让 Hermes 开口说话：Buzz 接入实战 | Easy Understand Hermes Agent

讓 Hermes 開口說話：Buzz 接入實戰

嘿，朋友們！今天咱們來聊聊怎麼讓 Hermes 從「打字聊天」進化成「語音對話」。沒錯，就是那種你對著電腦說話，它回你人聲的科幻場景——現在用 Buzz 接入就能輕鬆搞定。

語音模式到底能幹啥？

先別急著裝，看看這仨場景哪個戳中你：

命令列語音迴圈：寫程式碼、查資料時雙手不離開鍵盤，直接說話互動
聊天軟體語音回覆：Telegram 或 Discord 裡，Hermes 用語音回你訊息
Discord 語音頻道機器人：直接進語音頻道，即時對話，跟打電話似的

新手建議按這個順序來：先搞定文字對話 → 再開語音回覆 → 最後玩 Discord 語音頻道。

第一步：確認文字模式正常

老規矩，先跑起來：

hermes

然後隨便問一句：

你有哪些工具可以用？

如果這都卡殼，先別折騰語音，把基礎修好再說。

第二步：安裝語音元件

根據你的需求選裝：

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

# 聊天平台支援（Telegram/Discord）
cd ~/.hermes/hermes-agent && uv pip install -e ".[messaging]"

# 進階 ElevenLabs 語音（可選）
cd ~/.hermes/hermes-agent && uv pip install -e ".[tts-premium]"

# 本地 NeuTTS（可選）
python -m pip install -U neutts[all]

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

第三步：裝系統依賴

macOS：

brew install portaudio ffmpeg opus
brew install espeak-ng

Ubuntu / Debian：

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

這幾個傢伙各有分工：portaudio 管麥克風，ffmpeg 管音訊轉換，opus 是 Discord 語音的編解碼器，espeak-ng 給本地語音合成用的。

第四步：選語音引擎

最省心的組合：本地語音辨識 + 免費 Edge 語音合成。在 ~/.hermes/.env 裡加：

# 雲語音辨識（本地不需要 key）
GROQ_API_KEY=***
VOICE_TOOLS_OPENAI_KEY=***

# 進階語音合成（可選）
ELEVENLABS_API_KEY=***

語音辨識推薦：

local：本地處理，隱私好還免費
groq：雲轉錄，速度飛快
openai：付費備選

語音合成推薦：

edge：免費夠用，大多數人的首選
neutts：本地執行，不花錢
elevenlabs：音質天花板
openai：中規中矩
mistral：多語言支援好

第五步：推薦設定

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"

這裡有個小技巧：submit_mode 設成 draft 的話，語音轉文字後會先放到輸入框裡，你可以改改再送出，適合不想說錯話直接發出去的場合。

實戰：命令列語音模式

啟動 Hermes 後輸入：

/voice on

然後按 Ctrl+B 開始說話，說完停一下，它會自動偵測靜音並停止錄音。接著 Hermes 轉文字、給回覆，如果開了 TTS 還會直接唸出來。

實用命令：

/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

好玩的用法：比如你遇到 Docker 權限報錯，直接說「我老遇到 docker 權限錯誤，幫我除錯下」，然後繼續追問「再讀一遍報錯」「用大白話解釋原因」「給我具體修復方案」——全程不用打字，爽不爽？

調優小貼士

如果覺得語音辨識太靈敏或太遲鈍，調這兩個參數：

voice:
  silence_threshold: 200    # 靜音判定閾值，越大越不敏感
  silence_duration: 3.0     # 靜音多久算說完，單位秒

好了，現在就去讓 Hermes 開口說話吧！有問題隨時在社群裡喊我。🎤