एक XDA लेखक ने वॉयस कंट्रोल के लिए Home Assistant में एक स्थानीय LLM को जोड़ा, फिर अधिकांश के लिए इसे बंद कर दिया। कीवर्ड कमांड “रसोई की रोशनी चालू करें” को तेजी से संभालते हैं और कभी गलत नहीं होते, इसलिए LLM केवल तभी चलता है जब अनुरोध वास्तव में खुला हो। यह विभाजन वॉयस कमांड से भरे घर के लिए सही सेटअप है, और यह Assist के काम करने के तरीके के साथ मेल खाता है: पहले इरादे, LLM फॉलबैक। ये Home Assistant के साथ हाइब्रिड वॉयस कंट्रोल के लिए सर्वश्रेष्ठ ऐप्स हैं, वह टुकड़े जो तेज़ पथ को तेज़ बनाते हैं और LLM को तैयार रखते हैं जब कीवर्ड अनुरोध को कवर नहीं कर सकता।
हमने Linux, Windows और macOS पर Home Assistant OS, Home Assistant Container और Supervised इंस्टॉलेशन पर आठ टूल्स का परीक्षण किया। प्रत्येक विकल्प Wyoming Protocol के साथ काम करता है ताकि टुकड़े साफ-सुथरे से स्वैप हो सकें। मूल्यांकन मानदंड: कीवर्ड पथ कितनी जल्दी हल होता है, क्या LLM को नाम से या विफलता पर बुलाया जा सकता है, और क्या पूरा स्टैक स्थानीय रहता है जब इंटरनेट डाउन हो जाता है।
हाइब्रिड वॉयस सेटअप में क्या देखें
- पहले इरादे, LLM दूसरा। टूल को भाषा मॉडल को छूने से पहले कीवर्ड इरादों को आजमाना चाहिए।
- Wyoming Protocol समर्थन। जागृत शब्द, STT, TTS और उपग्रह एक सामान्य तार पर Home Assistant से बात करते हैं।
- पूरी तरह से ऑफलाइन पथ। प्रत्येक परत आवश्यकता पड़ने पर स्थानीय नेटवर्क पर चलती है।
- स्पष्ट LLM आह्वान। एक वाक्यांश, उपसर्ग या इकाई जो जानबूझकर एक अनुरोध को LLM में बढ़ाती है।
- प्रति-उपग्रह ट्यूनिंग। एक रसोई उपग्रह एक जागृत शब्द का उपयोग कर सकता है और एक शयनकक्ष दूसरा।
- रिफ्लैशिंग के बिना मॉडल स्वैप। Whisper आकार, Piper आवाज़ और LLM बैकएंड UI से बदलते हैं।
त्वरित तुलना
| ऐप | सर्वश्रेष्ठ के लिए | प्लेटफॉर्म | मुफ्त योजना | भुगतान किया गया स्तर | रेटिंग |
|---|---|---|---|---|---|
| Home Assistant Assist | डिफ़ॉल्ट हाइब्रिड वॉयस पाइपलाइन | Linux, Windows, macOS | पूरी तरह मुफ्त | कोई नहीं | 4.7 |
| Rhasspy | पूरी तरह से ऑफलाइन कीवर्ड-केंद्रित वॉयस | Linux, Windows, macOS, Docker | पूरी तरह मुफ्त | कोई नहीं | 4.6 |
| Wyoming Satellite | Pi या पुराने लैपटॉप को कमरे की माइक में बदलना | Linux | पूरी तरह मुफ्त | कोई नहीं | 4.7 |
| Ollama Conversation | LLM फॉलबैक जो आपके बॉक्स पर चलता है | Linux, Windows, macOS | पूरी तरह मुफ्त | कोई नहीं | 4.8 |
| Whisper (Wyoming) | स्थानीय भाषण-से-पाठ जो तालमेल रखता है | Linux, Windows, macOS | पूरी तरह मुफ्त | कोई नहीं | 4.7 |
| Piper (Wyoming) | प्राकृतिक स्थानीय पाठ-से-भाषण | Linux, Windows, macOS | पूरी तरह मुफ्त | कोई नहीं | 4.7 |
| OpenWakeWord | क्लाउड प्रशिक्षण के बिना कस्टम जागृत शब्द | Linux, Windows, macOS | पूरी तरह मुफ्त | कोई नहीं | 4.5 |
| Willow | उद्देश्य-निर्मित वॉयस उपग्रह फर्मवेयर | Linux, ESP32-S3 | पूरी तरह मुफ्त | कोई नहीं | 4.6 |
ऐप्स
1. Home Assistant Assist हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ डिफ़ॉल्ट पाइपलाइन
Home Assistant Assist built-in वॉयस इंजन है, और 2024 के रीवर्क से यह पहले से ही बॉक्स से हाइब्रिड पैटर्न चलाता है। एक अनुरोध पहले एक तेज़ इरादा मैचर को हिट करता है, इसलिए “पंखा बंद करें” LLM के बिना मिलीसेकंड में हल हो जाता है। जो कुछ भी मैचर पार्स नहीं कर सकता वह कॉन्फ़िगर किए गए कॉन्वर्सेशन एजेंट को गिरता है, जहाँ Ollama या OpenAI प्लग करता है। Assist STT और TTS रूटिंग भी स्वामित्व में है, इसलिए पाइपलाइन पाँच की बजाय एक स्क्रीन है।
