Hey Hermes: transformando um Echo Dot encostado em uma linha de voz para o seu próprio agent


Tem um Echo Dot de dois anos numa gaveta e um profile do Hermes que já conhece seus projetos, suas preferências e suas ideias pela metade. Juntar as duas coisas soa como um projeto de fim de semana que termina com uma caixa de som lendo um changelog em voz alta. No fim de semana de 5 de novembro, alguém de fato entregou as peças que faltavam: um projeto open source chamado Hermes Voice, que transforma um Echo em cliente de conversa para um profile do Hermes.

Ele é pequeno, honesto sobre seus limites e útil de um jeito que a maioria dos hacks de assistente de voz não é — porque a inteligência não está na caixa de som, está no profile que você já mantém.

Quais são as peças

Três partes, e só uma delas é nova:

  • O dispositivo. Um Echo Dot ou Echo Show rodando echo-dot-assist, que substitui o cliente da Alexa mantendo o Fire OS e o processamento de áudio do hardware. Esse projeto cuida da wake word, do microfone e do alto-falante.
  • O Home Assistant. O pipeline do Assist faz speech-to-text (Whisper, ou HA Cloud) e text-to-speech (Piper), e roteia a conversa para um conversation agent.
  • O Hermes Voice. Uma integração customizada do Home Assistant que é esse conversation agent. Ela envia cada turno para o servidor de API de um profile do Hermes e fala a resposta.

Assim, o áudio nunca sai da sua rede se você não quiser, e o “cérebro” é o mesmo agent que você usa na sua mesa — com o SOUL.md, a memória de longo prazo e as ferramentas dele.

Duas formas de instalar

O projeto traz uma skill do Hermes que faz toda a configuração, que é o caminho mais curto:

hermes skills install majorminorlabs/hermes-voice/skill/hermes-voice-setup

Depois peça ao seu agent para usá-la. Ela pergunta qual profile usar, o que o assistente de voz pode fazer e se você já roda Home Assistant, mostra um dry run de cada etapa e então configura um profile dedicado, um Home Assistant em Docker, os serviços de fala e uma passada de validação.

Se você prefere manter as mãos na massa, o caminho manual é a rotina normal do Home Assistant: adicione o repositório ao HACS como integração customizada, instale o Hermes Voice, reinicie e então adicione a integração com três campos — a URL do servidor de API do seu Hermes, a API_SERVER_KEY do profile e um nome de exibição. A URL é validada com uma chamada GET /v1/models, que não custa tokens.

Do lado do Hermes você precisa do servidor de API ativado, que é uma plataforma em ~/.hermes/.env:

API_SERVER_ENABLED=true
API_SERVER_KEY=change-me-local-dev

A chave é o mesmo segredo que você cola na integração. Se um gateway serve vários profiles, a URL usa a rota multiplexada com o nome do profile no caminho; uma casa com um único profile pode apontar para o endpoint /v1 simples.

Como a conversa sobrevive entre perguntas

Esta é a parte que decide se a coisa é um brinquedo. Um assistente de voz que esquece cada frase é uma curiosidade; um que lembra de ontem é um colega.

O Hermes Voice não guarda o histórico. Ele envia apenas a nova mensagem do usuário mais um header estável X-Hermes-Session-Id, e o Hermes mantém a conversa. Dois modos de sessão decidem qual é esse id:

  • per_conversation (padrão) — uma sessão por conversa do Home Assistant, que o pipeline reinicia depois de cinco minutos de silêncio. Bom para uso de “uma pergunta por vez”.
  • per_device — uma sessão por dispositivo de voz, continuada até ele ficar ocioso por idle_reset_minutes (padrão 30), com a janela sobrevivendo a um restart. Melhor se você quer um fio contínuo com um cômodo específico.

Como o Hermes guarda o estado, a personalidade do profile continua valendo: SOUL.md, memória de longo prazo e acesso a ferramentas se aplicam como no terminal. A integração adiciona exatamente uma mensagem de sistema — uma instrução curta de “responda brevemente, para fala”, que você pode editar ou desligar.

Um detalhe de que eu gosto: a integração pode informar ao Hermes a data e a hora locais em cada turno. O Hermes não tem relógio próprio, e “o que tem na minha agenda amanhã” é a primeira coisa que qualquer pessoa diz a uma caixa de som.

O que ele deliberadamente não faz

Na v0.1 a integração não dá ao Hermes nenhum controle de dispositivos do Home Assistant. Ele não consegue dimerizar suas luzes, e isso é uma escolha de design, não uma omissão: o agent é um cliente de conversa, não uma ponte de casa inteligente.

Se você quer controle de dispositivos, a rota documentada é dar ao profile de voz o servidor MCP do Home Assistant como ferramenta. Isso mantém a decisão na sua configuração em vez de na integração, que é o lugar certo para ela — um profile de voz com acesso a luzes e terminal tem um perfil de risco bem diferente de um que só responde perguntas.

A outra recomendação documentada vale seguir: ative Prefer handling commands locally no pipeline. O Home Assistant então responde na hora às próprias coisas — a hora, timers no dispositivo, comandos simples de dispositivo — e manda todo o resto para o Hermes. Essas respostas locais são do HA, não do agent, e o Hermes nunca as vê.

Fazendo soar como uma pessoa

Três configurações fazem quase todo o trabalho:

  • Working phrase — um preenchimento curto (“Um momento.”) falado quando o Hermes começa uma chamada de ferramenta antes de ter qualquer texto. Um valor vazio desliga.
  • Streaming — ligado por padrão; a fala começa na primeira frase completa em vez de esperar a resposta inteira.
  • Voice cleanup — remove markdown, code fences e URLs para que a caixa de som não leia asteriscos em voz alta.

Há também uma mensagem de fallback, para que uma requisição falha diga algo humano em vez de ler um código de erro.

As ressalvas honestas

  • Home Assistant 2026.10 ou mais novo é a base testada.
  • Flashear um Echo pode brickar o aparelho. O próprio guia de dispositivos do projeto documenta um Dot 2 que precisou de um curto no hardware durante um unlock travado, e um Echo Show 5 cujo primeiro unlock reportou sucesso mas o deixou bloqueado. Leia as notas de recuperação antes de começar, não depois.
  • Os dispositivos testados são poucos — Echo Dot 2ª geração e Echo Show 5 1ª geração, de ponta a ponta. Outros satélites do Assist devem funcionar porque só precisam de um pipeline apontado para a integração, mas o “devem” está fazendo trabalho de verdade nessa frase.
  • A wake word é customizada. O repositório inclui um pipeline reproduzível e um modelo microWakeWord treinado para “Hey Hermes”, então você não fica preso à wake word de fábrica.

Se você quer o inverso desta configuração — controlar o Hermes pelo celular em vez de falar com uma caixa de som —, o guia do beta mobile cobre os apps atuais de iOS e Android, e o guia do plugin de speech-to-text é o ponto de partida se você quiser trocar o Whisper por outra coisa no pipeline. A página da release da v0.23.0 também vale uma olhada: o servidor de API e o gateway deste ciclo são o que torna um profile de voz de longa duração prático.