Hallo zusammen,
ich habe Home Assistant auf einem Intel N100 laufen und würde gerne “Home Assistant Voice” ohne Cloud verwenden.
Ich habe “Whisper” im “Medium” Modell laufen, das erkennt das gesprochene eigentlich gut, vermasselt aber oft die Rechtschreibung oder fügt Kommas und “-” ein – der “Conversation Agent” vom Home Assistant ist sehr doof und macht dann nichts.
Z.B wird von “Whisper” die Sprache als folgender Text erkannt:
“Bayern-1-Webradio starten”
Der Alias für das Skript heißt aber “Bayern 1 Webradio”
→ Der Conversation-Agent macht dann nichts.
Beim nächsten Versuch erkennt Whisper dann “Bayern 1 Web Radio starten”.
→ Conversation Agent macht wieder nichts.
Kann doch im Jahr 2024 nicht sein, dass ich händisch mit “echter Intelligenz” jetzt alle denkbaren Aliase anlegen muss weil die Spracherkennung die Worte mal so mal so schreibt.
Habt ihr Erfahrungen mit den anderen Systemen?
“Vosk” soll als Sprach-Erkennungsmodell effizienter aber ähnlich gut sein.
“rhasspy-speech” klingt vom Ansatz her intelligenter – die Sprach-Erkennung kennt die existierenden “Befehle” bereits und wählt dann den besten Treffer aus.
Anstelle vom “Whisper” welches beliebigen Text erkennt und an den an Home-Assistant Conversation Agent weitergibt, der aber wegen einem Komma schon nicht mehr versteht was er machen soll.
Leider muss man die Befehle aber auch wieder händisch anlegen - Das ist ja auch wieder mühsam.
Ich habe Ähnliche Erfahrungen mit Wisper gemacht dem Tini und auch dem Medium. Wäre auch an Erfahrungen interessiert. Wie Installiere ich den andere Services hier oder ist das einfach nur ein anderes Model und ich kann beim Wyoming Protocol das entsprechend auswählen?
Du lässt alles auf dem Intel N100 laufen? Ich habe mir vor kurzen einen MacMini M4 als KI Server aufgesetzt und bin damit am experimentieren. Darauf läuft Ollama, Wisper und Piper. Allerdings hab ich aktuell Probleme mit dem Zugriff von HA aus hat aber schon funktioniert, komisch!
Allerdings habe ich nur einen Echo M5 Atom somit sind die Ergebnisse recht überschaubar, ich warte auf meinen Home Assistant Voice.
Hi,
Ich habe Gestern mal rhasspy-speech ausprobiert. rhasspy-speech
Das ließ sich super einfach als Addon installieren.
Danach wurde es als neues Whyoming Device entdeckt.
Dann in dem AddOn Web Interface die Sprache auswählen und die für Voice freigegeben Entitäten “trainieren” lassen (werden automatisch erkannt) (1min für 30 Stück).
Ergebnis:
Erkennt die Kommando-Sätze super schnell und richtig. ( < 0.5 sek auf N100)
Nachteil:
Erkennt wirklich NUR die bekannten Sätze / Entitäten / Worte.
Timer mit individuellem Namen oder Einkaufszettel kann man so nicht mehr diktieren.
Perfekt wäre eigentlich “Whisper”, aber mit einem Zwischenschritt, der das Erkannte nochmal mit den vorhandenen Kommandos / Entitäten abgleicht und dann “ähnlich klingendes” ausführt.
Oder wenn rhasspy-speech den Satz nicht versteht, wird er nochmal an “Whisper” weitergegeben.
Ich hoffe das kommt noch und bleibt nicht der “nabu casa” cloud vorbehalten.
Auf eine KI, die wegen eines Trennstriches fehlschlägt, pfeife ich doch.
Im Grunde sollte die KI so etwas in gegebenen & gelernten Maßen korrigieren, deswegen nennt man sie doch intelligent. Ich habe das Gefühl, der Begriff “KI” wird in letzter Zeit immer inflationärer zum Verkaufen von elektronischen Produkten benutzt, weils ein Hype ist.
Oder habe ich ein falsches Bild?
Das Problem ist, dass “Voice” im Home-Assistant in drei einzelne “KIs” zerteilt ist, die (fast ) nichts voneinander wissen.
Die Sprach-Erkennungs-KI erzeugt einen Text aus der Sprache.
Dieser Text geht an Home-Assistant.
Home Assistant macht (evtl.) etwas und gibt das Resultat weiter an die Sprach-Ausgabe “KI”.
Wie ich beschrieben habe, bearbeitet “Home Assistant” nur exakt die Befehle / Sätze die es kennt.
Hier könnte aber leicht nachgebessert werden:
Wenn Die “Spracherkennung” weiß welche Sätze überhaupt möglich sind, kann das Ergebnis mit der entsprechenden Rechtschreibung versehen werden.
Oder wenn Home-Assistant den Eingabetext etwas “intelligenter” und flexibler mit den möglichen Befehlen abgleicht weiß Home-Assistant auch was zu tun ist.
Aber klar - KI ist wirklich ein großer Hype.
Ich denke in 1-2 Jahren ist das meiste wieder verschwunden und nur ein paar einzelne nützliche Anwendungen bleiben.
Gut, kurz gesagt kann man Speech-to-Text Engines installieren, wie man Lust hat. Solange HA nur etwas mit exakten friendly names oder Entität-IDs was anfangen kann, bleibt es eine Spielerei für Leute mit sehr hoher Geduld- und Toleranzschwelle.