Modo voz Hermes

Modo voz de Hermes (STT + TTS)

Cómo hablar con Hermes desde el portátil por micrófono y altavoz. Todo offline (Whisper local + Piper).

Estado de la configuración (verificado 2026-09-27)

• TTS (Hermes te habla): ✅ Piper, voz es_ES-davefx-medium (castellano). En ~/.hermes/config.yaml → tts.provider: piper.
• STT (Hermes te escucha): ✅ faster-whisper local, modelo base, idioma es. En config → stt.enabled: true, stt.language: es.
• Dependencias de voz instaladas en el venv de Hermes (~/.hermes/hermes-agent/.venv): faster-whisper, sounddevice, numpy, av, ctranslate2.
• Micrófono detectado: HDA Intel PCH / Audio Interno (PipeWire/PulseAudio + portaudio).

Paquetes que faltaron y se instalaron así:

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

Cómo usarlo

1. Abre una sesión interactiva de Hermes (el modo voz no funciona en una sesión de agente en segundo plano):

   hermes
   

2. Dentro de la CLI, activa el modo:
   • /voice on — responde por voz solo a tus mensajes de voz
   • /voice tts — responde por voz a todo
   • /voice status — ver estado
3. Para hablar:
   1. Pulsa Ctrl+B (suena un beep a 880 Hz, empieza a grabar)
   2. Habla al micrófono (barra de nivel de audio en pantalla)
   3. Cállate ~3 s → se detiene solo (dos beeps a 660 Hz)
   4. Whisper local transcribe y lo envía
   5. Con TTS activo, Hermes responde hablando

Comandos de voz

Comando	Efecto
/voice	Activa/desactiva modo voz
/voice on	Solo responde por voz a mensajes de voz
/voice tts	Respuesta por voz a todos los mensajes
/voice off	Desactiva voz
/voice status	Estado actual

Config relevante (en ~/.hermes/config.yaml)

voice:
  record_key: "ctrl+b"
  max_recording_seconds: 120
  silence_duration: 3.0
  beep_enabled: true
stt:
  enabled: true
  language: es
  provider: local
  local:
    model: base
tts:
  provider: piper
  piper:
    voice: es_ES-davefx-medium

Notas

• El modelo Whisper base (~150 MB) se descarga automáticamente al primer uso.
• Sin coste ni nube: whisper local para oírte, piper para hablarte.
• Si prefieres voz de mayor calidad en la nube: GROQ_API_KEY (STT rápido gratis) o Edge TTS como alternativa sin clave.

STT en la nube con Groq (notas de voz de Telegram)

Para las notas de voz de Telegram, Hermes usa STT en la nube (no el whisper local de la CLI). Desde 2026-10-23 está configurado con Groq (whisper-large-v3-turbo), gratis y rápido.

• Clave: GROQ_API_KEY en ~/.hermes/.env.
• Config: stt.provider: groq en ~/.hermes/config.yaml (modelo whisper-large-v3-turbo).
• Aplica en caliente, sin reiniciar el gateway: la clave se lee de .env en cada transcripción (resolve_provider_secret) y el config se recarga por firma de archivo.
• Verificado: transcribe español y euskera (auto-detección de idioma). En euskera acierta bien; gpt-4o-transcribe (OpenAI) era algo más preciso, pero Groq es gratis.
• Para volver a OpenAI: hermes config set stt.provider openai.

000-índice