Asistente de voz local para automatización del hogar

IRC-Mania Die Seite rund um Sicherheit und Programmierung

Internet, Sicherheit , Internet Relay Chat

Gesponsert

Qué cubre este artículo

• Cómo construir un asistente de voz completamente local.
• Whisper (STT) + Ollama (comprensión) + Piper (TTS).
• Cómo conectar el asistente con Home Assistant.
• Ejemplos prácticos para iluminación, clima, música y seguridad.
• Buenas prácticas para latencia, precisión y privacidad.

Introducción: Asistente de voz local explicado

Un asistente de voz local comprende comandos de voz sin la nube: hablas, Whisper transcribe, Ollama entiende y decide, Piper responde. Ningún dato sale de tu red, a diferencia de Alexa o Google Home.

Este artículo está dirigido a usuarios que deseen construir un asistente de voz local. Los fundamentos los encontrarás en Home Assistant con IA y Asistentes de voz.

¿Por qué necesito un asistente de voz local?

Alexa y Google Home envían tus comandos de voz a la nube. Un asistente local procesa todo en tu servidor: “enciende la luz” se transcribe, entiende y ejecuta localmente. Sin datos hacia afuera, sin publicidad, control total.

Cómo funciona un asistente de voz local

Micrófono → Whisper (STT) → Ollama (LLM) → Home Assistant (acción) → Piper (TTS) → Altavoz. Todo local, sin nube.

La idea central es: control por voz sin transferencia de datos.

Para quién es este artículo

• Conscientes de privacidad que no quieren asistentes de voz en la nube.
• Entusiastas de automatización del hogar que construyen control por voz local.
• Usuarios de Home Assistant que quieren usar Assist localmente.
• Hackers que construyen asistentes de voz personalizados.

Términos clave

• Whisper - Speech-to-Text de OpenAI (local). Cuándo es útil: para entrada de voz.
• Ollama - Servidor de modelos local. Cuándo es útil: para comprensión.
• Piper - Text-to-Speech (local). Cuándo es útil: para salida de voz.
• Wyoming - Protocolo para servicios de voz. Cuándo es útil: para integración.
• Home Assistant - Plataforma de automatización del hogar. Cuándo es útil: para acciones.
• Assist - Asistente de voz de HA. Cuándo es útil: para la tubería.

Arquitectura

Entrada de voz (micrófono)
    │
    ▼
Whisper (STT) ──► "Enciende la luz"
    │
    ▼
Ollama (LLM) ──► Entiende: light.turn_on
    │
    ▼
Home Assistant ──► Ejecuta: luz encendida
    │
    ▼
Piper (TTS) ──► "La luz está encendida"
    │
    ▼
Salida de voz (altavoz)

Configuración: Asistente de voz completamente local

1. Stack Docker

version: "3.8"

services:
  whisper:
    image: rhasspy/wyoming-whisper:latest
    ports:
      - "10300:10300"
    volumes:
      - whisper_data:/data
    command: --model small --language de
    networks:
      - voice

  piper:
    image: rhasspy/wyoming-piper:latest
    ports:
      - "10200:10200"
    volumes:
      - piper_data:/data
    command: --voice de_DE-thorsten-high
    networks:
      - voice

  ollama:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ollama_data:/root/.ollama
    networks:
      - voice

  homeassistant:
    image: homeassistant/home-assistant:latest
    ports:
      - "8123:8123"
    volumes:
      - ha_config:/config
    networks:
      - voice

volumes:
  whisper_data:
  piper_data:
  ollama_data:
  ha_config:

networks:
  voice:
    driver: bridge

2. Configurar Home Assistant

# configuration.yaml
# Integración Wyoming para Whisper y Piper

# Ollama como agente de conversación
ollama:
  url: http://ollama:11434

En la UI:

1. Settings → Devices & Services → Add Integration → Wyoming
   • Whisper: http://whisper:10300
   • Piper: http://piper:10200
2. Settings → Voice Assistants → Assist
   • STT: Whisper
   • Conversation Agent: Ollama
   • TTS: Piper

