【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。

muxiachuixue

感觉使用体验可能不如小爱和siri。麦克风系统（含软件算法）的拾音能力也很重要，一是说话很小声的时候也能准确识别，二是周围比较嘈杂的时候也可以识别，三是说的不太清楚的时候能够正确理解，这三点有一点不能满足，可能体验就很差了；再就是固定位置的麦克风肯定不如移动终端的体验好，毕竟智能手表/手环和手机是随声带着的，走到哪里都可以语音控制。

XCray

价格不一样不说，联网和本地的差别更值得细品

kjjuhfv

要想达到比较理想的使用程度至少也得半年吧

wodepiqi

几块钱的线性麦克风自己画电路板，多个麦克风拾音就能行了mems硅麦也就几块钱一个

twfjcn

语音联网都很傻，本地就更智障了

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？

xieahui

XCray 发表于 2023-4-29 07:34
你用过？展开说说？

联网的都很傻 本地的就更傻了
不是很期待，

cjnt007

charGPT这么火，干脆把它集成到HA，现在应该没有哪家智能程度可以超过它吧
展望下，以后配置个自动化也可以用语音来设置，不需要自己趴电脑前写yaml

bugensui

cjnt007 发表于 2023-4-29 10:13
charGPT这么火，干脆把它集成到HA，现在应该没有哪家智能程度可以超过它吧
展望下，以后配置个自动化也可以 ...

小爱和siri都很多年了。ha搞自己的语音，肯定也需要1-2年的完善，主要是远场语音，嘈杂环境的识别，需要技术积累