【2026年】Hermes Agent 音声モード完全ガイド！ハンズフリーCLI・Telegram音声返信・Discordボイチャの全手順

---

「キーボードを触らずにAIエージェントと会話できたら？」

Hermes Agentの音声モードを使えば、それが実現する。CLIでハンズフリー操作、Telegramで音声返信、Discordボイスチャンネルでライブ会話——3つの使い方が、1つのエージェントで完結する。

この記事では、Hermes Agent公式ドキュメントのVoice Modeガイドをもとに、「何ができるか」「どう設定するか」をセットアップ手順つきで初心者にもわかりやすく解説する。

この記事を読めば：

• 音声モードの3つの使い方と、どれを選ぶべきか
• 必要パッケージ・システム依存・STT/TTSプロバイダーの選び方
• macOS/Ubuntuでの具体的なセットアップ手順
• 無料で始める「ローカルSTT + Edge TTS」構成

が、すべてわかる。

---

音声モードで何ができるか（3つの体験）

公式ドキュメントでは、音声モードは「3つの異なる体験」に分類されている。

公式が推奨する段階的な導入パス：

1. まずテキストを完璧に動かす
2. 音声返信を有効にする
3. Discordボイスチャンネルに進む（本格体験したい場合）

---

何が便利か（具体的ユースケース）

• ハンズフリーCLI：キーボードに触れずに「これデバッグして」「このファイル読んで」と口頭指示
• 歩きながらアイデア出し：散歩中に音声で質問→音声で回答を受け取る
• Telegramで音声返信：スマホのTelegramから音声メッセージを送ると、Hermesが音声で返してくる
• Discordボイスチャンネル：チームのVCにHermesを常駐させ、会話に参加させる

重要：Nous Portalを使えば、LLMとTTSの両方を1つのOAuthでまかなえる。追加のAPIキー設定は不要。

---

セットアップ手順（5ステップ）

Step 1: テキストモードが動くことを確認

音声の前に、まず基本を固める。

hermes doctor    # Hermesが起動するか確認
hermes chat      # テキストで普通に会話できるか確認

「Hello, what can you do?」のような簡単な質問にテキストで応答できればOK。

Step 2: 必要なextrasをインストール

使いたい用途によってインストールするパッケージが変わる。

# CLIマイク + 音声再生（ハンズフリー操作）
pip install "hermes-agent[audio]"

# メッセージングプラットフォーム（Telegram/Discord）
pip install "hermes-agent[messaging]"

# 高品質TTS（ElevenLabs）
pip install "hermes-agent[elevenlabs]"

# ローカル NeuTTS（オプション・完全ローカル）
pip install "hermes-agent[neutts]"

# 全部入り
pip install "hermes-agent[all]"

Step 3: システム依存をインストール

macOS

brew install portaudio ffmpeg opus espeak-ng

Ubuntu / Debian

sudo apt install portaudio19-dev ffmpeg libopus-dev espeak-ng

各パッケージの役割：

• portaudio → マイク入力・音声再生（CLI音声モード用）
• ffmpeg → TTS音声変換・メッセージング配信
• opus → Discordボイスコーデック
• espeak-ng → NeuTTSの音素変換バックエンド

Step 4: STT（音声→テキスト）とTTS（テキスト→音声）のプロバイダーを選ぶ

Hermesはローカルとクラウドの両方に対応。

最も簡単・安価な構成（初心者おすすめ）：

• STTプロバイダー: whisper（ローカル）
• TTSプロバイダー: edge（無料）

.env に追加：

HERMES_STT_PROVIDER=whisper
HERMES_TTS_PROVIDER=edge

プロバイダー選択のガイド：

Step 5: 起動して会話

# CLIマイクモード（インタラクティブ音声ループ）
hermes voice

# 通常起動（Telegram/Discordで音声返信が有効に）
hermes start

CLIモードでは、話しかけると即座に音声で返答。会話を終えるには Ctrl+C。

---

Discordボイスチャンネルの設定（上級者向け）

Discord VCを使うには別途設定が必要。公式ドキュメント参照。概要：

• Discord Botに「Voice Channelに接続」権限を付与
• opus パッケージのインストール必須
• HermesのDiscord設定でボイスチャンネルIDを指定

---

すぐに使えるかチェックリスト

• [ ] hermes doctor で正常起動確認
• [ ] テキストチャットで普通に会話できる
• [ ] portaudio / ffmpeg / opus / espeak-ng インストール済み
• [ ] .env に STT_PROVIDER / TTS_PROVIDER 設定済み
• [ ] hermes voice でCLIマイクモードが動く

---

よくある質問（FAQ）

Q1. 無料で音声モードを使える？

はい。STT=whisper（ローカル）+ TTS=edge（無料）の組み合わせなら完全無料。

Q2. 日本語の音声認識はできる？

whisperは日本語対応。edge TTSも自然な日本語読み上げが可能。

Q3. スマホから音声で話せる？

Telegram連携時、スマホのTelegramで音声メッセージを送ればHermesが処理し、音声で返信可能。

Q4. Discordボイスチャンネルに常駐させられる？

はい。専用設定でHermesをDiscord VCに常駐させ、ライブ会話が可能。

Q5. CLI音声モードで複数ターンの会話ができる？

はい。hermes voice で対話ループに入り、続けて話しかけられる。

Q6. プライバシーは？

whisper + neutts構成なら完全ローカルで音声処理。クラウドTTSを使う場合はAPI経由でデータ送信。

Q7. どのOSで使える？

macOS・Linux。WindowsはWSL経由で対応。

Q8. Nous Portalって必要？

必須ではないが、1つのOAuthでLLM+TTSをまかなえるため設定が圧倒的に楽。

---

まとめ — 音声モードでHermesが「相棒」になる

結論：Hermes Agentの音声モードは、「タイピングしないAI操作」を実現する、実用的で自由度の高い機能だ。

• 無料構成（whisper + edge）なら今すぐ始められる
• CLI → Telegram音声返信 → Discord VC と段階的に拡張可能
• 日本語対応済み（STT・TTSとも）

まずは3分でできること：

pip install "hermes-agent[audio]"
brew install portaudio ffmpeg    # macOS
hermes voice                      # 話しかけてみる

歩きながら「このバグの原因は？」と聞いて、音声で回答をもらう——それがHermes音声モードの日常だ。

---

この記事の情報は2026年7月時点のものです。内容は Hermes Agent公式ドキュメント - Use Voice Mode with Hermes に基づく。