企业官网建设流程全解析

怎么让 Hermes Agent 听懂语音情绪：实战避坑

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

晚上十点，Telegram 里连进三条语音，客户语气明显不对。一条条点开听太慢，Hermes Agent 的语音转文字正好派上用场。

它把语音转文字接在消息网关里：语音从 Telegram、Discord 等渠道进来，先转成文字，情感识别交给模型，回复再按需合成为语音发回去。桌面端里，各平台的会话都摆在同一个列表里。

语音转文字是怎么发生的？

消息网关收到语音附件后，会调用语音转写（STT，speech-to-text）后端：把音频交给一个 provider，换回一段文字。内置后端共六种：本机跑 faster-whisper 的 local、命令型的 local_command，再加 Groq、OpenAI、Mistral、xAI 四个云端 API。选哪个由 config.yaml 里的 stt.provider 决定，接口契约写在 语音转写接口。

转写只回答"说了什么"，不回答"心情如何"。情绪判断发生在后面模型读文本的那一步，所以不用额外训练任何模型。

情绪是怎么被说回去的？

模型读出客户在抱怨，回复自然带安抚语气。这条回复要发成语音时，走 TTS（text-to-speech，文本转语音）：内置 provider 有 edge、openai、elevenlabs、minimax 等十种，tts.provider 指定用哪个，接口在 语音合成接口。

情感标签（写在文本里的<sigh>、<laughs>这类语气标记）能不能被演出来，取决于后端：风格控制强的能演，只做基础合成的会把标签当普通文本读掉。

五步跑通语音转文字

1. 克隆并安装：git clone https://gitcode.com/GitHub_Trending/he/hermes-agent，按 安装说明 走完
2. hermes model选一个大模型
3. hermes config set stt.provider openai配云端语音转写；本机有 GPU 就设local
4. hermes config set tts.provider edge配免 key 的合成
5. 启动hermes gateway，在 Telegram 发一条语音消息，看语音转文字结果

新手容易踩的三个坑

• 别找独立的"情感识别模块"：Hermes 没有单独的情绪分类器，情感识别靠底层大模型读转写文本时完成；换个更强的模型，听感差别比换转写后端更大
• provider 配置不生效：选到云端后端却没配 API key，工具直接报错返回；内置 provider 名单固定，插件顶不掉同名内置项
• 转写准确率看环境：嘈杂录音、方言、超长语音都会掉准确率，local后端还吃本机性能；拿不准就先跑hermes doctor

下次客户再发语音，直接丢给网关；想抠转写分发逻辑，打开 agent/transcription_provider.py 看接口契约。

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent