Home Assistant 本地语音控制方案：选型、部署与实测数据
支持中文和英文语音指令。Home Assistant 官方的 Xiaomi Home 集成只允许非商业用途，本方案不预装；用于商业交付时不要使用该集成。
这套方案是干什么的
把家里的灯、窗帘、空调和 Zigbee 传感器接进 Home Assistant，用一句话控制它们。说「打开客厅灯」，Home Assistant 在本地执行并语音回复「客厅灯已打开」。语音识别和语音合成在本地的 reComputer J40 上完成，说话的录音不上传到云端语音服务。用在家庭客厅、卧室，也适合全屋智能集成商在客户家里交付。
- 部署包（Docker Compose 与 Home Assistant 配置模板）：github.com/suharvest/sensecraft-solutions
- 语音引擎源码：github.com/Seeed-Solution/openvoicestream
- 选型与部署：可部署方案页
录音不上云
听懂指令、生成回复语音都在 reComputer J40 上完成，指令由 Home Assistant 在本地执行。
说完 0.12 秒出文字
5 条中英文指令的中位数，见「性能与实测数据」。
Home Assistant 原生接入
语音服务经 Wyoming Protocol 集成接入 Home Assistant 语音助手，不改 Home Assistant 本身。
Zigbee 设备直接接入
插上 Connect ZBT-2，Zigbee 传感器和开关接入 Home Assistant，不需要各品牌网关。
真机演示
Home Assistant 语音助手里的一次对话：说「把客厅灯打开」，本地语音服务识别后由 Home Assistant 执行，回复「客厅灯已打开」，右侧的客厅灯卡片随即变为开启。
截图中的灯、窗帘、空调和传感器是演示用的模拟设备；语音输入是同一台 reComputer J40 合成的语音，不是真人录音。
需要哪些硬件
现场需要四样东西：Home Assistant 主机、语音主机、Zigbee 协调器、语音终端。
| 设备 | 承担什么 | 说明 |
|---|---|---|
| ARM64 Linux 主机（64 位系统，8 GB 内存） | 运行 Home Assistant | 一户一台 |
 reComputer J40 系列（J4012，Orin NX 16GB） | 本地语音识别和语音合成 | 首次启动下载语音模型，预留至少 30 GB 磁盘 |
| Home Assistant Connect ZBT-2 | 接入 Zigbee 设备 | 插在 Home Assistant 主机的 USB 口 |
| Home Assistant Voice 预览版 | 房间里的语音终端：听指令、播报回复 | 每个房间一台 |
| SONOFF SNZB Zigbee 传感器（可选） | 采集温湿度等状态 | 经 ZBT-2 接入 |
Home Assistant 主机、reComputer J40 和语音终端连在同一局域网。使用苹果「家庭」App 时，iPhone 与 Home Assistant 主机在同一局域网。
现场怎么部署
一、放置设备
reComputer J40 只跑语音服务，可以放在机柜或弱电箱里，经局域网与 Home Assistant 通信；语音终端放在要说话的房间。
二、装软件：三步
逐设备的操作步骤在可部署方案页，这里只讲轮廓。
- Home Assistant 主机：部署 Home Assistant，带上预置的中英日语音指令句式和房间设备模板。
- 语音主机：在 reComputer J40 上部署语音服务，首次启动下载模型；完成后语音识别和合成在本机运行。
- 接入与验证：在 Home Assistant 里添加 Wyoming Protocol 集成，指向 reComputer J40 的两个端口，设为语音助手的语音转文字与文字转语音；对语音终端说「打开客厅灯」，确认灯被打开。
有哪些接口
语音服务以 Wyoming Protocol 提供给 Home Assistant，其余自动化都在 Home Assistant 里完成。
- Home Assistant：添加 Wyoming Protocol 集成即可使用，语音助手里出现
seeed-local-voice的语音转文字与文字转语音。 - 苹果「家庭」 / Siri：Home Assistant 的 HomeKit 桥接把设备同步到 iPhone。
- 自建系统：通过 Home Assistant 自带的接口读写设备状态。
| 端口 | 在哪台机器 | 内容 |
|---|---|---|
| HTTP 8123 | Home Assistant 主机 | Home Assistant 网页与接口 |
| TCP 10300 | reComputer J40 | 语音转文字服务（Wyoming） |
| TCP 10200 | reComputer J40 | 文字转语音服务（Wyoming） |
性能与实测数据
整链：说话到执行
Home Assistant 运行在 8 GB 内存的 ARM64 Linux 主机上，语音服务运行在 reComputer J40 系列（Orin NX 16GB）上；输入为合成语音，送入 Home Assistant 语音助手。
| 指标 | 结果 |
|---|---|
| 中英文开关灯指令 | 5/5 条执行成功，均由 Home Assistant 在本地处理（实测） |
| 语音结束到识别出文字 | 中位数 0.12 秒，范围 0.11–0.95 秒（实测） |
复现：sensecraft-solutions/solutions/home_assistant_whole_home（部署包）
语音服务单独测量
同一台 reComputer J40 系列，语音服务直连，输入 16 kHz 单声道合成语音。
| 文本 | 回复语音首包 | 识别结果 | 语音结束后转写用时 |
|---|---|---|---|
| 打开客厅灯 | 0.122 秒（实测） | 打开客厅灯。 | 0.383 秒（实测） |
| 关闭卧室的灯 | 0.049 秒（实测） | 关闭卧室的灯。 | 0.421 秒（实测） |
| Turn on the living room light | 0.115 秒（实测） | Turn on the living room light. | 0.579 秒（实测） |
经 Wyoming 路径时两条样本转写用时 0.13 秒（实测）。
复现：sensecraft-solutions/solutions/home_assistant_whole_home/assets/docker/docker-compose.jetson-voice.yml
模型与运行时
| 设备 | 语音识别 | 语音合成 | 运行时 |
|---|---|---|---|
| reComputer J40 系列 | Qwen3-ASR | Matcha-TTS | TensorRT-Edge-LLM / TensorRT |
影响效果的设置：
- 语音助手语言：中文或英文，各自用预置的指令句式。
- 设备与房间命名：指令按 Home Assistant 里的名称匹配，「客厅灯」要与实体名称一致。
已知退化
- 实体别名与命名偏离：意图匹配依赖实体精准命名，若语音口令（如「大厅吸顶灯」）与 Home Assistant 配置实体别名（「客厅灯」）存在较大语义差异，文字识别正确但意图可能未命中。
- 复合与连续意图：当前模型针对单意图家居控制优化，多动作复合指令（如「打开空调并把窗帘关上一半」）需拆为单句交互下发。
- 多终端并发交互：单台 J4012 主机推荐承载 1–3 台语音拾音终端并发；若多房间同时长语音下发，首字响应时延会轻微增加。
数据与素材出处
- 截图来自 Home Assistant 2026.9.3（Apache License 2.0，home-assistant.io），设备为模拟设备。
- 语音输入由同一台 reComputer J40 的语音合成生成，未使用真人录音或第三方音频。