【无限期待】HA的新生命马上就要来临：2023.5.0版本！语音！

XCray

早在去年年末，HA就宣布2023年为HA的语音之年，由于我个人冬天沉迷于雪场，没有认真跟进，对这个激动人心的新特性仅仅是简单了解了一下，没有做任何实际测试。不过看论坛里讨论这事儿的帖子也确实很少，看来大家都在等。

现在，一个重大改进版本马上就要降临了！昨天，官网发表了《语音之年：第二篇章》，非常推荐大家仔细看看！

简单来说，语音之年的第一篇章集中在“意图 intents – 用户想干啥 what the user wants to do”方面，常用的智能家居指令和响应已经支持简体中文（感谢al-one的贡献！）。

第二篇章，带来了最利于隐私保护的、本地的TTS引擎（语音合成）和STT引擎（语音识别）！也都支持中文！

语音势必牵涉到拾取和播放语音的硬件设备，所以ESPHome已经走在前面，在2023.4.0版本已经开始支持麦克风（播放能力HA早就有了）。

本地语音识别和语音合成是以加载项的形式提供的，和ESPHome的麦克风特性一样，需要下个月的HA版本，即2023.5.0才能使用。正式版还没有发布，但开发版早就可以使用了（我自己也还没开始用）

哪位懂硬件的朋友，说说esp32接麦克风怎么玩？什么类型的麦克风最好用？

我看官方是拿M5Stack ATOM Echo进行开发测试的，所用的麦克风型号是SPM1423 PDM。ATOM Echo某宝售价99一个，好像贵了一点点

~~~~~~~~~~~~
确实还有很长的路要走

正式版出来了，问题还是挺明显的，STT还没试，TTS属实拉跨：

- 响应速度太差，官方宣传树莓派上好用，我用群晖虚拟机跑，给2个CPU+2G内存，延迟依然很大，甚至消息内容比较长时比云上的edge还差；不过短内容时延迟确实比edge小得多（1.5秒vs4秒）；
- 音质确实很差，尤其是中英文混合，英文单词都不知道它是咋念的；
- 在语音助手中piper设置为中文始终不可用，通过服务调用可以，就是语音助手里只能用英文；

但愿以后能好用起来。

XCray

价格不一样不说，联网和本地的差别更值得细品

XCray

twfjcn 发表于 2023-4-29 02:01
语音联网都很傻，本地就更智障了

你用过？展开说说？

XCray

twfjcn 发表于 2023-4-29 12:08
不是有很多单片机可以本地学习和本地数据库的嘛，理想环境可以的，但是中华文化博大精深，环境噪声方位等 ...

智能家居场景需要识别的指令/语句是很有限的，对处理能力的要求应该并不高，相对云端带来的高时延和隐私风险，本地化应该是一个更好而且现实的选择。

另一个方向，本地语音合成在音色方面不如云端也是可以接受的，同样时延的缩短也是一个很大的好处。

XCray

好像大家都在凭自己的想象发表看法 有几个人真正用过HA 2023.5.0版本？或者仔细了解过HA新加入的语音功能？

XCray

keshiyong 发表于 2023-9-21 16:05
没上GPU基本不用玩，本地唤醒，远场语音识别就难倒一大片，TTS和NLU也是，开源没个十年都不一定有个结果。H ...

确实。
本来指望本地tts能发挥一个好的作用，比如时延更低啥的，但实际效果并不理想