用途：Voicebox 是本地优先的语音工作室，接入 Hermes 后提供语音输入输出。它有两种接入方式：一是作为管线提供方，当 tts.provider 与 stt.provider 设为 voicebox 时，朗读回复和收到的语音消息转写会自动经过 Voicebox，无需额外操作；二是通过 MCP 工具执行主动语音操作与回忆。
主要能力：MCP 工具包括 mcp__voicebox__voicebox_speak、voicebox_transcribe、voicebox_list_profiles、voicebox_list_captures。Captures 标签保存用户所有听写内容，并保留原始音频与转写文本，可用于检索用户此前口述的想法或语音笔记。音色即 Voicebox 配置文件（克隆或预设），引擎（qwen、kokoro、chatterbox 等）是每个配置文件的默认值，仅在用户指定时才覆盖。长文本可直接发送，Voicebox 会自动分块并交叉淡化。
使用方式：仅在用户明确要求朗读、或用户不在屏幕前且回复简短有用时才朗读；群聊中不要主动朗读，长内容先摘要再询问，用户忽略或停止音频后不要反复播放。profile 参数接受名称或 id，不确定时用 voicebox_list_profiles 列出；用户指定音色时须遵从，否则省略 profile，由 Voicebox 使用用户为该客户端设置的绑定。用户提到此前口述内容时，先用 voicebox_list_captures 搜索，再请其重复。
限制：Whisper 在 Voicebox 本地运行，首次使用新模型尺寸会触发后台下载，此时返回“仍在下载”错误，应等待一分钟后重试并告知用户。若 Voicebox 无法访问，说明应用未运行，应明确告知“你的 Voicebox 应用似乎没有打开”，而非笼统报错。其余收费、平台与效果信息暂未提供。