Hey Hermes: aus einem übrigen Echo Dot eine Sprachleitung zu deinem eigenen Agenten machen

In einer Schublade liegt ein zwei Jahre alter Echo Dot, und daneben ein Hermes-profile, das deine Projekte, deine Vorlieben und deine halbfertigen Ideen längst kennt. Beides zusammenzubringen klingt nach einem Wochenendprojekt, das damit endet, dass ein Smart Speaker ein Changelog vorliest. Am Wochenende des 5. November hat tatsächlich jemand die fehlenden Teile ausgeliefert: ein Open-Source-Projekt namens Hermes Voice, das aus einem Echo einen Konversations-Client für ein Hermes-profile macht.
Es ist klein, ehrlich über seine Grenzen und nützlich auf eine Weise, wie es die meisten Voice-Assistant-Hacks nicht sind — denn die Intelligenz steckt nicht im Speaker, sondern in dem profile, das du ohnehin pflegst.
Was die Teile sind
Drei Teile, und nur einer davon ist neu:
- Das Gerät. Ein Echo Dot oder Echo Show mit echo-dot-assist, das den Alexa-Client ersetzt, aber Fire OS und die Audiobearbeitung der Hardware behält. Dieses Projekt übernimmt Wake Word, Mikrofon und Lautsprecher.
- Home Assistant. Seine Assist-Pipeline macht Speech-to-Text (Whisper oder HA Cloud) und Text-to-Speech (Piper) und leitet die Konversation an einen Conversation Agent weiter.
- Hermes Voice. Eine Home-Assistant-Custom-Integration, die dieser Conversation Agent ist. Sie schickt jeden Turn an den API-Server eines Hermes-profile und spricht die Antwort.
Das Audio verlässt dein Netzwerk also nicht, wenn du das nicht willst, und das „Gehirn“ ist derselbe Agent, den du am Schreibtisch nutzt — mit seiner SOUL.md, seinem Langzeit-Memory und seinen Tools.
Zwei Wege, es zu installieren
Das Projekt liefert einen Hermes-Skill, der das ganze Setup erledigt — der kürzeste Weg:
hermes skills install majorminorlabs/hermes-voice/skill/hermes-voice-setup
Dann bittest du deinen Agenten, ihn zu nutzen. Er fragt, welches profile du willst, was der Voice-Assistant dürfen soll und ob du Home Assistant schon betreibst, zeigt einen Dry Run jedes Schritts und richtet dann ein eigenes profile, ein dockerisiertes Home Assistant, die Sprachdienste und einen Verifikationslauf ein.
Wenn du lieber selbst Hand anlegst, ist der manuelle Weg die übliche Home-Assistant-Routine: Repository als Custom Integration zu HACS hinzufügen, Hermes Voice installieren, neu starten, dann die Integration mit drei Feldern anlegen — URL deines Hermes-API-Servers, API_SERVER_KEY des profile und ein Anzeigename. Die URL wird mit einem GET /v1/models-Aufruf validiert, der keine Tokens kostet.
Auf der Hermes-Seite musst du den API-Server aktiviert haben, was eine Plattform in ~/.hermes/.env ist:
API_SERVER_ENABLED=true
API_SERVER_KEY=change-me-local-dev
Der Key ist dasselbe Secret, das du in die Integration einfügst. Wenn ein gateway mehrere profile bedient, nutzt die URL die multiplexte Route mit dem profile-Namen im Pfad; ein Haus mit einem einzigen profile kann auf den einfachen /v1-Endpoint zeigen.
Wie die Konversation zwischen zwei Fragen überlebt
Das ist der Teil, der entscheidet, ob das Ganze ein Spielzeug ist. Ein Voice-Assistant, der jeden Satz vergisst, ist eine Kuriosität; einer, der sich an gestern erinnert, ist ein Kollege.
Hermes Voice hält die Historie nicht selbst. Es sendet nur die neue User-Nachricht plus einen stabilen X-Hermes-Session-Id-Header, und Hermes führt die Konversation. Zwei Session-Modi entscheiden, was diese ID ist:
per_conversation(Standard) — eine Session pro Home-Assistant-Konversation, die die Pipeline nach fünf Minuten Stille frisch startet. Gut für „eine Frage auf einmal“.per_device— eine Session pro Voice-Gerät, fortgesetzt, bis esidle_reset_minutes(Standard 30) lang inaktiv war, wobei das Fenster einen Neustart übersteht. Besser, wenn du einen laufenden Faden mit einem bestimmten Raum willst.
