如何在Home Assistant中部署AI语音助手(Gemini、DeepSeek、ChatGPT都可)

在 上张贴 由 声界发表回复

享受AI语音助手

我愿将今年称为Home Assistant AI语音元年。去年12月，Home Assistant官方正式推出了Home Assistant Voice Preview Edition设备。

Home Assistant Voice Preview Edition

这一举措表明官方认为相关软硬件配套已初步成熟，可以体验。与此同时伴随着过去两年AI技术的飞速发展，AI语音助手不再是遥不可及的梦想。无论你是刚入门的新手，还是经验丰富的Home Assistant玩家，现在都是时候在Home Assistant中体验AI语音助手的力量了。

为此我将发布一系列文章介绍Home Assistant AI语音助手，本期文章主要介绍以下两个方面内容：

  • •AI语音助手如何工作
  • •快速部署基于Gemini大模型的AI语音助手

我知道大家通常对理论的兴趣不如实操，但理论才是实操的基础。许多小伙伴在遇到问题时不知道如何下手解决，往往是因为缺乏理论知识的储备。

AI语音助手如何工作

1. 语音处理流

  • •Assist：Home Assistant中自带的语音助手
  • •Pipeline：是一种将一系列处理步骤有序组合在一起的方式，每个步骤通过处理数据并将其传递到下一个步骤，最终完成整个任务
  • •STT：Speech-to-Text，语音转文本
  • •TTS：Text-to-Speech，文本转语音
引自Home Assistant
引自Home Assistant

首先，通过某种硬件采集用户的语音，然后通过STT（相当于人耳）将音频转换为文本，将转换后的文本发送给Assist（相当于人脑）进行处理。虽然可以直接使用Home Assistant系统自带的Assist（对话代理），但系统自带的功能主要专注于智能家居控制，无法处理更复杂的非智能家居问题，因此需要借助AI来增强Assist的处理能力。经过Assist处理后，得到的结果是文本（这里简化了部分细节），然后通过TTS（相当于人嘴）技术将文本转换回语音，最后通过硬件播放语音。将这些步骤综合起来，我们称之为Assist Pipeline。

这种语音处理过程（STT、AI对话代理、TTS）对CPU的需求较高，通常无法在语音助手硬件（比如：Home Assistant Voice Preview Edition）上直接完成，有时甚至运行Home Assistant系统的硬件（比如：Raspberry Pi 4）也难以处理。因此，官方提供一种可选解决方案是将语音处理转移到云端（目前只提供STT和TTS服务，没有AI对话代理服务）通过Home Assistant Cloud实现。AI对话代理服务则由Gemini、ChatGPT、DeepSeek以API方式完成。这使得即便是低功耗的Home Assistant硬件，也能轻松使用AI语音助手。

本地部署STT、TTS、LLM后面文章会讲，大家别急！先关注作者加三连

快速部署基于Gemini大模型的AI语音助手

1. 准备工作

  • •备份系统：最好先备份一下系统，可以参考《Home Assistant 加载项之备份与还原（上篇）》
  • •Home Assistant Cloud：注册账户可以免费体验一个月（后面再说为什么选用）。如果续费，则每月收取6.5USD
  • •HAOS 版本：最好是2025.2.2及以上版本

2. 可选步骤

如果Home Assistant启用公网和本地域名访问，检查一下设置->系统->网络是否开启了外网访问，如果未开启需要配置下面两处网址

3. 登录Home Assistant Cloud账户

设置->Home Assistant Cloud->开始一个月免费试用

然后登录账户，会提示你添加一名为“Home Assistant Cloud”的助手，确认即可

4. 配置Home Assistant Cloud助手

设置->语音助手，在Assist下会多出一个Home Assistant Cloud

点击，按照下图配置

点击试试声音

点击播放，正常情况应该可以听到语音播放，如果显示如下错误则需要检查下步骤2

5. 公开设备以及添加别名

为了让Assist可以控制设备，需要公开设备给Assist，这样Assist可以知道哪些设备可以被它控制

系统默认在添加Assist时候就已经把所有设备都公开给它了，这里建议将不需要语音控制的设备删除掉可以加快响应速度。

除了公开设备之外，还需要给公开设备取个别名，这个别名是专门给Assist使用。这样在语音控制设备时候，Assist知道这个设备名具体对应哪个设备。

6. 语音控制设备

有多种途径使用语音助手，比如Web端首页

或者助手页面

再或者手机移动端

可以通过语音实现基本控制，例如开关设备、查询设备。

不过，从上图中你也可以看到，当我问：“你是谁？”时，它并没有理解我的意思。这也正是我在开头理论部分内容提到系统自带的Assist功能主要专注于智能家居控制，无法处理更复杂的非智能家居问题。如果我们希望它能解决更多的问题，就需要借助AI来增强Assist的处理能力。

7. 部署Gemini大模型

之所以首选Gemini大模型是因为它可以申请免费API。

设置->设备与服务->添加集成，搜索Google，在里面点击安装Google Generative AI

按照引导申请Gemini API，然后提交

8. AI语音助手

再次配置Home Assistant Cloud助手，在对话代理选项中设置为Google Generative AI，点击更新

注意，打开首选本地处理命令!!!注意，打开首选本地处理命令!!!注意，打开首选本地处理命令!!!

重要事情说三遍，这样一来对于简单开关类、查询类指令不需要走AI对话代理，直接本地处理执行，不仅响应速度更快还节约token。

9. 测试

这次问：“你是谁”，他终于可以回答了，而且问它什么大模型也能回答正确。

当我问：“你能为我做什么”时候，它的回答其实是跟你公开的设备有关，具体原因留给大家自己思考。

后记

最后，我再说说为什么我首先推荐通过Home Assistant Cloud来使用AI语音助手。主要是因为官方在中文STT和TTS方面的支持非常出色。其实我之前也尝试过本地部署STT和TTS，通过与官方方案对比，你才会发现哪些叫能用、哪些叫好用，从而有了明确的评判标准。如果一开始就直接尝试本地部署，你可能会因为不理想的体验而感到失望。

在准备这期内容时候，遇到许多坑。通过查阅官网、github、论坛才最终一一爬坑。

后续文章还会分享如何使用ChatGPT和DeepSeek作为AI对话代理，以及本地部署STT、TTS、LLM。

创作不易，希望大家能一键三连。