「嘿 Hermes」:把抽屉里那台 Echo 变成自家 agent 的语音入口

抽屉里躺着一台两年前的 Echo Dot,而你有一个已经很懂你项目、偏好和半成品想法的 Hermes profile。把这两样凑到一起,听起来像那种“周末做完发现智能音箱在朗读更新日志”的项目。11 月 5 日,有人真的把缺的那几块拼出来了:一个叫 Hermes Voice 的开源项目,让 Echo 变成某个 Hermes profile 的对话客户端。
它很小,对自己的边界很坦白,而且有用——因为真正聪明的那部分不在音箱里,而在你本来就在维护的那个 profile 里。
三块拼图
只有一块是新的:
- 设备。 一台刷了 echo-dot-assist 的 Echo Dot 或 Echo Show。这个项目替换掉 Alexa 客户端,但保留 Fire OS 和硬件自带的音频处理,负责唤醒词、麦克风和喇叭。
- Home Assistant。 它的 Assist 流水线负责语音转文字(Whisper 或 HA Cloud)和文字转语音(Piper),并把对话交给一个“对话代理”。
- Hermes Voice。 一个 Home Assistant 自定义集成,它就是那个对话代理:把每一轮发给某个 Hermes profile 的 API server,再把回复念出来。
所以只要你想,音频完全不用出局域网;而“大脑”就是你桌面上在用的那个 agent——带着它的 SOUL.md、长期记忆和工具。
两种安装方式
项目自带一个 Hermes 技能,一条命令装好:
hermes skills install majorminorlabs/hermes-voice/skill/hermes-voice-setup
然后让你的 agent 用它。它会问你要用哪个 profile、语音助手允许做什么、你是不是已经有 Home Assistant,每一步先跑一次 dry run,再真正配置好专属 profile、Docker 版 Home Assistant、语音服务和一次校验。
想自己动手的话,手动路径就是常规的 Home Assistant 流程:在 HACS 里把这个仓库加成自定义集成 → 安装 Hermes Voice → 重启 → 添加集成,填三个字段:Hermes API server 地址、这个 profile 的 API_SERVER_KEY、一个显示名。地址会用 GET /v1/models 校验一遍,不花 token。
Hermes 这边需要打开 API server,它是 ~/.hermes/.env 里的一个平台开关:
API_SERVER_ENABLED=true
API_SERVER_KEY=change-me-local-dev
这个 key 就是要粘进集成里的那个。如果一个 gateway 同时服务多个 profile,地址走带 profile 名的复用路由;单 profile 的家庭直接指向普通的 /v1 就行。
会话是怎么在问题之间活下来的
这一点决定了它是不是玩具。每句话都失忆的语音助手是新鲜感;记得昨天那台的才是同事。
Hermes Voice 自己不留历史。它只发新的用户消息加一个稳定的 X-Hermes-Session-Id 头,历史由 Hermes 保存。两种会话模式决定这个 id 是什么:
per_conversation(默认)——一次 Home Assistant 对话一个会话,流水线在静默五分钟后开新的。适合“一次问一件事”。per_device——一台语音设备一个会话,一直延续到它空闲超过idle_reset_minutes(默认 30 分钟),这个窗口还能扛住重启。想让某个房间有一条持续的线索,用这个。
因为状态在 Hermes 手上,profile 的人格就带过来了:SOUL.md、长期记忆、工具权限,和在终端里一样生效。集成只额外加一条系统消息——一句“回答简短些,这是给语音听的”指令,可以改也可以关。
有个细节我很喜欢:集成可以在每一轮告诉 Hermes 本地的日期和时间。Hermes 自己没有时钟,而人对音箱说的第一句话往往是“我明天有什么安排”。
它故意不做什么
v0.1 的集成不给 Hermes 任何 Home Assistant 设备控制能力。它不能调你的灯——这是设计选择,不是漏做:agent 是对话客户端,不是智能家居桥。
如果你确实想要设备控制,官方给的路线是把这个语音 profile 接上 Home Assistant 的 MCP server 当工具。这样决定权留在你的配置里,而不是埋在集成里——一个能开灯又能开终端的语音 profile,和一个只会回答问题的 profile,风险等级完全不是一回事。
另一条官方建议值得照做:在流水线里打开 Prefer handling commands locally(优先本地处理)。这样 Home Assistant 自己秒答它分内的事——时间、设备上的定时器、简单的设备指令——其余的都交给 Hermes。那些本地回答是 HA 说的,不是 agent 说的,Hermes 也看不到这些轮。
让它听起来像个人
三个设置决定观感:
- Working phrase——当 Hermes 开始调工具、还没有任何文字时先念一句短填充(“稍等。”)。留空就关掉。
- 流式——默认开启,第一句完整的话一出来就开始念,而不是等整段回完。
- 语音清理——去掉 markdown、代码围栏和 URL,免得音箱把星号念出来。
还有一个兜底话术,请求失败时说句人话,而不是念一串错误码。
实话实说的坑
- Home Assistant 2026.10 或更新是被测过的基线。
- 刷 Echo 有可能把它刷成砖。 项目自己的设备文档里记录了一台 Dot 2 在解锁卡住时需要硬件短接,还有一台 Echo Show 5 第一次解锁“报告成功”但实际仍锁着。先读恢复说明,别等出事再看。
- 实测设备很窄——只有 Echo Dot 2 代和 Echo Show 5 一代是端到端跑通的。其它 Assist 卫星“应该”能用,因为只要把流水线指向这个集成即可,但那个“应该”是有分量的。
- 唤醒词是自训练的。 仓库里带了一条可复现的训练流水线和训好的 microWakeWord 模型,唤醒词就叫“Hey Hermes”,不必将就原厂那套。
如果你想看反过来的场景——用手机而不是音箱来控制 Hermes——移动端测试版指南讲了现在的 iOS 和 Android 应用;如果你想把流水线里的 Whisper 换掉,语音转文字插件指南是起点。v0.23.0 的发版页也值得一看:这一轮的 API server 和 gateway 改动,正是让“长期在线的语音 profile”这件事变得可行的原因。