जहाँ यह विफल होता है: इरादा सिंटैक्स अभी भी लोगों को भ्रमित करता है। जटिल वाक्यांशों को वाक्य ट्रिगर या कस्टम इरादे की आवश्यकता होती है, जो ऑटोमेशन संपादित करने की तुलना में अधिक काम है।
मूल्य निर्धारण:
- मुफ्त: स्थानीय पाइपलाइन के साथ पूरी तरह मुफ्त।
- भुगतान किया गया: Nabu Casa लगभग $6.50/महीने से क्लाउड STT और TTS होस्ट करता है यदि आप उन्हें स्थानीय रूप से नहीं चलाना चाहते हैं।
प्लेटफॉर्म: कोई भी Home Assistant इंस्टॉलेशन (Linux, Windows via Docker, macOS via Docker)।
डाउनलोड करें: home-assistant.io/voice-pe · github.com/home-assistant/core
निष्कर्ष: यहाँ शुरू करें। नीचे दिया गया हर दूसरा पिक Assist के एक टुकड़े को विस्तारित या प्रतिस्थापित करता है, सब कुछ नहीं।
2. Rhasspy हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ कीवर्ड-प्रथम ऑफलाइन स्टैक
Rhasspy Assist से पहले है और तब भी अच्छी तरह से खड़ा होता है जब प्राथमिकता शून्य क्लाउड कॉल हो। यह एक निश्चित वाक्य टेम्पलेट फ़ाइल से आदेशों को हल करता है, जो कीवर्ड परत को तेज़ और पूर्वानुमानित दोनों बनाता है। Rhasspy 3 Wyoming Protocol बोलता है, इसलिए इसका STT और इरादा इंजन Home Assistant में तेज़ पथ के रूप में फिट बैठता है, Assist में LLM फॉलबैक के रूप में Ollama कॉन्वर्सेशन एजेंट के साथ।
जहाँ यह विफल होता है: टेम्पलेट सिंटैक्स Assist के इरादों के बगल में पुरानी लगती है। और UI कार्यात्मक है, मित्रवत नहीं।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux, Windows, macOS। Pi 4 या बेहतर पर Docker में अच्छी तरह चलता है।
डाउनलोड करें: rhasspy.readthedocs.io · github.com/rhasspy/rhasspy3
निष्कर्ष: Rhasspy चुनें यदि लक्ष्य एक कमरा है जो तब भी उत्तर देता है जब WAN एक सप्ताह के लिए नीचे चला जाता है।
3. Wyoming Satellite हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ DIY कमरे माइक
Wyoming Satellite एक पुराने लैपटॉप, Raspberry Pi या मिनी PC को एक वॉयस एंडपॉइंट में बदलता है जिसे Home Assistant प्रथम-श्रेणी उपग्रह के रूप में मानता है। जागृत पहचान उपग्रह पर चलती है, ऑडियो STT के लिए सर्वर को भेजा जाता है, और TTS वापस आता है। यह विभाजन एक $35 Pi को माइक बनाता है जबकि एक बड़ी मशीन Whisper और LLM चलाती है, जो वह सेटअप है जो हाइब्रिड पैटर्न को तेज़ रखता है।
जहाँ यह विफल होता है: सेटअप एक systemd सेवा और कॉन्फ़िग फ़ाइल है, जादूगर नहीं। बैटरी-संचालित उपग्रहों को अतिरिक्त काम की आवश्यकता होती है।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux (Debian, Ubuntu, Raspberry Pi OS)।
डाउनलोड करें: github.com/rhasspy/wyoming-satellite
निष्कर्ष: इसे घर भर में माइक्रोफोन फैलाने के लिए उपयोग करें बिना आठ कुछ खरीदे।
4. Ollama Conversation हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ स्थानीय LLM फॉलबैक
Ollama Conversation वह इंटीग्रेशन है जो Assist को एक स्थानीय Ollama मॉडल में अनुरोध पास करने देता है जब इरादा मैचर हार मान देता है। Llama 3 8B, Qwen 2.5 7B, या एक छोटा Phi-3 सभी फॉलबैक दिमाग के रूप में अच्छी तरह काम करते हैं। LLM उजागर किए गए इकाइयों को उपकरण के रूप में देखता है, इसलिए यह सेवा विधियों को कॉल कर सकता है जब अनुरोध में संरचना हो, और बातचीत करने वाली प्रतिक्रिया दे सकता है जब नहीं।
