Habla con Hermes a tu manera.

• Dictado (STT) convierte tu voz en texto para el cuadro del chat.
• Leer en voz alta (TTS) reproduce una respuesta desde el botón de altavoz de su burbuja. También puedes activar la lectura automática.
• Modo conversación añade el orbe, escucha por turnos y reproduce las respuestas sin tener que tocar el cuadro de texto.

El modo conversación tiene su propio interruptor. Si lo desactivas, el micrófono de dictado y el altavoz de cada mensaje siguen funcionando.

No necesitas instalar un servidor de voz para la ruta local recomendada. Si tu Dashboard de Hermes ofrece voz, también puedes elegir Servidor Hermes: la app usa su proveedor, modelo y voz sin copiar sus claves al móvil.

En Ajustes → Voz → Voz a texto, elige primero cuándo quieres ver la transcripción:

• Dictado en directo · recomendado. El texto aparece mientras hablas. Puedes procesarlo en este móvil con Sherpa/Whisper, o usar un servidor STT propio con faster-whisper.
• Transcribir al terminar. Whisper graba la frase y la convierte a texto al acabar. Funciona sin conexión después de descargar el modelo.

Dentro de «Otros métodos de dictado» también está el Reconocedor de Android. Depende del servicio instalado en el sistema y puede usar red; en GrapheneOS o en móviles sin servicios de voz quizá no esté disponible.

Para el dictado en directo local puedes escoger Whisper base, Whisper small o Parakeet v3. La app indica tamaño y consumo: descarga únicamente el modelo que vayas a utilizar.

1. En Voz a texto, elige «Dictado en directo» y «En este móvil».
2. Descarga un modelo. Whisper base es el punto de partida equilibrado.
3. En Texto a voz, elige «Voz sin conexión».
4. Descarga y selecciona una voz; después pulsa Probar voz.
5. Concede el permiso de micrófono cuando Android lo solicite.

El reconocimiento y la síntesis se ejecutan en el teléfono y, una vez descargados los modelos, no necesitan Google ni una API de voz. Como en cualquier mensaje, el texto final sí se envía a la instancia de Hermes que hayas elegido.

Si prefieres ahorrar espacio, usa la Voz de Android; necesita que el móvil tenga instalado un motor TTS compatible.

1. En Ajustes → Voz, elige Servidor Hermes.
2. Comprueba el proveedor, modelo y voz que anuncia el Dashboard.
3. Pulsa Probar voz del servidor antes de volver al chat.

Cuando el servidor expone /api/audio/speak-stream, Hermes Console reproduce PCM mientras se genera para empezar antes. Si no está disponible, degrada a síntesis progresiva compatible; la pantalla indica cuál de las dos rutas se observó realmente.

Los proveedores y sus claves se configuran en el servidor. La app no instala un proveedor a ciegas ni muestra como disponible algo que el Dashboard no anuncie.

Estas opciones están plegadas en Servicios externos (avanzado). No hacen falta para usar la voz local.

• Kokoro local · configuración guiada. Escribe la dirección del equipo y el puerto —normalmente 8880—. La app completa la ruta, comprueba el servidor y carga las voces disponibles.
• Otra API compatible con OpenAI. Para servicios que implementen POST /v1/audio/speech. Introduce la URL base terminada en /v1, voz, modelo y token si lo exige.
• ElevenLabs. Introduce tu clave xi-api-key y el identificador de voz. El texto que se vaya a leer se envía a ElevenLabs.
• API TTS personalizada. Admite una URL REST propia, sin clave, Bearer, x-api-key o una cabecera personalizada. Detecta audio binario y los formatos base64 JSON habituales.

En la API personalizada abre «Mi proveedor usa un formato especial» solo si su documentación exige otra plantilla JSON o una ruta de audio concreta.

Los tokens se guardan cifrados mediante Android Keystore. Una URL pública debe usar HTTPS; HTTP solo se permite en localhost, LAN o Tailscale.

En Texto a voz puedes decidir qué ocurre al volver a tocar el altavoz mientras una respuesta se está leyendo:

• Pausar y continuar · predeterminado. Se calla al momento y el siguiente toque continúa desde la frase donde paraste.
• Detener y reiniciar. Descarta el progreso; el siguiente toque vuelve al principio.

