Wiki · Funkce do hloubky
Hlasový režim
Nadiktujete zadání a agent odpoví nahlas. Kde hlas funguje, co si připravit, jak vybrat hlas a jak se vyhnout zbytečným platbám.
Co jde a kde
| Způsob | Kde funguje | Jak se používá |
|---|---|---|
| Mluvení do agenta | Terminál na vašem počítači | Zapnete /voice on, nahrávání spustíte klávesou (výchozně Ctrl+B) |
| Hlasová odpověď | Telegram a Discord | Agent pošle odpověď jako hlasovou zprávu, kterou si pustíte v mobilu |
| Hlasové zprávy od vás | Telegram, Discord a další | Pošlete botovi hlasovku — přepíše se na text a agent odpoví |
| Hlasové kanály | Discord | Agent se připojí do hlasového kanálu a mluví s vámi |
Jak to vypadá v praxi (terminál)
Zapněte hlasový režim — stav si můžete kdykoli vypsat:
❯ /voice on ❯ /voice statusStiskněte klávesu pro nahrávání (výchozně
Ctrl+B). Ozve se pípnutí a začne nahrávání.Mluvte. Uvidíte ukazatel hlasitosti, ať víte, že vás agent slyší.
Přestaňte mluvit. Po chvíli ticha (výchozně 3 vteřiny) se nahrávání samo ukončí a ozvou se dvě pípnutí.
Text se přepíše a pošle agentovi. Když je zapnutý hlasový výstup, odpověď uslyšíte nahlas a nahrávání se rovnou rozjede znovu — můžete mluvit dál bez mačkání kláves.
Řeknete-li přesně slovo „stop“ (dá se to změnit), hlasový rozhovor se ukončí. Nahrávání má strop (výchozně 120 vteřin), aby se nezaseklo.
Co si připravit
| Co | Proč |
|---|---|
| Agent fungující v textu | Nejdřív musí odpovídat na psaní — pak má smysl řešit hlas |
| Poskytovatel modelu (klíč) | Hlas nic nepočítá sám, jen mění řeč na text a zpět |
| Zvukové vybavení na tom stroji, kde Hermes běží | Mikrofon a přehrávání pro interaktivní hlas |
| Doplněk pro hlas | Knihovny pro zvuk a přepis se nastavují přes hermes tools; v Dockeru je k dispozici jen vybraná část a doinstalování je zakázané |
Na Windows s čipem ARM a na Macích s procesorem Intel nejde místní přepis (Faster-Whisper) — tam použijte přepis přes službu (Groq, OpenAI, Mistral…) nebo hlasové zprávy v mobilu.
Přepis řeči na text (co agent slyší)
| Volba | Kdy se hodí |
|---|---|
local (výchozí, zdarma) | Běží u vás, nic se neposílá ven; náročnější na výkon |
| Groq, OpenAI, Mistral, xAI, ElevenLabs, DeepInfra | Rychle a přesně i na slabším stroji, platí se za použití nebo je v rámci tarifu |
Vypnutý přepis (stt.enabled: false) | Když chcete nahrávku zpracovat po svém — agentovi se místo textu předá cesta k souboru |
Kvalitu přepisu ovlivní i zvolený model — od nejmenšího (tiny) po největší
(large-v3) nebo turbo jako rozumný kompromis:
Hlas, kterým agent mluví (TTS)
| Volba | Cena | Poznámka |
|---|---|---|
| Edge TTS (výchozí) | zdarma | Nepotřebuje žádný klíč; 322 hlasů ve 74 jazycích |
| Placené služby (ElevenLabs, OpenAI, MiniMax, Mistral, Gemini, xAI, DeepInfra) | placené / s tarifem | Nejlepší zvuk; každá má vlastní klíč |
| Lokální (NeuTTS, KittenTTS, Piper) | zdarma | Běží u vás, nic neodesílá; některé si při prvním použití stáhnou model |
Hlas si vždycky poslechněte, než ho necháte nastavený natrvalo — přepis a výslovnost se u jednotlivých hlasů dost liší.
Kde hlas uslyšíte (a kde ho najdete)
| Kde | Podoba |
|---|---|
| Telegram | Hlasová zpráva, kterou si pustíte přímo v chatu |
| Discord | Hlasová zpráva nebo příloha |
| Zvuková příloha | |
| Terminál | Přehrávání u vás; soubory zůstávají v ~/.hermes/audio_cache/ |
Pasti z našeho provozu
| Co se stalo | Co s tím |
|---|---|
| Agent běžel na serveru bez zvukové karty | Interaktivní hlas (mikrofon u serveru) nemá smysl. Používejte hlasové zprávy v Telegramu — agenta to nechá na serveru a vy mluvíte z mobilu |
| Hlasová odpověď chodila i k věcem, které se čtou lépe | Hlasový výstup se dá vypnout (/voice tts), nebo ho zapínat jen když se hodí; výchozí stav je vypnutý |
| Přepis česky dělal chyby ve jménech a číslech | Nastavte jazyk přepisu napevno (language: cs) a u důležitých věcí (čísla, adresy) si je nechte potvrdit v textu |
| Placené hlasy začaly utrácet, aniž jsme to čekali | Hlasová odpověď = platba za každou odpověď. Výchozí Edge je zdarma; placený hlas zapínejte vědomě |
| „Neslyší mě“ | Zkontrolujte, že běží na počítači s mikrofonem (ne v kontejneru na serveru), že je vybrané správné vstupní zařízení a že agent předtím fungoval v textu |
Naše tipy
| Tip | Proč |
|---|---|
| Hlas používejte na diktování zadání, ne na čtení dlouhých odpovědí | Poslouchat seznam deseti bodů je otrava, nadiktovat úkol je úleva |
| Nechte si odpovídat krátce | Do nastavení osobnosti (SOUL.md) napište, že hlasové odpovědi mají být stručné |
| U hlasových zpráv v Telegramu zkontrolujte oprávnění | Agent má odpovídat jen vám — viz Telegram a Discord |
| Než hlas zapnete, zkuste agenta v textu | Ušetříte si hledání problému ve dvou věcech najednou |