जहाँ यह विफल होता है: एक ठंडे मॉडल का पहला रन एक विनम्र GPU पर एक सेकंड ले सकता है। प्रॉम्प्ट कैशिंग मदद करती है, लेकिन गर्म स्टैंडबाय एक वास्तविक GPU निर्णय है।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं। मॉडल डाउनलोड मुफ्त हैं।
प्लेटफॉर्म: Linux, Windows, macOS।
डाउनलोड करें: ollama.com · github.com/home-assistant/core/tree/dev/homeassistant/components/ollama
निष्कर्ष: एकमात्र LLM बैकएंड पूरी वॉयस लूप को इंटरनेट से दूर रखने का बिंदु है।
5. Whisper (Wyoming) हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ स्थानीय भाषण-से-पाठ
Whisper Wyoming रैपर के साथ STT इंजन है जो अधिकांश हाइब्रिड सेटअप पर समाप्त होता है। small.en और base.en मॉडल कुछ उपग्रहों वाले घर के लिए CPU पर काफी तेज़ हैं, और medium.en एक विनम्र GPU पर एक परिवार को एक दूसरे से बात करते हुए रखता है। Whisper अच्छी तरह से इरादा पढ़ता है, इसलिए कीवर्ड तेज़ पथ पुरानी इंजनों की तुलना में अधिक बार उतरता है।
जहाँ यह विफल होता है: मॉडल पसंद महत्वपूर्ण है। छोटा मॉडल नामों और छोटे कमांड पर गलत होता है। Base या small वास्तविक सेटअप के लिए फर्श है।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux, Windows, macOS। Docker इमेज ARM और x86 पर चलता है।
डाउनलोड करें: github.com/rhasspy/wyoming-faster-whisper
निष्कर्ष: जो कोई भी “रोशनी बंद” पहली बार सुनना चाहता है उसके लिए डिफ़ॉल्ट STT।
6. Piper (Wyoming) हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ प्राकृतिक स्थानीय पाठ-से-भाषण
Piper वह न्यूरल TTS इंजन है जिसने स्थानीय वॉयस को एक दशक पुराने GPS यूनिट की बजाय एक असली सहायक की तरह लगाया। वॉयस छोटे हैं (प्रत्येक कुछ दर्जन मेगाबाइट), केवल CPU अनुमान तेज़ है, और कैटलॉग दर्जनों भाषाओं को कवर करता है। Piper छोटी पुष्टि (“ठीक है”) और लंबी LLM प्रतिक्रिया दोनों को उनके बीच बिना अंतराल के संभालता है।
जहाँ यह विफल होता है: कुछ वॉयस क्लाउड TTS के बगल में पतली लगती हैं। वॉयस क्लोनिंग दायरे से बाहर रहती है, जो अधिकांश घरों के लिए ठीक है।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux, Windows, macOS।
डाउनलोड करें: github.com/rhasspy/piper
निष्कर्ष: हाइब्रिड स्टैक के लिए सही TTS जहाँ घर पूरे दिन आउटपुट सुनता है।
7. OpenWakeWord हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ कस्टम जागृत शब्द
OpenWakeWord एक जागृत शब्द को कहीं भी ऑडियो भेजे बिना प्रशिक्षित करता है। यह हाइब्रिड सेटअप के लिए महत्वपूर्ण है क्योंकि एक बुरा जागृत शब्द कीवर्ड-केंद्रित भ्रम को तोड़ने वाली चीज़ है: एक गलत जागृत वास्तविक भाषण को STT में भेजता है, फिर LLM में, और घर पंखा घूमते हुए सुनता है। OpenWakeWord कई तैयार मॉडल और एक नए के लिए Colab नोटबुक के साथ आता है।
जहाँ यह विफल होता है: एक गुणवत्ता वाले कस्टम शब्द को कुछ हज़ार जेनरेट किए गए नमूनों की आवश्यकता होती है। पूर्व-प्रशिक्षित “Alexa”, “Hey Jarvis” और “Hey Rhasspy” कम प्रयास विकल्प हैं।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux, Windows, macOS।
डाउनलोड करें: github.com/dscripka/openWakeWord
निष्कर्ष: सही पिक जब घर का नाम पूर्व-प्रशिक्षित जागृत शब्दों में से एक नहीं है।
8. Willow हाइब्रिड वॉयस के लिए — सर्वश्रेष्ठ उद्देश्य-निर्मित उपग्रह फर्मवेयर