La pantalla conserva el mensaje original, pero la versión hablada se prepara para sonar mejor: elimina marcas de Markdown y separadores visuales; humaniza barras y fragmentos técnicos; estructura listas, citas y tablas; omite bloques de código, encabezados de fuentes, bibliografía y URLs aisladas; y añade pausas según párrafos y encabezados.

El progreso de lectura solo vive durante esa sesión y no se guarda como historial. Si el contenido del mensaje cambia, la siguiente lectura comienza con la versión nueva.

1. En Ajustes → Voz, activa «Modo conversación».
2. Entra en un chat y toca el icono de conversación para abrir el orbe.
3. Habla cuando indique «Escuchando». Verás la transcripción y los estados del turno.
4. Toca el orbe para pausar o continuar; termina la sesión cuando hayas acabado.

Voz y teclado comparten el mismo contexto y la misma respuesta: el modo conversación no añade una instrucción oculta de brevedad ni cambia la personalidad del agente. Markdown y bloques técnicos permanecen completos en pantalla; la proyección hablada omite marcas y código que no sonarían naturales.

Con Interrumpir hablando activado, la voz del servidor puede admitir barge-in durante generación y durante reproducción por una salida privada demostrable, como auriculares. La app exige habla sostenida, silencia la locución y solo cancela el turno tras obtener una transcripción válida. Con altavoz mantiene el control táctil para parar.

Una sesión de Voz iniciada manualmente puede seguir conversando y aceptar una orden completa como «cállate» desde el launcher o con la pantalla bloqueada cuando están activadas tanto la continuidad como «Interrumpir hablando» y existe una ruta privada confirmada. Esto no habilita escucha en reposo. Ese cierre exterior, junto con la liberación de micrófono y servicio, sigue dentro del gate final de dispositivo; con altavoz usa el control táctil para terminar.

Hermes Console no incluye activación por palabra clave, detector en reposo ni modelos asociados. El micrófono solo se abre cuando inicias Dictado o una conversación de Voz; la continuidad fuera de la app sigue siendo una elección separada.

Esta opción está desactivada por defecto. Antes del primer uso, la app explica dónde se procesará la voz y te deja elegir:

• Solo con la app abierta. Al bloquear o salir de la app se pausan el micrófono y la voz de Hermes.
• Seguir con pantalla bloqueada. Mantiene la sesión mediante un servicio visible de Android.

Cuando eliges continuidad, la notificación muestra el estado de Voz y ofrece acciones claras para Pausar/Continuar, Abrir y Terminar. Android mantiene además su indicador de micrófono.

Terminar, forzar el cierre de la app o reiniciar el teléfono apaga la sesión. No se restaura sola tras un reinicio y no arranca desde segundo plano.

• STT local y TTS local: el audio se procesa en el teléfono. El texto reconocido se envía después a tu Hermes como un mensaje normal.
• Servidor STT propio: el audio del micrófono viaja a la URL de faster-whisper que configuraste.
• Reconocedor de Android: su proveedor puede procesar el audio online según el motor instalado.
• TTS externo: el texto que se va a leer se envía a Kokoro, ElevenLabs o la API que configuraste.

XPeta Lab no opera un servidor de voz, no recibe conversaciones y no añade telemetría. Tú eliges los motores y puedes volver a la configuración local en cualquier momento.

• No suena. Pulsa «Probar voz», revisa el volumen multimedia y la salida Bluetooth. Para voz local, confirma que el motor o modelo esté instalado.
• El altavoz tarda o no se detiene. Tócalo una vez y espera a que cambie su estado. Si un motor externo no responde, prueba primero la voz en Ajustes y revisa su red; la app aplica un tiempo límite para no quedarse bloqueada.
• GrapheneOS no ofrece voz de Android. Usa «Voz sin conexión» y «Dictado en directo → En este móvil».
• El modelo local falla. Libera memoria y prueba Whisper base o una voz más ligera; Parakeet y algunas voces necesitan más RAM.
• Kokoro no se detecta. Comprueba que el móvil alcanza la dirección por LAN/Tailscale y que el puerto responde. Escribe solo dirección y puerto en el asistente.
• La API personalizada responde sin audio. Comprueba su documentación y usa las opciones avanzadas únicamente para indicar su JSON o ruta base64 real.
• No aparece la notificación bloqueada. Activa «Seguir con pantalla bloqueada» y concede el permiso de notificaciones de Android.

Cambia una sola opción cada vez y usa «Probar voz» antes de volver al chat.