🤖HermesBlog
Hermes 版本更新历史 · 第2篇2026/8/9· Easy Understand Hermes Agent

嘿，你终于可以开口跟 Hermes 说话了！

Hermes v2026.8.3 更新解读：实时语音对话、多智能体通信与可验证引用

hermes-version-2026-8-3

嘿，你終於可以開口跟 Hermes 說話了！

朋友們，v2026.8.3 這次更新，最大的亮點就是即時語音對話。以前咱們跟 Hermes 聊天全靠打字，現在你可以直接開口說，它還能開口回答你。是不是有點科幻片那味兒了？

別急，這篇文章就是手把手教你把這個功能跑起來。放心，一點都不難，跟著走就行。

先搞清楚：語音模式到底能幹啥？

簡單說，有三種玩法：

  • 命令列（CLI）語音迴圈：適合你一邊寫程式碼一邊跟它聊天，解放雙手。
  • 聊天軟體裡的語音回覆：在 Telegram 或 Discord 裡，它不光回你文字，還能回你一段語音。
  • Discord 語音頻道機器人：讓 Hermes 直接「住」進你的語音頻道，大家夥兒可以跟它即時對話。

給新手的建議路線：先把文字聊天調通，再開語音回覆，最後再折騰 Discord 語音頻道。一步一步來，穩得很。

第一步：確保基礎版 Hermes 能跑

別一上來就搞語音，先確認你的 Hermes 能正常啟動、能回答文字問題。

hermes

然後隨便問一句：

What tools do you have available?

如果這一步都卡殼，先回去把基礎設定弄好再說。

第二步：安裝語音功能需要的「零件」

打開終端機，敲下面這幾行命令（根據你的需求選一個）：

# 只要命令列麥克風+播放功能
cd ~/.hermes/hermes-agent && uv pip install -e ".[voice]"

# 要 Telegram/Discord 語音回覆
cd ~/.hermes/hermes-agent && uv pip install -e ".[messaging]"

# 想要 ElevenLabs 頂級音質（付費）
cd ~/.hermes/hermes-agent && uv pip install -e ".[tts-premium]"

# 或者乾脆全裝上，省心
cd ~/.hermes/hermes-agent && uv pip install -e ".[all]"

第三步：裝系統依賴（Mac 和 Linux 不一樣）

Mac 使用者：

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian 使用者：

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

這些是幹嘛的？簡單說：portaudio 管麥克風，ffmpeg 管音訊轉換，opus 是 Discord 語音的「翻譯官」，espeak-ng 是本地語音合成的小幫手。

第四步：選語音辨識（STT）和語音合成（TTS）的「引擎」

最省錢省事的組合：本地辨識 + 免費 Edge 語音。

在 ~/.hermes/.env 檔案裡加上這些（如果要用雲端服務的話）：

# 雲端辨識（本地辨識不用填 key）
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# 進階語音合成（可選）
ELEVENLABS_API_KEY=***

怎麼選？

  • 語音辨識：local（免費、保護隱私）> groq（快）> openai（付費兜底）
  • 語音合成：edge（免費夠用）> neutts（本地免費）> elevenlabs（音質天花板）> openai（中規中矩）

第五步：推薦設定（直接抄作業）

打開設定檔，把這段貼進去：

voice:
  record_key: "ctrl+b"   # 錄音快捷鍵
  submit_mode: "direct"  # direct=說完直接提交，draft=先給你看草稿
  max_recording_seconds: 120
  auto_tts: false
  beep_enabled: true

stt:
  provider: "local"
  local:
    model: "base"

tts:
  provider: "edge"
  edge:
    voice: "en-US-AriaNeural"

小提示：如果你想把語音轉文字的結果先確認一下再發送，把 submit_mode 改成 draft 就行。

實戰：命令列裡怎麼用？

啟動 Hermes 後，輸入：

/voice on

然後按住 Ctrl+B 開始說話，說完停一下，它自動辨識並回覆。就這麼簡單！

幾個常用命令：

/voice          # 查看狀態
/voice on       # 開啟
/voice off      # 關閉
/voice tts      # 切換語音回覆
/voice status   # 查看詳情

一個超好用的場景：你在除錯程式碼時遇到報錯，直接說「我老遇到 docker 權限錯誤，幫我看看」，然後一邊忙別的，一邊聽它給你講解決方案，這體驗，絕了。

最後嘮叨兩句

語音模式是個新玩具，剛開始可能會有點不習慣。建議先從本地辨識 + Edge 語音開始，成本最低、最容易上手。等玩明白了，再考慮升級到 ElevenLabs 或者 Discord 語音頻道。

行了，快去試試吧！有問題隨時回來翻文件。

📖 官方文档

本文根据 Hermes Agent 官方文档编写，原文见：官方文档 › guides/use-voice-mode-with-hermes

← 返回全部文章