Projekty Home Assistant do wypróbowania w ten weekend (24-26 kwietnia)
Asystenci głosowi, tacy jak Alexa, są łatwi w użyciu, ale mają znaczące problemy. Jednym z największych jest to, że nagrania głosowe są wysyłane do chmury w celu przetwarzania, a niektóre z tych nagrań były odsłuchiwane przez zewnętrznych kontrahentów zatrudnionych do oceny jakości odpowiedzi inteligentnych głośników. Jeśli chcesz inteligentnego głośnika, który nie narusza Twojej prywatności, zawsze możesz zbudować własny.
Zbuduj własnego asystenta głosowego
Alexo, jesteś zwolniona
Jeśli masz dość polegania na Alexie lub Google Home w sterowaniu inteligentnym domem za pomocą głosu, pierwszą rzeczą, jaką musisz zrobić, jest wymiana sprzętu. Głośniki inteligentne Amazon Echo i Google Home są popularne, ponieważ są stosunkowo tanie w zakupie, ale nie musisz wydawać fortuny, aby je zastąpić.
Najłatwiejszą opcją jest zakup gotowego inteligentnego głośnika, takiego jak Home Assistant Voice Preview Edition. Możesz kupić go za 69 USD, a jeśli podłączysz go do Home Assistant Cloud, możesz błyskawicznie zacząć korzystać, używając poleceń głosowych z asystentem głosowym Assist do sterowania swoim inteligentnym domem.
Jeśli chcesz eksperymentować taniej, możesz spróbować zbudować własny inteligentny głośnik. Kupiłem zestaw reSpeaker Lite Voice Assistant od Seeed Studio, który zawiera płytkę z przetwarzaniem audio i głosu, 2-mikrofonową matrycę, głośnik 5W oraz obudowę. Możesz kupić płytkę z wstępnie przylutowanym ESP32, co pozwala połączyć ją z Home Assistant przez ESPHome, więc wszystko, co musisz zrobić, to podłączyć części, wgrać oprogramowanie układowe i zbudować obudowę.
To nie jest najlepiej wyglądający inteligentny głośnik na świecie, ale jego wydajność jest solidna; potrafi wykryć słowo wybudzające nawet gdy muzyka gra z hi-fi obok urządzenia. Korzystając z Home Assistant Cloud do przetwarzania, włącza i wyłącza moje światła za pomocą poleceń głosowych w około sekundę, co jest więcej niż wystarczające dla moich potrzeb.
Skonfiguruj Whisper i Piper do lokalnego głosu
Nie ma potrzeby polegania na chmurze
Home Assistant Cloud to wygodny sposób przetwarzania Twojego głosu za pomocą technologii Speech-to-Text (STT) oraz generowania mówionych odpowiedzi przy użyciu Text-to-Speech (TTS). Jednak jeśli chcesz mieć w pełni lokalny inteligentny głośnik, który w ogóle nie zależy od chmury, możesz skonfigurować własne usługi STT i TTS.
W Home Assistant możesz używać open-source'owego modelu rozpoznawania mowy Whisper, aby przekształcać swoje polecenia głosowe w tekst. System neuralnego syntezatora mowy Piper może przyjąć tekst wygenerowany w Home Assistant i zamienić go na mowę, którą możesz odtwarzać przez swoje inteligentne głośniki.
Home Assistant używa protokołu Wyoming do podłączenia sprzętu głosowego do Whisper i Pipera. Następnie możesz w pełni lokalnie korzystać ze swojego inteligentnego głośnika, przy czym całe rozpoznawanie słów wybudzających, przetwarzanie mowy na tekst i tekstu na mowę odbywa się na własnym sprzęcie.
Jak szybko odpowie Twój inteligentny głośnik, zależy od używanego sprzętu. Możesz uruchomić Whisper i Piper na Raspberry Pi 4, używając mniejszych modeli, ale może wystąpić opóźnienie wynoszące kilka sekund, zanim otrzymasz odpowiedź. Na Raspberry Pi 5 lub Home Assistant Green to opóźnienie może znacząco się zmniejszyć, a na mocniejszym sprzęcie, czasy odpowiedzi mogą wynosić poniżej sekundy.
Dodaj n8n do swojego ustawienia asystenta głosowego
Spraw, aby Twój asystent głosowy był jeszcze potężniejszy
Domyślnie twój inteligentny głośnik będzie używał natywnych komend asystenta głosowego Assist. Chociaż są one przydatne do wykonywania czynności takich jak włączanie i wyłączanie świateł oraz innych poleceń inteligentnego domu, Assist nie posiada takiego samego przetwarzania języka naturalnego jak LLM, więc może być konieczne trzymanie się ograniczonych wariantów sformułowań komend, jeśli chcesz, aby działały.
Możesz zapewnić swojemu asystentowi głosowemu rozumienie języka naturalnego, podłączając go do dużego modelu językowego (LLM), czy to w chmurze, czy hostowanego lokalnie. LLM działa jako agent rozmowy, który zajmuje się zrozumieniem intencji tego, co mówisz. To sprawia, że Twój inteligentny głośnik wydaje się znacznie mądrzejszy i bardziej przypomina własnościowy inteligentny głośnik.
Jeśli chcesz, aby Twój inteligentny głośnik był jeszcze bardziej wydajny, możesz podłączyć go do platformy automatyzacji, takiej jak n8n. Następnie możesz używać swojego głosu do uruchamiania automatyzacji n8n, które łączą się z innymi usługami. Najlepsze jest to, że możesz samodzielnie hostować n8n, co zmniejsza ilość danych, które muszą opuszczać Twoją sieć domową.
Używam Notion do wielu różnych zadań, w tym jako narzędzie do śledzenia muzyki, programów i filmów, które chcę obejrzeć lub posłuchać. Dzięki połączeniu n8n z Home Assistant mogę poprosić mojego inteligentnego głośnika o dodanie programu telewizyjnego do mojej listy do obejrzenia, a n8n doda odpowiedni program do mojej bazy danych śledzenia mediów, w tym okładkę i usługę streamingową, na której się znajduje.
Dobry lokalny inteligentny głośnik przestał być tylko marzeniem
Firmy takie jak Amazon i Google sprzedają inteligentne głośniki w stosunkowo niskich cenach, ponieważ są one świetnym sposobem na wciągnięcie ludzi w ich ekosystemy. W przeszłości lokalne inteligentne głośniki nie mogły konkurować z asystentami głosowymi opartymi na chmurze, ale ta przepaść została zmniejszona. Mój własnoręcznie zbudowany inteligentny głośnik robi prawie wszystko, co chcę, bez subskrypcji, bez reklam i bez dużych korporacji, które słuchają wszystkiego, co mówię.