1、语音助手简介

语音助手由语音转文字（STT）、对话代理（AI）和文字转语音（TTS）三大模块组成。

语音转文字（STT）：负责将用户的语音指令转换为文字，是语音助手的输入环节。常见的实现方式包括离线模型（如FunASR）和在线服务（如讯飞、百度等）。

对话代理（AI）：作为语音助手的“大脑”，负责理解文字指令并生成回答或操作指令。常见的AI对话大模型包括最近大热的DeepSeek、豆包、智谱清言都可以接入。

文字转语音（TTS）：将对话代理（AI）生成的文字回答转换为语音输出，是语音助手的输出环节。常见的TTS 服务包括Edge TTS和Google TTS。

2、部署STT模型

我使用的是离线语音转文字（STT）模型，部署在群晖 NAS 上。目前主流的离线语音转文字（STT）模型有两种：

• Sherpa-onnx-asr：占用资源较少（仅需 1GB 内存），响应快，识别率好。

• FunASR：占用资源较高（需要 3GB 内存），响应稍慢一点，但识别率更高。

由于我的 NAS 内存有限，因此选择了部署Sherpa-onnx-asr。

通过SSH连接 NAS 后，执行以下命令进行部署：

dockerpull yaming116/sherpa-onnx-asr:latestdockerrun -d --restart=always -it --name sherpa-onnx-asr -p9911:5001yaming116/sherpa-onnx-asr:latest

部署成功后，可以Docker容器中看到Sherpa-onnx-asr：

3、安装插件

要实现Home Assistant 的语音助手功能，需要安装三个插件：FunASR、智谱清言和Edge-TTS。

① 安装 FunASR 插件

虽然我使用的语音转文字（STT）模型是Sherpa-onnx-asr，但也可以用使用FunASR插件将Sherpa-onnx-asr集成到 Home Assistant 中。

打开HACS（Home Assistant Community Store），点击右上角的三个点，选择自定义仓库。在弹出的对话框中，输入FunASR的仓库地址（https://github.com/yaming116/home-assistant-fun-asr）。选择Integration类型，点击ADD完成添加。

② 安装智谱清言插件

AI 对话模型的推荐是智谱清言，虽然也可以使用DeepSeek或豆包，但 DeepSeek 容易提示系统繁忙，而豆包的Token使用量有限。

重复步骤①，添加智谱清言的仓库地址（https://github.com/knoop7/zhipuai）。

智谱清言还需要注册并获取API Key，注册（地址：https://open.bigmodel.cn）后点右上角API密钥，获取或添加新的API Key。

③ 安装 Edge-TTS 插件

文字转语音（TTS）模型推荐直接使用Edge TTS，只需要安装相关插件即可使用。重复步骤①，添加智谱清言的仓库地址（https://github.com/hasscc/hass-edge-tts）。

4、配置语音助手

在 Home Assistant 的设置>语音助手中，将对话代理设置为智普清言，语音转文字选择Fun Asr server，文字转语音选择Edge TTS，创建语音助手。

5、测试

STT、AI、TTS响应都需要一点时间，所以整体响应看起来比较慢。

B站有提供了豆包语音助手的视频：https://www.bilibili.com/video/BV18CQGYXE15/

推荐阅读：

1.群晖NAS安装Home Assistant OS和ha_xiaomi_home米家集成

2.ESP8266通过MQTT接入Home Assistant（基于Micropython）

3.ESP8266通过MQTT接入Home Assistant（二）

4.ESP32S3摄像头接入Home Assistant（基于Micropython）

5.基于ASRPRO的语音遥控智能小车

6.巴掌大小的蓝牙遥控小车（基于RP2350或RP2040）

7.使用ASRPRO开发板语音控制emo表情机器人

8.两块行空板K10实现单向语音传输（传声筒）