title: Speech-to-Phrase 把语音真正带回家中 - Voice 第 9 章 description: '<lite-youtube videoid="k6VvzDSI8RU" videotitle="Voice Chapter 9 - Speech-to-Phrase"</lite-youtube。 本页属于 Home Assistant 中文博客与更新记录，适合了解版本演进、功能变更与社区动态。' 同时也带来一些实用的新语音和 AI 功能
Speech-to-Phrase 把语音真正带回家中 - Voice 第 9 章
欢迎来到 Voice 第 9 章 🎉 这是我们持续已久的系列文章之一，记录开放语音的发展过程。
在 12 月底推出 Home Assistant Voice Preview Edition 后，我们到现在还很兴奋。它在官宣后 23 分钟内就售罄了——太夸张了！我们一直在努力补货，让它在所有分销商渠道持续有货。
今天，我们带来了很多很酷的新内容，用来提升你在使用 Voice PE 或其他 Assist 卫星设备时的体验。其中包括几乎可以在任何 Home Assistant 系统上运行的、完全本地离线的语音控制。
Dragon NaturallySpeaking 是一款在 1997 年推出的热门语音识别程序。运行这款软件至少需要 133 MHz 的 Pentium 处理器、32 MB 内存，以及 Windows 95 或更高版本。将近三十年过去了，语音转文本已经强大得多，但所需资源也高出了几个数量级。
语音处理领域正在飞速发展，出现了很多惊人的技术，但对于价格低于 100 美元的设备来说，要真正受益于这些技术，目前仍不现实。当然并非完全不能实现，但在树莓派 4 上运行我们之前推荐的语音转文本工具 Whisper，至少需要 5 秒钟才能把你的语音转成文字，而且成功率还不稳定。这也是为什么我们最终建议至少使用 Intel N100，才能让语音助手完全本地运行。说实话，这有点扎心。我们的自愿分析数据显示，超过 50% 的 Home Assistant OS 用户都在使用像 Home Assistant Green 或树莓派这样实惠、低功耗的设备运行他们的家。
更重要的是，Whisper 的发展很大程度上掌握在 OpenAI 手中，因为我们没有足够资源为这个工具添加语言支持。我们当然可以给 Home Assistant 加入各种语言，但如果语音处理链中的任何一个环节不支持某种语言，那整套语音功能对这种语言来说就不可用。因此，许多使用人数很多的语言此前都无法享受本地语音控制。
这让很多用户如果不额外购买硬件或服务，就无法用语音控制自己的智能家居。而今天，随着语音处理链中一个关键新组件的发布，这一切要改变了。
人人可用的语音
Speech-to-Phrase 基于一种以今天标准来看已经相当老、甚至接近“古老”的语音技术。与其把几乎任何语音都转写成文本，它更擅长处理一组预训练短语。Speech-to-Phrase 会根据你 Home Assistant 服务器中的设备、区域和句子触发器，自动生成短语并微调模型——全程 100% 本地离线完成。
结果就是： 在 Home Assistant Green 或树莓派 4 上，语音可以在 1 秒内完成转写。树莓派 5 则更快，单条指令只需 150 毫秒，速度提升达到 7 倍！
速度极快的同时，也带来了一些限制。Speech-to-Phrase 只支持 Assist 语音命令的一个子集，而像购物清单、给计时器命名、广播消息这种更开放的功能默认无法直接使用。严格来说，凡是需要接受随机词汇（通配符）的命令都无法工作。也正因为如此，Speech-to-Phrase 主要面向家庭控制，而不是 LLM。
最重要的家庭控制命令都已支持，包括开关灯、调整亮度和颜色、获取天气、设置计时器，以及控制媒体播放器。自定义句子 也可以用来触发当前命令集尚未覆盖的功能，我们相信社区一定会想出很多聪明的新玩法。
开始体验语音所需的一切
Speech-to-Phrase 首发支持英语、法语、德语、荷兰语、西班牙语和意大利语，覆盖了近 70% 的 Home Assistant 用户。很棒吧。与目前可用的本地语音转文本工具不同，为 Speech-to-Phrase 添加新语言要容易得多。这意味着未来版本会支持更多语言，而且我们也非常希望你能帮忙！
我们正在更新 Voice 向导，把 Speech-to-Phrase 纳入其中。在那之前，你需要手动安装附加组件：
构建开放语音生态系统
当我们发布 Home Assistant Voice Preview Edition 时，我们发布的不只是一个产品，而是一个生态系统。我们把所有部分都开源，并确保 Home Assistant 内置的语音体验不会绑定到某一个单独产品上。任何为 Open Home 生态构建的语音助手，都可以利用这套成果。你自己 DIY 的设备也一样！
随着下周发布的 ESPHome 2025.2，任何基于 ESPHome 的语音助手都将支持发送广播（下文会详细介绍），并且也能使用我们的全新语音向导，帮助新用户确保他们拥有开始使用所需的一切。
这也包括我们在“语音之年”开发过程中使用的 $13 Atom Echo 和 ESP32-S3-Box-3 设备的更新。
大型语言模型改进
我们的目标是让 Home Assistant 成为智能家居中尝试 AI 的最佳场所。我们支持大量本地和云端模型，也一直在不断改进人们与这些模型互动的方式。我们始终在运行 benchmarks，以追踪表现最好的模型，并确保我们的改动确实带来更好的体验。