3. Satélite (micrófono + altavoz)

Para entrada de voz necesitas un satélite:

# ESP32-S3 con Micro Wake Word
# O: Raspberry Pi con ReSpeaker
# O: Wyoming Satellite en Linux

Ejemplo práctico 1: Comandos simples

# En Home Assistant: comandos Assist
automation:
  - alias: "Enciende la luz"
    trigger:
      - platform: conversation
        command:
          - "Enciende la luz"
          - "Luz encendida"
          - "Enciende las luces"
    action:
      - service: light.turn_on
        target:
          area_id: wohnzimmer

Ejemplo práctico 2: Comandos basados en contexto

automation:
  - alias: "Comando de contexto de IA"
    trigger:
      - platform: conversation
        command:
          - "Ponlo acogedor"
          - "Ambiente acogedor"
    action:
      - service: light.turn_on
        data:
          brightness: 128
          color_temp: 300
      - service: media_player.play_media
        data:
          media_content_type: music
          media_content_id: "playlist acogedora"
      - service: climate.set_temperature
        data:
          temperature: 22

Ejemplo práctico 3: Responder preguntas

automation:
  - alias: "Pregunta a la IA"
    trigger:
      - platform: conversation
        command:
          - "Cómo está el clima"
          - "Cuál es la temperatura"
    action:
      - service: ollama.generate
        data:
          prompt: |
            Datos actuales:
            - Temperatura exterior: {{ states('sensor.aussentemperatur') }}°C
            - Clima: {{ states('weather.home') }}
            - Humedad: {{ states('sensor.luftfeuchtigkeit') }}%

            Responde la pregunta: "{{ trigger.command }}"
            Brevemente y amablemente.
        response_variable: antwort
      - service: tts.speak
        data:
          message: "{{ antwort.text }}"
          media_player_entity_id: media_player.kueche

Ejemplo práctico 4: Comandos complejos

automation:
  - alias: "Comando complejo de IA"
    trigger:
      - platform: conversation
        command:
          - "Baja las persianas cuando brille el sol"
    action:
      - condition:
          - condition: sun
            before: sunset
            after: sunrise
      - service: cover.close_cover
        target:
          entity_id: cover.wohnzimmer

Notas de seguridad

• Todo local: Ningún dato de voz sale de tu red.
• Validación: Acciones críticas (abrir puerta) deben requerir confirmación.
• Acceso al micrófono: Solo dispositivos autorizados pueden acceder.
• Registro: Registra comandos para depuración.

Errores comunes

• Latencia: Whisper + Ollama necesitan 3-7 segundos. Para respuestas más rápidas, usa modelos más pequeños.
• Idioma: Whisper small funciona bien, large es más preciso pero más lento.
• Mal interpretación: “Enciende la luz” puede afectar varios cuartos. Precisa el contexto.
• Calidad del micrófono: Micrófono pobre significa transcripción pobre.
• Ruido de fondo: El ruido perturba el reconocimiento. Buen micrófono más buena posición.

Enlaces relacionados

• Home Assistant con IA - HA + Ollama.
• Agente de automatización del hogar - Agentes de IA.
• Asistentes de voz - Descripción general.
• Whisper - Modelos STT.
• Ollama - Servidor de modelos.
• Node-RED Home Assistant - Para flujos complejos.

Puntos clave:

• Asistente de voz local: Whisper + Ollama + Piper, completamente offline.
• Sin datos que salgan de tu red, a diferencia de Alexa o Google.
• Home Assistant como capa de acciones, Assist como tubería.
• Para usuarios de automatización del hogar conscientes de privacidad.
• Latencia de 3-7 segundos, según el modelo y hardware.

FAQ

Fuentes y lecturas adicionales

• Whisper - Speech-to-Text.
• Piper - Text-to-Speech.
• Home Assistant Assist - Asistente de voz.
• Ollama - Servidor de modelos.

Premium VPS Hosting

Schnelle und sichere VPS Server

Gesponsert