Willow ESP32-S3-BOX और समान विकास बोर्ड के लिए एक वॉयस-उपग्रह फर्मवेयर है, और Home Assistant Assist को प्रथम-श्रेणी बैकएंड के रूप में मानता है। डिवाइस-पर जागृत पहचान का मतलब है कि कोई ट्रैफिक डिवाइस छोड़ता नहीं है जब तक वह आपको नहीं सुनता, और पूरी यात्रा काफी तेज़ है कि कीवर्ड कमांड तात्कालिक महसूस करते हैं। Willow की Inference Server Whisper और LLM भी हो सकता है यदि कार्यभार एक बॉक्स पर रहना चाहिए।
जहाँ यह विफल होता है: हार्डवेयर एक छोटा पूल है। ESP32-S3-BOX आपूर्ति आती है और जाती है।
मूल्य निर्धारण:
- मुफ्त: पूरी तरह मुफ्त फर्मवेयर।
- भुगतान किया गया: कोई नहीं।
प्लेटफॉर्म: Linux (Inference Server के लिए), ESP32-S3-BOX और संगत हार्डवेयर।
डाउनलोड करें: heywillow.io · github.com/toverainc/willow
निष्कर्ष: Willow का उपयोग करें जब उपग्रहों को छोटे, चुप्पे और कमरे में PC के बिना हमेशा सुन रहे होने की आवश्यकता हो।
सही चुनने का तरीका
- यदि आप सबसे सरल हाइब्रिड पाइपलाइन चाहते हैं: Home Assistant Assist with Ollama Conversation as fallback and Whisper plus Piper for STT and TTS।
- यदि आप शून्य क्लाउड निर्भरता चाहते हैं: इरादा परत के लिए Rhasspy, LLM फॉलबैक के लिए Ollama और TTS के लिए Piper के अलावा।
- यदि आपके पास पहले से ही एक स्पेयर Pi है: Wyoming Satellite ताकि Pi माइक बन जाए और LLM बड़े बॉक्स पर रहे।
- यदि जागृत शब्द गलत तरीके से ट्रिगर हो रहे हैं: घर-विशिष्ट शब्द के साथ OpenWakeWord।
- यदि आपने Assist को आजमाया और सेटअप से नफरत की: Willow मिनटों में ESP32-S3-BOX को फ्लैश करता है और Assist को नेटिवली बोलता है।
FAQ
Home Assistant वॉयस कंट्रोल के लिए सर्वश्रेष्ठ स्थानीय LLM क्या है?
Llama 3 8B और Qwen 2.5 7B दोनों अच्छे से काम करते हैं जब Assist को उजागर करने वाले टूल कॉलिंग रैपर के साथ जोड़ा जाता है। छोटे Phi-3 मॉडल केवल CPU बॉक्स पर काम करते हैं लेकिन अधिक सेवा कॉल मिस करते हैं। सही मॉडल वह सबसे बड़ा है जो आपके GPU पर दो सेकंड के तहत एक अनुरोध रखता है।
क्या मैं इंटरनेट कनेक्शन के बिना Home Assistant वॉयस कंट्रोल का उपयोग कर सकता हूँ?
हाँ। Whisper, Piper, Ollama और Assist सभी स्थानीय रूप से चलते हैं, और Wyoming Satellite LAN पर ऑडियो ले जाता है। स्टैक इंटरनेट अंतराल से बचता है जब तक सर्वर और उपग्रह एक ही नेटवर्क पर हों।
क्या मुझे Home Assistant वॉयस कंट्रोल के लिए स्थानीय LLM चलाने के लिए एक GPU की आवश्यकता है?
छोटे मॉडल के लिए नहीं। Q4 में मात्रात्मक 7B मॉडल आधुनिक CPU या मध्य-श्रेणी GPU पर चलता है। GPU वह है जो प्रतिक्रिया समय को एक सेकंड के तहत रखता है, जो वॉयस को वास्तविक समय बनाता है।
मैं Home Assistant Assist को पहले कीवर्ड का उपयोग करने और केवल फॉलबैक के रूप में LLM कैसे करूँ?
Assist पहले से ही करता है। सेटिंग्स में, पाइपलाइन के कॉन्वर्सेशन एजेंट को LLM में सेट करें। इरादे पहले चलते हैं, और केवल बेमेल अनुरोध LLM तक पहुँचते हैं। intents.yaml में कस्टम वाक्य अधिक कीवर्ड कवरेज जोड़ते हैं।
Rhasspy और Home Assistant Assist के बीच क्या अंतर है?
Rhasspy पुरानी, टेम्पलेट-संचालित, कीवर्ड-प्रथम इंजन है जो स्वतंत्र रूप से या Assist STT/इरादा प्रदाता के रूप में चलती है। Assist Home Assistant में निर्मित नया, कसकर एकीकरण है जिसमें LLM फॉलबैक निर्मित है। अधिकांश 2026 सेटअप Assist का उपयोग करते हैं और Rhasspy विचारों को उधार लेते हैं।