如果你已经设置了 Assist——Home Assistant 的内置语音助手——并把它配置为使用 LLM，你最近可能已经注意到一些新功能。其中一个重大变化是新的“优先在本地处理命令”设置，它会先尝试使用内置对话代理处理命令，再决定是否发送给 LLM。我们发现很多简单命令都被送到了 LLM，这样不仅会拖慢速度，还会浪费 token。如果 Home Assistant 能理解命令（例如打开灯），它就会直接执行所需动作；只有在无法理解命令时（例如询问现在空气质量如何），才会转交给你选择的 LLM。
加入这些功能后，我们意识到 LLM 也需要理解那些由本地处理的命令。现在，对话历史会与 LLM 共享。这意味着你可以继续追问与最近命令相关的问题，而不管最初处理请求的是哪个代理。
左：未共享对话。右：共享对话后，GPT 能理解上下文。
通过流式输出缩短首字等待时间
在尝试更大模型，或者在较慢硬件上运行时，LLM 往往会显得很迟缓。它们通常要等整段回复全部生成完毕后才会显示结果，这在回复较长内容时会让人等待得非常烦躁（如果你让它讲一个长篇童话故事，你真的要等很久）。
在 Home Assistant 2025.3 中，我们引入了让 LLM 将响应流式输出到聊天界面的支持，这样用户在内容生成过程中就可以开始阅读。一个额外的好处是，命令执行也更快了：命令一到就会立即执行，而不用等整条消息完成。
流式输出将首先支持 Ollama 和 OpenAI。
Model Context Protocol 让 Home Assistant 接入每一个 AI
2024 年 11 月，Anthropic 发布了 Model Context Protocol（MCP）。这是一种新协议，允许 LLM 控制外部服务。在本次发布中，由 Allen Porter 贡献，Home Assistant 也能说 MCP 了。
借助新的 Model Context Protocol 集成，Home Assistant 可以接入外部 MCP 服务器，并把它们的工具提供给 Home Assistant 所连接的 LLM 使用（无论是语音助手还是自动化中）。现在已经有相当丰富的 MCP 服务器集合，包括一些相当狂野的用途，比如抓取网站（教程）、访问文件服务器，甚至是 BlueSky。
通过新的 Model Context Protocol 服务器集成，Home Assistant 的 LLM 工具也可以被其他 AI 应用使用，比如 Claude 桌面应用（教程）。如果具备代理能力的 AI 真正普及开来，你的智能家居也已经准备好融入其中。
谢谢 Allen！
扩展语音能力
我们持续增强 Home Assistant 内置对话代理的能力。随着最新发布，我们解锁了两个新功能：
“广播一下，晚饭好了”
新的 broadcast 功能可以让你快速向家中的其他 Assist 卫星设备发送消息。这样你就可以宣布晚饭好了，或者广播一下孩子们之间的“战况” 😅。
“把温度设为 19 度”
以前 Assist 只能告诉你当前温度，而现在它还能帮你调整暖通空调系统的温度。非常适合你裹着毯子窝在沙发上时，舒舒服服地改一下温度。
Home Assistant 主动给家里打电话：模拟电话回来了！
两年前，我们介绍了世界上最私密的语音助手：一部模拟电话！用户拿起电话就能和智能家居对话，而且只有用户自己能听到回复。今天新增的有趣功能是，Home Assistant 现在也能主动打电话给你的模拟电话了！
模拟电话非常适合你想通知某个房间而不是整栋房子的时候。比如洗衣完成时，你可以通知客厅里的人，但不打扰正在办公室工作的人。而且，因为用户必须拿起听筒才能接到电话，所以你也能知道这条通知是否真的被收到。
如果你把 LLM 用作语音助手，还可以通过电话开启一段对话。你可以提供开场白，并借助一个新的“额外系统提示词”选项，为 LLM 增加额外上下文来理解用户的回应。例如：
- 额外系统上下文：garage door 遮盖.garage_door 已打开 30 分钟。我们询问用户是否需要关闭
- Assistant：需要关闭车库门吗？
- User：好啊
感谢 JaminH 的贡献。
Wyoming 改进
Wyoming 是我们用来连接构建语音助手所需各个组件的标准。Home Assistant 2025.3 将为 Wyoming 卫星设备加入公告支持，让它们也能使用新的广播功能。
我们还新增了一个 microWakeWord 附加组件（它使用的正是 Voice PE 上运行的同款唤醒词引擎！），可以作为 openWakeWord 的替代方案使用。随着我们从 Wake Word Collective 收集到更多真实世界样本，microWakeWord 中附带的模型也会不断重新训练和改进。
🫵 帮我们把语音选择权带给更多人！
我们之前说过，现在还要再说一遍——开放语音的时代已经开始，加入的人越多，它就会变得越好。Home Assistant 提供了多种开始使用语音控制的方式，无论是自己动手搭建 Assist 硬件，还是入手 Home Assistant Voice Preview Edition。每次更新，你都会看到新功能，也能提前体验语音的未来。
特别感谢所有语言负责人和贡献者，正是你们在帮助塑造家庭中的开放语音！参与的方式有很多，从翻译、分享语音样本，到构建新功能——想了解更多，可以查看如何参与贡献。另一个支持开发的好方法是订阅 Home Assistant Cloud，它会帮助资助支撑语音能力的 Open Home 项目。