Lokal stemmestyring med Home Assistant Assist

Home Assistant Assist kan forstå en kommando, finde den rigtige enhed og svare med tale. En fuldt lokal pipeline holder lyd, tekst og handling på dit eget udstyr. Start på telefonen; tilføj først en fast voice-satellit, når hele pipelinekæden virker.

Arkitektur og valg

En lokal samtale følger denne kæde:

Mikrofon → wake word/tryk → tale-til-tekst → Assist-intent → handling → Piper → højttaler

Del	Lokalt valg	Hvornår det passer
Tale-til-tekst	Speech-to-Phrase	Hurtige, kendte smart-home-sætninger på beskedent hardware
Tale-til-tekst	Whisper	Mere fleksibel tale, men større CPU/GPU-krav og typisk højere ventetid
Intent	Home Assistants indbyggede samtaleagent	Forudsigelig styring af eksponerede enheder
Tekst-til-tale	Piper	Lokal generering af stemmen
Input/output	Companion-app	Bedste første test uden ekstra hardware
Fast satellit	Home Assistant Voice eller ESPHome voice-enhed	Håndfri brug i et rum efter pipeline-test

En LLM-baseret samtaleagent er ikke nødvendig for almindelig lys-, klima- eller mediestyring. Tilføjer du en cloudbaseret agent, er den del ikke længere lokal.

Forudsætninger og realistisk hardware

Du skal have:

Home Assistant OS eller en installation, hvor Wyoming-tjenesterne kan køres;
en opdateret Companion-app på Android eller iOS;
en mikrofon og højttaler — telefonen er nok til første test;
ledig CPU og RAM til Speech-to-Phrase/Whisper og Piper;
korrekte områder, enhedsnavne og sprog i Home Assistant.

Speech-to-Phrase er normalt det letteste lokale udgangspunkt til styring af hjemmet. Whisper kan forstå friere formuleringer, men en langsom maskine kan give så lang svartid, at oplevelsen bliver dårlig. Mål ventetiden på dit eget udstyr.

Installér Speech-to-Phrase eller Whisper og Piper

Åbn app-butikken i Home Assistant

Gå til Indstillinger → Apps. Navnet kan være Add-ons på ældre versioner.
Installér én tale-til-tekst-motor

Begynd med Speech-to-Phrase til almindelig lokal boligstyring. Vælg Whisper, hvis du har behov for friere tale og hardware til det.
Installér Piper

Vælg en stemme og et sprog, som findes i den installerede version. Antag ikke at alle sprog og stemmer har samme kvalitet.
Start tjenesterne og læs loggene

Begge skal blive kørende uden gentagne genstarter eller modelindlæsningsfejl.

Hvis du ikke bruger Home Assistant OS, kan Wyoming-komponenter køres separat. Følg den officielle arkitektur; eksponér ikke Wyoming-porte direkte på internettet.

Opret den lokale Assist-pipeline

Gå til Indstillinger → Stemmeassistenter, opret en ny assistent og vælg:

dansk eller det ønskede lokale sprog;
Home Assistants indbyggede samtaleagent;
Speech-to-Phrase eller Whisper som tale-til-tekst;
Piper som tekst-til-tale.

Gem pipeline med et tydeligt navn som Lokal dansk. Hold den adskilt fra en eventuel cloudpipeline, så du kan se præcis hvilken der testes.

Eksponér og navngiv kun det nødvendige

Assist kan kun styre relevante eksponerede enheder. Gennemgå eksponering under stemmeassistentens indstillinger.

Eksponér først ét lys i ét korrekt navngivet område.
Brug korte, unikke navne: Loftlys i området Køkken er bedre end Zigbee2MQTT device 0x54ef.
Tilføj aliases for naturlige alternative navne.
Undgå to enheder med samme navn i samme område.
Eksponér ikke låse, garageporte, alarmer eller andre sikkerhedskritiske handlinger, før du har forstået platformens bekræftelses- og adgangsmodel.

Verificér pipeline på telefonen

Åbn Assist i Companion-appen og test disse fem grænser separat:

Lyd ind: Kan appen høre et tydeligt signal uden forvrængning?
Transskription: Matcher teksten det, du sagde?
Intent: Valgte Assist den rigtige handling og enhed?
Home Assistant-handling: Ændrede den rigtige entitet faktisk tilstand?
Svar: Afspillede Piper et forståeligt svar?

Hvis et trin fejler, reparér det trin før det næste. Et forkert lysvalg løses ikke ved at skifte mikrofon, og manglende lyd løses ikke med flere aliases.

Dansk sprog og gode kommandoer

Brug korrekte danske område- og enhedsnavne og test de indbyggede sætninger i den Home Assistant-version, du kører. Sprogunderstøttelse udvikler sig løbende; den officielle sprogoversigt er facit for aktuelle sætninger.

Begynd med konkrete kommandoer:

“Tænd loftlyset i køkkenet.”
“Sluk lyset i stuen.”
“Sæt temperaturen i kontoret til 21 grader.”

Hvis en formulering ikke forstås, kontrollér først transskriptionen, derefter eksponering, navn, område og aliases. Opret kun custom sentences, når den indbyggede model ikke dækker det konkrete behov.

Tilføj Home Assistant Voice eller en ESPHome-satellit

Når telefontesten er stabil, kan du tilføje dedikeret hardware.

Home Assistant Voice

Følg enhedens onboarding-guide, vælg den verificerede lokale pipeline og test i samme rum. Bekræft wake word, mikrofon, højttaler og pipeline hver for sig.

ESPHome voice assistant

ESPHome-enheder med mikrofon kan streame lyd til Assist. Audio bruger meget RAM og CPU på enheden. Kombinér ikke voice, Bluetooth Proxy, webserver og mange andre komponenter ukritisk på samme ESP32; officielle ESPHome-dokumenter advarer især om ressourcekonflikter mellem audio og BLE.

Privatliv og netværksgrænser

En lokal standardpipeline kan behandle tale og svar hjemme. Følgende kan ændre grænsen:

Home Assistant Cloud tale-til-tekst eller tekst-til-tale;
en ekstern LLM/conversation agent;
cloudbaserede enheder, som kommandoen styrer;
fjernlogs eller overvågning, du selv har konfigureret.

Dokumentér valgene, beskyt mikrofonen fysisk, og giv kun enheden adgang til de tjenester, den behøver.

Fejlfinding trin for trin

Ingen lyd registreres

Kontrollér mikrofontilladelse, valgt input, fysisk mute, gain og satellittens logs. Test mikrofonen uden wake word, hvis hardwaren tillader det.

Wake word reagerer ikke

Bekræft at wake-word-motoren kører det rigtige sted, at modellen er valgt, og at en manuel tryk-for-at-tale-test virker. Pipelinefejl efter wake word er et andet problem end selve wake-word-detektionen.

Transskriptionen er forkert eller langsom

Sammenlign Speech-to-Phrase og Whisper på samme hardware og sætning. Kontrollér CPU/RAM, baggrundsstøj, sprog og modelstørrelse. Mål tid til tekst i stedet for kun den samlede svartid.

Den forkerte enhed styres

Gennemgå eksponering, område, navn og aliases. Fjern dubletter og test med områdeangivelse. Se intent/debug-informationen før du ændrer tale-til-tekst.

Der kommer ingen stemme tilbage

Kontrollér Piper-log, valgt voice, outputenhed og lydstyrke. Hvis teksten vises, men ingen lyd kommer, virker intent-delen sandsynligvis allerede.

ESPHome

Se ESPHome-guides før du bygger egen satellit.

Sikkerhed

Gennemgå smart-home-sikkerhed.