Weil Hermes den Zustand hält, überträgt sich die Persönlichkeit des profile: SOUL.md, Langzeit-Memory und Tool-Zugriff gelten wie im Terminal. Die Integration fügt genau eine System-Nachricht hinzu — eine kurze Anweisung „antworte knapp, für Sprache“, die du bearbeiten oder abschalten kannst.
Ein Detail, das mir gefällt: Die Integration kann Hermes bei jedem Turn das lokale Datum und die Uhrzeit mitteilen. Hermes hat keine eigene Uhr, und „was steht morgen in meinem Kalender“ ist das Erste, was jeder zu einem Speaker sagt.
Was es bewusst nicht tut
In v0.1 gibt die Integration Hermes keine Steuerung von Home-Assistant-Geräten. Es kann deine Lichter nicht dimmen, und das ist eine Design-Entscheidung, keine Auslassung: Der Agent ist ein Konversations-Client, keine Smart-Home-Brücke.
Willst du doch Gerätesteuerung, ist der dokumentierte Weg, dem Voice-profile den MCP-Server von Home Assistant als Tool zu geben. Das hält die Entscheidung in deiner Config statt in der Integration, wo sie hingehört — ein Voice-profile mit Licht-plus-Terminal-Zugriff hat ein ganz anderes Risikoprofil als eines, das nur Fragen beantworten kann.
Die andere dokumentierte Empfehlung solltest du mitnehmen: Prefer handling commands locally in der Pipeline einschalten. Home Assistant beantwortet dann seine eigenen Dinge sofort — die Uhrzeit, Timer auf dem Gerät, einfache Gerätebefehle — und schickt alles andere an Hermes. Diese lokalen Antworten sind die von HA, nicht die des Agenten, und Hermes sieht sie nie.
Damit es wie ein Mensch klingt
Drei Einstellungen erledigen das meiste:
- Working Phrase — ein kurzer Füllsatz („Einen Moment.“), gesprochen, wenn Hermes einen Tool-Call startet, bevor es Text hat. Ein leerer Wert schaltet ihn ab.
- Streaming — standardmäßig an; die Sprache beginnt mit dem ersten vollständigen Satz statt erst nach der ganzen Antwort.
- Voice Cleanup — entfernt Markdown, Code-Fences und URLs, damit der Speaker keine Sternchen vorliest.
Dazu kommt eine Fallback-Nachricht, damit eine gescheiterte Anfrage etwas Menschliches sagt, statt einen Fehlercode vorzulesen.
Die ehrlichen Einschränkungen
- Home Assistant 2026.10 oder neuer ist die getestete Basis.
- Ein Echo zu flashen kann es bricken. Der Geräte-Guide des Projekts dokumentiert einen Dot 2, der während eines hängenden Unlocks einen Hardware-Kurzschluss brauchte, und einen Echo Show 5, dessen erster Unlock Erfolg meldete, das Gerät aber gesperrt zurückließ. Lies die Recovery-Notes, bevor du anfängst, nicht danach.
- Die getesteten Geräte sind schmal — Echo Dot 2. Gen und Echo Show 5 1. Gen, Ende zu Ende. Andere Assist-Satelliten sollten funktionieren, weil sie nur eine Pipeline brauchen, die auf die Integration zeigt, aber „sollten“ leistet in diesem Satz echte Arbeit.
- Das Wake Word ist eigen. Das Repo enthält eine reproduzierbare Pipeline und ein trainiertes microWakeWord-Modell für „Hey Hermes“, du bist also nicht auf das Standard-Wake-Word festgelegt.
Wenn du das Gegenteil dieses Setups willst — Hermes vom Handy aus steuern statt mit einem Speaker zu sprechen —, deckt der Mobile-Beta-Guide die aktuellen iOS- und Android-Apps ab, und der Speech-to-Text-Plugin-Guide ist der Einstieg, wenn du Whisper in der Pipeline gegen etwas anderes tauschen willst. Ein Blick auf die v0.23.0-Release-Seite lohnt sich ebenfalls: API-Server und gateway in diesem Zyklus sind das, was ein langlebiges Voice-profile praktikabel macht.