实时音频
实时波形
空闲
实时对话
等待对话
💬
对着小万说话，对话将实时出现在这里
视觉画面
最近抓拍
📷
说"看看这是什么"触发摄像头抓拍
数据流管线
1设备采集
2WebSocket 传输
3语音识别 ASR
4Hermes 思考
5语音合成 TTS
6扬声器播放
事件日志
实时
能力矩阵
唤醒词（"嗨小万"）已上线
实时语音对话已上线
流式逐句合成已上线
视觉理解 / 抓拍已上线
对话记忆已上线
说话打断 barge-in已上线
红外万能遥控已上线
OTA 空中升级已上线
LED 灯语指示硬件受限
架构说明
设备 → 本地 Bridge → Hermes 大脑
设备只做感官翻译（音频/图像 ↔ 数据），所有思考、记忆、工具调用都在 Hermes 本体完成，回复转成语音送回设备播放。
设备只做感官翻译（音频/图像 ↔ 数据），所有思考、记忆、工具调用都在 Hermes 本体完成，回复转成语音送回设备播放。