已成功部署hermes agent但未启用语音交互，需按四步配置：一、启用cli语音模式；二、配置openai whisper+tts；三、接入discord语音频道；四、切换本地ollama语音模型。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您已成功部署 Hermes Agent，但尚未启用语音交互功能，则可能是由于语音模块未配置或语音提供商未接入。以下是开启实时语音对话模式的详细步骤：
一、启用 CLI 语音模式
CLI 语音模式是 Hermes Agent 最轻量级的语音交互方式，依赖本地系统音频设备与终端直连，无需额外消息平台，适合快速验证语音输入输出能力。
1、确保系统已安装 PulseAudio（Linux）或 Core Audio（macOS），Windows 用户需启用 Windows Audio Session API（WASAPI）。
2、在已激活的 Hermes Agent 虚拟环境中执行命令：hermes --voice cli。
3、首次运行时，Agent 将自动检测默认输入/输出设备并提示权限请求；请允许麦克风与扬声器访问。
4、听到提示音后开始说话，语音将被实时转为文本送入模型；回复生成后，将通过 TTS 合成语音播放。
二、配置 OpenAI Whisper + TTS 语音栈
该方案使用 OpenAI 官方 Whisper 模型进行语音识别、配合内置 TTS 引擎实现端到端低延迟语音流处理，适用于对识别准确率要求较高的本地场景。
1、确认已配置 OPENAI_API_KEY 并在 .env 文件中启用语音相关参数：
2、向 .env 文件追加以下两行：
VOICE_ASR_PROVIDER=whisper
VOICE_TTS_PROVIDER=system
3、重启 Hermes Agent：先按 Ctrl+C 停止当前进程，再执行 hermes --voice cli。
4、运行 hermes doctor --voice 验证语音组件状态，输出中应显示 ASR: whisper (online) 与 TTS: system (ready)。
三、接入 Discord 语音频道
Discord 语音频道提供稳定的 WebRTC 音频通道与多用户实时协作能力，适合团队语音会话、远程会议辅助等场景，需通过 Hermes Gateway 模块路由音频流。
1、执行 hermes gateway setup，在交互式向导中选择 discord 作为网关类型。
2、登录 Discord 开发者门户，创建新应用，启用 Privileged Intent: SERVER MEMBERS INTENT 和 MESSAGE CONTENT INTENT。
3、复制 Application ID 与 Bot Token，粘贴至向导对应字段。
4、完成配置后，在 Discord 服务器中将 Bot 添加至语音频道，发送指令 /voice join 即可激活双向语音流。
四、切换本地 Ollama 语音模型（离线可用）
当网络受限或需完全离线运行时，可使用 Ollama 托管的开源语音模型替代云端 ASR/TTS 服务，所有语音处理均在本地完成，保障隐私与响应确定性。
1、确保已安装 Ollama 并运行服务：ollama serve。
2、拉取 Whisper 本地模型：ollama pull systran/faster-whisper-large-v3。
3、编辑 .env 文件，设置：
OLLAMA_BASE_URL=http://localhost:11434
VOICE_ASR_PROVIDER=ollama
VOICE_ASR_MODEL=systran/faster-whisper-large-v3
4、重启 Hermes Agent 并附加 --voice cli 参数，此时语音识别将完全脱离网络依赖。
