"Hey Hermes": convertir un Echo Dot de reserva en una línea de voz hacia tu propio agent

Hay un Echo Dot de hace dos años en un cajón y un profile de Hermes que ya conoce tus proyectos, tus preferencias y tus ideas a medio terminar. Juntar esas dos cosas suena a proyecto de fin de semana que acaba con un altavoz inteligente leyendo un changelog en voz alta. El fin de semana del 5 de noviembre alguien publicó de verdad las piezas que faltaban: un proyecto open source llamado Hermes Voice que convierte un Echo en cliente de conversación para un profile de Hermes.
Es pequeño, honesto sobre sus límites y útil de una forma en la que no lo son la mayoría de los trucos con asistentes de voz, porque la inteligencia no está en el altavoz: está en el profile que ya mantienes.
Cuáles son las piezas
Tres partes, y solo una es nueva:
- El dispositivo. Un Echo Dot o un Echo Show ejecutando echo-dot-assist, que sustituye al cliente de Alexa manteniendo Fire OS y el procesamiento de audio del hardware. Ese proyecto se encarga de la wake word, el micrófono y el altavoz.
- Home Assistant. Su pipeline de Assist hace speech-to-text (Whisper, o HA Cloud) y text-to-speech (Piper), y enruta la conversación a un conversation agent.
- Hermes Voice. Una integración personalizada de Home Assistant que es ese conversation agent. Envía cada turno al servidor de API de un profile de Hermes y pronuncia la respuesta.
Así que el audio nunca sale de tu red si no quieres que salga, y el «cerebro» es el mismo agent que usas en tu escritorio, con su SOUL.md, su memoria a largo plazo y sus tools.
Dos formas de instalarlo
El proyecto incluye una skill de Hermes que hace toda la instalación, y es el camino más corto:
hermes skills install majorminorlabs/hermes-voice/skill/hermes-voice-setup
Luego pídele a tu agent que la use. Te pregunta qué profile usar, qué puede hacer el asistente de voz y si ya tienes Home Assistant en marcha, muestra una simulación de cada paso y después configura un profile dedicado, un Home Assistant en Docker, los servicios de voz y una pasada de comprobación.
Si prefieres tenerlo todo bajo control, el camino manual es la rutina habitual de Home Assistant: añade el repositorio a HACS como integración personalizada, instala Hermes Voice, reinicia y luego añade la integración con tres campos: la URL de tu servidor de API de Hermes, el API_SERVER_KEY del profile y un nombre visible. La URL se valida con una llamada GET /v1/models, que no consume tokens.
Del lado de Hermes necesitas el servidor de API activado, que es una plataforma en ~/.hermes/.env:
API_SERVER_ENABLED=true
API_SERVER_KEY=change-me-local-dev
La clave es el mismo secreto que pegas en la integración. Si un solo gateway sirve varios profiles, la URL usa la ruta multiplexada con el nombre del profile en el path; una casa con un solo profile puede apuntar al endpoint /v1 a secas.
Cómo sobrevive la conversación entre pregunta y pregunta
Esta es la parte que decide si el invento es un juguete. Un asistente de voz que olvida cada frase es una curiosidad; uno que recuerda lo de ayer es un colega.
Hermes Voice no guarda el historial por su cuenta. Envía solo el mensaje nuevo del usuario más una cabecera estable X-Hermes-Session-Id, y es Hermes quien mantiene la conversación. Dos modos de sesión deciden qué es ese id:
per_conversation(por defecto): una sesión por conversación de Home Assistant, que el pipeline reinicia tras cinco minutos de silencio. Va bien para un uso de «una pregunta cada vez».per_device: una sesión por dispositivo de voz, que continúa hasta que llevaidle_reset_minutesinactiva (30 por defecto), y cuya ventana sobrevive a un reinicio. Mejor si quieres un hilo continuo con una habitación concreta.
Como es Hermes quien mantiene el estado, la personalidad del profile se traslada: SOUL.md, la memoria a largo plazo y el acceso a tools se aplican igual que en la terminal. La integración añade exactamente un mensaje de sistema, una instrucción corta de «responde breve, para voz», que puedes editar o desactivar.
Un detalle que me gusta: la integración puede decirle a Hermes la fecha y la hora locales en cada turno. Hermes no tiene reloj propio, y «qué tengo mañana en el calendario» es lo primero que cualquiera le dice a un altavoz.
Lo que deliberadamente no hace
En la v0.1 la integración no le da a Hermes ningún control de dispositivos de Home Assistant. No puede bajar la intensidad de tus luces, y eso es una decisión de diseño, no un olvido: el agent es un cliente de conversación, no un puente de smart home.
Si de verdad quieres control de dispositivos, la ruta documentada es darle al profile de voz el servidor MCP de Home Assistant como tool. Así la decisión queda en tu configuración y no en la integración, que es el sitio correcto: un profile de voz con acceso a luces y a la terminal tiene un perfil de riesgo muy distinto del de uno que solo responde preguntas.
La otra recomendación documentada merece tomarse: activa Prefer handling commands locally en el pipeline. Home Assistant entonces responde al instante lo suyo — la hora, los temporizadores del dispositivo, comandos simples de dispositivo — y envía todo lo demás a Hermes. Esas respuestas locales son de HA, no del agent, y Hermes nunca las ve.
Hacer que suene a persona
Tres ajustes hacen casi todo el trabajo:
- Working phrase: un relleno corto («Un momento.») que se pronuncia cuando Hermes empieza una llamada a una tool antes de tener texto. Un valor vacío lo desactiva.
- Streaming: activado por defecto; la voz empieza en la primera frase completa en lugar de esperar a toda la respuesta.
- Voice cleanup: quita markdown, bloques de código y URLs para que el altavoz no lea asteriscos en voz alta.
También hay un mensaje de reserva, para que una petición fallida diga algo humano en lugar de leer un código de error.
Las advertencias honestas
- Home Assistant 2026.10 o posterior es la base probada.
- Flashear un Echo puede dejarlo inservible. La propia guía de dispositivos del proyecto documenta un Dot 2 que necesitó un cortocircuito de hardware durante un desbloqueo atascado, y un Echo Show 5 cuyo primer desbloqueo dijo haber funcionado pero lo dejó bloqueado. Lee las notas de recuperación antes de empezar, no después.
- Los dispositivos probados son pocos: Echo Dot de 2.ª generación y Echo Show 5 de 1.ª generación, de principio a fin. Otros satélites de Assist deberían funcionar porque solo necesitan un pipeline apuntando a la integración, pero ese «deberían» hace mucho trabajo en la frase.
- La wake word es propia. El repo incluye un pipeline reproducible y un modelo microWakeWord entrenado para «Hey Hermes», así que no estás atado a la wake word de fábrica.
Si quieres lo inverso de esta instalación — controlar Hermes desde el móvil en lugar de hablarle a un altavoz — la guía de la beta móvil cubre las apps actuales de iOS y Android, y la guía del plugin de speech-to-text es el punto de partida si quieres cambiar Whisper por otra cosa en el pipeline. La página de la release de la v0.23.0 también merece un vistazo: el servidor de API y el gateway de este ciclo son lo que hace práctico un profile de voz de larga vida.