Diga “Hey Hermes”. O agente acorda e trabalha.

O que mudou na prática

Antes, o modo de voz começava com uma tecla ou um clique. Agora o Hermes pode ficar disponível em segundo plano e iniciar uma conversa quando escuta a frase configurada. É o padrão “Hey Siri”, só que ligado ao mesmo agente que usa terminal, arquivos, memória, navegador, skills e ferramentas.

Privacidade: o que fica local e o que pode sair

A documentação da Nous Research é específica: o listener de wake word roda inteiramente no dispositivo e procura apenas a frase de ativação. Ele também vem desligado por padrão. Nada fica ouvindo até você usar /wake on ou clicar no ícone de orelha no app desktop.

Depois que o gatilho dispara, há uma diferença importante:

• Wake word: local, com openWakeWord, Sherpa ou Porcupine.
• Seu pedido: pode ser transcrito localmente com faster-whisper ou enviado a um STT cloud, conforme sua configuração.
• Resposta: passa pelo modelo escolhido e pelo TTS configurado. Edge TTS não exige chave; outros provedores podem ser pagos.

Portanto, “wake word local” não significa automaticamente “conversa inteira local”. Para isso, escolha deliberadamente modelos, STT e TTS locais.

Instalação do zero

1. Faça o Hermes responder por texto primeiro

Não comece pelo microfone. Atualize ou instale o Hermes, configure um modelo e confirme que uma conversa normal funciona.

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash
hermes update
hermes

iex (irm https://hermes-agent.nousresearch.com/install.ps1)
hermes

Dentro do Hermes, pergunte algo simples: “Quais ferramentas você tem disponíveis?”. Só continue quando a resposta em texto estiver sólida.

2. Instale os extras de wake word e voz

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

Instalações do desktop feitas com o pacote desktop já trazem essa pilha antecipadamente. No CLI, a instalação também pode acontecer sob demanda na primeira ativação.

3. Garanta as dependências de áudio

brew install portaudio ffmpeg

sudo apt install portaudio19-dev ffmpeg

4. Configure STT e TTS

O wake flow se recusa a armar se não houver transcrição e voz de saída prontas. Rode:

hermes tools

Na seção de voz, escolha:

• STT local: faster-whisper, sem chave de API.
• STT cloud: Groq Whisper ou OpenAI, com a chave correspondente.
• TTS sem chave: Edge TTS, padrão simples para começar.
• TTS premium/local: ElevenLabs, OpenAI, NeuTTS e outros provedores suportados.

5. Ligue a escuta

/wake on
/wake status
/wake off

O comando persiste a escolha no ~/.hermes/config.yaml. No desktop, clique no ícone de orelha ao lado do composer. Quando o status estiver ativo, diga “Hey Hermes”, espere a captura abrir e faça seu pedido.

Qual motor escolher

Para a maioria das pessoas, comece no openWakeWord. Troque para Sherpa quando a frase personalizada for parte do produto — por exemplo, perfis separados para código, pesquisa e operação.

Configuração que vale conhecer

wake_word:
  enabled: true
  surface: auto
  input_device: null
  provider: openwakeword
  phrase: "hey hermes"
  sensitivity: 0.6
  confirmation_frames: 3
  start_new_session: true
  openwakeword:
    model: hey_hermes
    inference_framework: ""

• surface: escolha cli, tui ou gui se várias superfícies estiverem abertas. Em auto, a primeira que armar fica dona do microfone.
• sensitivity: o padrão atual é 0.6. Quanto maior, mais rígido e menor a chance de falso disparo.
• confirmation_frames: exige três frames consecutivos acima do limiar no openWakeWord. Aumente para 4 ou 5 em ambientes barulhentos.
• input_device: use o índice ou parte do nome do microfone quando o backend escolhe a entrada errada.
• start_new_session: mantém cada ativação separada. Desative se você preferir continuar a sessão atual.

Frase personalizada sem treinar modelo

Com Sherpa, a frase é convertida em tokens no momento da configuração. O modelo inglês, de aproximadamente 13 MB, é baixado uma vez.

wake_word:
  enabled: true
  provider: sherpa
  phrase: "hey coder"

Frases com duas palavras, sons distintos e pelo menos duas sílabas funcionam melhor. Evite palavras comuns como “hello” ou “stop”, que aparecem em conversas normais.

Três usos que justificam o recurso

1. Debug sem tirar a mão do hardware

Diga: “Hey Hermes, leia os últimos erros do meu projeto e me explique a causa.” Continue perguntando, interrompa quando a direção estiver errada e peça a correção. O valor não é a voz bonita; é manter o mesmo agente com acesso ao contexto e às ferramentas.

2. Captura de ideias em movimento

Use o Hermes para transformar pensamentos soltos em briefing, plano, lista de riscos e próxima ação. A conversa contínua permite corrigir a estrutura sem voltar ao teclado.

3. Perfis ativados por frases diferentes

No desktop, habilite Sherpa nos perfis e use frases como “Hey Coder” e “Hey Research”. Uma única escuta pode identificar qual perfil foi chamado, trocar o contexto e abrir uma sessão nova.

Quando ele “está ouvindo”, mas não acorda

Mac com Apple Silicon

Deixe inference_framework vazio. O Hermes seleciona TFLite automaticamente porque o backend ONNX do openWakeWord pode produzir scores quase zerados no macOS ARM64. Se você fixar ONNX, a interface pode mostrar “listening” e nunca disparar.

Há outra armadilha: o desktop e o backend Python recebem permissões de microfone separadas. Abra Ajustes do Sistema → Privacidade e Segurança → Microfone, autorize o terminal, Python ou Hermes que aparece na lista e religue o wake word.

Windows escolheu um microfone silencioso

Push-to-talk e wake word usam caminhos diferentes. Descubra o dispositivo no /wake status e fixe a entrada:

hermes config set wake_word.input_device "Microphone Array"

Dispara com conversa de fundo

Suba sensitivity para algo próximo de 0.7 ou 0.8. Se estiver no openWakeWord, aumente confirmation_frames para 4 ou 5. Mude uma variável por vez e teste no ambiente real.

O microfone abre e nada acontece

Execute /wake status. O Hermes informa se falta STT, TTS, dependência, modelo ou dispositivo. O recurso agora recusa a ativação quando a conversa de ponta a ponta não está pronta, evitando um “ouvido” que escuta e não responde.

Checklist de saída

• Hermes responde normalmente por texto.
• Os extras [wake,voice] estão instalados.
• STT e TTS foram escolhidos em hermes tools.
• /wake status mostra o listener ativo e o microfone correto.
• “Hey Hermes” abre uma sessão e captura um pedido real.
• Dizer “stop” sozinho encerra a conversa, sem virar um prompt.
• O limiar foi testado no ambiente em que você realmente trabalha.