- 实施基于怀俄明协议的语音生态系统，以保证完全的数据隐私。
- 使用 Whisper 和 Piper 等本地引擎进行语音转录和合成，无需依赖云端。
- 有可能整合 OpenAI 或 Google Gemini 等先进人工智能技术来提高理解能力。
- 部署基于 ESP32 的硬件卫星，将语音控制扩展到任何房间。
如果你厌倦了大型科技公司无所不知，甚至连你多久上一次厕所都知道，那么在家搭建一套自己的语音控制系统就是终极解决方案。Home Assistant 已经取得了巨大的进步，现在你可以创建一个完全私密的语音助手，它不会向外部服务器发送任何数据，让你在使用虚拟助手时拥有绝对的隐私控制权。
无论您想要简单的关灯装置，还是利用人工智能与您互动的复杂系统，选择都非常丰富。从使用专用硬件卫星到集成现代协议，只要您有耐心配置软件，将您的家变成真正的智能家居比以往任何时候都更容易。
系统的核心：怀俄明协议
为了确保所有组件协同工作，Home Assistant 使用了 Wyoming 协议。本质上，它是一种允许不同音频组件高效通信的语言。正因如此，我们可以将监听硬件（卫星）与处理单元（服务器）分离，从而使系统更具可扩展性和灵活性，以满足我们的需求。
语音处理的关键组件
为了让助手能够理解我们说的话并做出回应，我们需要在家庭自动化服务器上安装两个基本工具：
- Whisper（语音转文字）： 它负责将我们的声波转换成文字。它非常精准，并支持多种语言，包括西班牙语。如果您想了解更多信息，请访问…… Whisper AI 完全指南 用于转录。根据处理器的性能，您可以选择以下型号： 小 （适用于树莓派）或 中/大 （对于像英特尔 N100 这样的高性能处理器而言），这会直接影响…… 响应速度和准确性 摘自文字记录。
- Piper（文本转语音）： 这是语音助手的语音功能。它可以将系统生成的文本转换为音频。最棒的是，它非常轻巧，并提供多种西班牙语语音。 天然品质和本地加工防止声音听起来像老式机器人。
硬件：Home Assistant 语音预览版及其他卫星设备
虽然您可以使用手机，但理想情况下，您应该在家中各处放置设备。Home Assistant Voice PE就是一个不错的选择，售价约为 60 欧元。这款小巧的设备包含 ESP32-S3 芯片、带回声消除功能的双麦克风，以及一个用于静音麦克风的物理按钮，为您提供额外的安全性和隐私保障。
如果你喜欢自己动手，可以使用 ESP32 和 INMP441 麦克风搭建自己的卫星接收器，或者使用像 M5Stack Atom Echo 这样更小巧的设备。关键在于麦克风的质量，因为它决定了系统能否立即识别你的指令，还是你需要对着设备大声喊叫。
利用人工智能将助手提升到一个新的水平
如果 Home Assistant 的本地代理功能不足，您可以集成 LLM（扩展语言模型）。谷歌的生成式 AI 选项是免费的，而且效果非常好；而 OpenAI（ChatGPT）虽然是付费 API 服务，但它提供更强大的语言理解能力，并且可以解决与家庭自动化无关的复杂查询。
一种非常巧妙的配置方法是，先让系统尝试在本地处理命令，如果找不到合适的响应，则将其发送到 ChatGPT 云端。为了更好地理解这些差异，您可以查阅本地 AI 和云端 AI 的区别，从而在不牺牲现代 AI 强大功能的前提下，最大限度地保护用户隐私。
逐步设置和优化
为了避免令人沮丧的体验，正确组织系统至关重要。仅仅安装插件是不够的；您必须正确地公开实体。如果一个灯被命名为light.shelly2pm_4345353，向导将无法识别。务必将设备重命名为易于理解的名称或创建别名，并确保正确使用重音符号，因为系统对拼写差异非常敏感。
同样，按区域（客厅、厨房、卧室）和楼层划分房屋布局，可以让智能助手更加智能。例如，如果您在客厅说“打开灯” ，系统就会知道只打开客厅的灯，而不是打开整个房子的灯。
通过 VoIP 进行高级控制
对于更热衷于此的用户，还可以选择通过 VoIP 集成语音控制功能。使用像 Grandstream HT801 这样的适配器，您可以将老式模拟电话连接到 Home Assistant。当您拿起听筒时，系统会自动应答，让您可以通过老式电话或移动设备上的软电话应用程序来控制您的智能家居系统，从而为您的设备增添专业功能。
搭建本地语音系统需要在硬件性能和所选软件模型之间取得平衡。虽然英特尔 N100 处理器能够提供流畅的本地体验，但树莓派用户必须选择更轻量级的型号或依赖云服务，以避免恼人的延迟。通过结合精心组织的网络、战略性部署的卫星节点以及 Whisper 和 Piper 的强大功能，我们可以打造一个强大且私密的替代方案，取代商业语音助手，并将数据控制权交还给家庭。
