hermes agent支持语音交互，需依次配置stt（如whisper）、tts（如edge tts或elevenlabs），执行hermes voice start启动，并可通过“hey hermes”等热词触发快捷指令，全程支持调试与日志追踪。
☞☞☞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☜☜☜
如果您希望使用语音方式与Hermes Agent交互，而非手动输入文本指令，则需启用并配置其语音输入与响应链路。以下是实现语音控制的具体步骤：
一、启用语音转文本（STT）功能
语音控制依赖于将用户语音实时转录为可处理的文本，Hermes Agent默认集成Whisper API作为核心语音识别后端，需确保该工具已正确安装并可调用。
1、确认系统已安装ffmpeg和Python 3.11以上版本：hermes tool check ffmpeg && python --version
2、运行语音工具初始化命令：hermes tools install whisper
3、在配置文件~/.hermes/config.yaml中，将stt_provider字段设为whisper，并指定模型尺寸（如tiny、base、small）：
4、重启Hermes Agent使配置生效：hermes agentstop && hermes agentstart
二、配置文本转语音（TTS）输出
完成语音输入后，需将Agent的文本回复合成为语音，以实现完整语音闭环。Hermes Agent支持Edge TTS、ElevenLabs及OpenAI TTS三种主流provider，任选其一即可启用语音播报。
1、若选用Edge TTS（免密、本地可用），执行：hermes tools install edge-tts
2、若选用ElevenLabs，需先获取API Key，并运行：hermes config set tts.provider elevenlabs
3、在config.yaml中设置tts.voice_id（如“Rachel”或“Antoni”）及tts.rate参数以调节语速
4、验证TTS是否就绪：hermes tts test "你好，语音控制已启动"
三、启动语音交互模式
Hermes Agent不默认开启持续监听，需通过显式命令触发语音会话，避免误唤醒与资源占用。
1、在终端中输入语音启动指令：hermes voice start
2、听到提示音后开始说话，单次语音时长建议控制在15秒内
3、语音结束3秒内无新输入，系统自动提交转录文本并生成响应
4、响应文本将立即通过已配置的TTS provider合成语音播放
四、使用语音快捷指令
无需完整句子，Hermes Agent支持预定义语音热词触发高频操作，所有热词均区分大小写且需精确匹配。
1、唤醒词默认为"Hey Hermes"，可在config.yaml中修改wake_word字段
2、执行任务类热词示例："Read last message" → 播报最近一条对话
3、控制类热词示例："Pause voice" → 暂停TTS输出，再次说"Resume"恢复
4、退出语音模式："Exit voice mode" 或按Ctrl+C中断当前会话
五、调试与日志查看
语音链路涉及多个组件协同，当出现识别失败、无响应或合成异常时，需定位具体环节问题。
1、启用详细语音日志：hermes log level voice debug
2、实时查看语音处理流水线状态：hermes voice status
3、提取最近一次语音转录原始音频（.wav）：hermes voice dump --last
4、检查音频设备权限与默认输入源：hermes voice devices
