一下就行：

tts:
  provider: "elevenlabs"   # 換成 ElevenLabs，音質「天花板」

小提示：如果你有 Nous Portal 付費訂閱，可以免費用 OpenAI TTS，不用單獨申請 API Key。

第2步：設定你的「嗓子」

每種引擎都有自己的設定項。比如用 Edge TTS，可以選聲音和語速：

tts:
  provider: "edge"
  edge:
    voice: "zh-CN-XiaoxiaoNeural"   # 中文女聲，溫柔好聽
    speed: 1.0                      # 1.0 是正常語速，調大更快

用 Gemini TTS 的話，還能寫「人設提示詞」，讓 AI 用特定語氣說話。比如建立一個 butler-voice.md 檔案，裡面寫「你是一位英國老管家，說話沉穩、禮貌」，然後：

tts:
  provider: "gemini"
  gemini:
    voice: "Kore"
    persona_prompt_file: "~/.hermes/tts/butler-voice.md"

AI 就會用管家的腔調回覆你，很有趣。

第3步：測試一下

在 CLI 裡直接發訊息，AI 回覆後，音訊會儲存到 ~/.hermes/audio_cache/ 資料夾。在 Telegram 或 Discord 裡，AI 會直接發語音氣泡，點一下就能聽。

第4步：處理長文字

如果 AI 回覆特別長，超過引擎的單次限制（比如 Edge 是 5000 字元），Hermes 會自動把文字切成幾段，按順序合成，不會丟內容。你不需要做任何事，它自己會搞定。

第5步：進階玩法（可選）

• 加音效標籤：Gemini 3.1 和 xAI 支援在文字裡加 [whispers]、[laughs] 這樣的標籤，AI 會真的用氣聲說話或笑出來。開啟方式：

tts:
  gemini:
    audio_tags: true

• 調語速：全域語速在 tts.speed 設定，每個引擎可以單獨覆蓋。比如 OpenAI 想快一點，就寫 tts.openai.speed: 1.5。

總結

讓 AI 開口說話，只需三步：選引擎 → 配聲音 → 發訊息。免費方案足夠日常使用，付費方案音質更驚豔。語音功能讓 AI 從「螢幕裡的字」變成了「耳邊的小夥伴」，互動感直接拉滿。

下篇預告：AI 會說話了，那它能「聽懂」我們說話嗎？下一篇我們聊聊語音轉文字——讓 AI 聽懂你的語音訊息。