AI语音-教程-零成本实现stt和tts，让ai助手能听会说，树莓派也能流畅运行！

shay

相信不少朋友已经成功地将各种 AI 能力接入了自己的 Home Assistant，让它变得更加智能。但是，想要真正用“嘴巴”和“耳朵”与 HA 互动，TTS (文本转语音) 和 STT (语音转文字) 这两个关键环节是必不可少的。

我是在树莓派上运行 HA，资源有限，离线方案是不可能了。经过一番细致的对比和体验，我最终选择了调用微软服务的方案，免费够用，亲测效果出色，分享给大家：

• TTS (文本转语音): hass-edge-tts - 让你的 Home Assistant 轻松开口说话！它免费、效果好，并且非常稳定。虽然底层是调用的 Edge 浏览器的接口，但已经稳定运行三年之久，可见其可靠性。更重要的是，即使未来微软调整了接口，我们也能快速切换到Microsoft Azure 文本转语音服务，同样有免费额度，选择非常灵活。
• STT (语音转文字): Wyoming (通过 Microsoft STT 加载项) - 想要让 HA 听懂你的指令？这个方案就能实现！通过 Home Assistant 的加载项集成 Microsoft 的 STT 服务。微软提供了每月 2 小时的免费stt时长，这在众多免费方案中绝对是良心之选！
  
  

先放个视频看下效果

接下来，我就手把手教大家如何在 Home Assistant 上安装和配置这两个强大的组件，让你的 HA 也能拥有能说会听的能力！

第一步： 安装 hass-edge-tts

• 使用hacs安装 Edge TTS 集成:
  
  
  • 在 HACS 的集成页面搜索 “Edge TTS”。
  • 找到 “Edge TTS” 卡片，点击它，点击右下角的 “安装” 按钮。
  • 安装完成后，务必重启你的 Home Assistant，让集成生效。
    
• 配置 hass-edge-tts:
  

打开你的 Home Assistant 配置文件 configuration.yaml，在文件中添加以下代码：

tts:
  - platform: edge_tts
    language: zh-CN-XiaoxiaoNeural
volume: +20%

复制代码

再次重启你的 Home Assistant，使配置完全生效。现在，你的 Home Assistant 已经可以开口说话了！你可以在自动化、脚本或者服务调用中使用 tts.speak 服务，让它发出各种声音提醒或者消息通知。

第二步： 安装 Wyoming Microsoft STT 加载项

添加加载项存储库:
• 在加载项商店，添加所需的存储库：https://github.com/hugobloem/homeassistant-addons
• 安装 Microsoft STT 加载项
  
  • 点击 “Microsoft STT” 卡片。
  • 点击右下角的 “安装” 按钮。
    
配置 Microsoft STT 加载项 (关键步骤！):
• 安装完成后，点击顶部的 “配置” 选项卡。
  你需要在这里填写 订阅密钥 (Subscription Key)。请按照以下步骤获取：
  
  
  • 步骤 1: 访问 Azure 门户: 打开 portal.azure.com 并登录你的微软账户。如果没有账户，请先注册一个。
  • 步骤 2: 创建 Azure 订阅:
    
    
    • 在门户顶部的搜索栏中输入 “订阅”，然后选择 “订阅”。
    • 如果还没有订阅，点击 “添加” 并按照向导创建一个 Azure 订阅。虽然可能需要你提供支付信息，但我们使用的免费订阅，并不会扣费。
      
  • 步骤 3: 创建语音服务资源:
    
    
    • 在搜索栏中输入 “语音服务”，然后选择 “语音服务”。
    • 点击 “创建”。
    • 在创建页面，填写以下信息：
      
      • 订阅: 选择你刚刚创建的 Azure 订阅。
      • 资源组: 选择或创建一个资源组来管理你的 Azure 资源。
      • 区域: 选择一个可用的区域，建议选择离你地理位置较近的区域，以获得更低的延迟。
      • 名称: 为你的语音服务资源起一个容易识别的名字。
      • 定价层: 非常重要！请务必选择 “免费 F0” 这一层，这样你就可以免费使用语音转文字服务 (每月 2 小时)。
        
    • 填写完毕后，点击 “查看 + 创建”，然后点击 “创建”。
      
  • 步骤 4: 获取订阅密钥:
    
    
    • 创建完成后，进入你的语音服务资源页面。
    • 在左侧导航栏的 “资源管理” 部分，点击 “密钥和终结点”。
    • 你会看到两个密钥 (密钥 1 和密钥 2)。复制其中任意一个密钥。
      
• 回到 Home Assistant 的 Microsoft STT 加载项配置页面，将你复制的密钥粘贴到 “subscription_key” 字段中。
• 你还可以根据需要配置 “region” (区域)，确保它与你创建语音服务资源时选择的区域一致。通常保持默认即可。
• 点击底部的 “保存” 按钮。
  
  
• 启动 Microsoft STT 加载项:
  
  
  • 返回到 Supervisor 的 “加载项” 页面。
  • 找到 “Microsoft STT” 加载项。
  • 点击 “启动” 按钮。建议勾选 “启动时自动开始”，这样 Home Assistant 启动时就会自动运行 STT 服务。
    

现在，你的 Home Assistant 已经拥有了听懂你说的话的能力！Wyoming 就像一座桥梁，让 Home Assistant 可以轻松地使用微软强大的语音转文字服务。

第三步：在你的 AI 助手中启用 TTS 和 STT 引擎

最后一步，你需要将你安装和配置好的 edge_tts 和 Wyoming 集成关联到你的 Home Assistant AI 助手功能中。具体的操作方式取决于你使用的 AI 助手集成 (例如 Home Assistant 内置的 “对话” 功能或者 “Assist 管道”)。

通常，在 AI 助手的配置中，你需要选择：

• 文本到语音服务: 选择你安装的 Edge TTS 集成。
• 语音到文本服务: 选择 Wyoming 集成提供的 Microsoft STT 服务。
  

完成以上所有步骤，你的 Home Assistant 就拥有了能说会听的完整语音交互能力！快去尝试一下，用语音控制你的智能家居设备，与你的 HA 进行更自然的交流吧！

注意事项

1、Microsoft STT加载项不要修改语言设置，会出错。虽然默认是英语，但不影响中文识别；

2、只把必要的设备共享给ai，太多设备会影响gpt的理解,可能跟我用的goo家的也有关系。

3、新用户用azure，30天后会有个过期，导致服务被停止，再去启用下就好了。

lichao622

有个问题再请教下 ： 选择一个可用的区域，建议选择离你地理位置较近的区域，以获得更低的延迟。。。这里选择哪个比较合适。

shay

我选择的区域是East Asia。另外如果是azure新用户，新用户有个30天的全产品免费试用，虽然我们选择了免费计划，30天到期后，服务会中止。这个时候需要再登录下账户，启用下服务。

lichao622

shay 发表于 2025-5-13 08:23
我选择的区域是East Asia。另外如果是azure新用户，新用户有个30天的全产品免费试用，虽然我们选择了免费计 ...

我发现他这个tts速度有点慢。。

shay

lichao622 发表于 2025-5-13 11:32
我发现他这个tts速度有点慢。。

是么，我觉得还行，你可以看下我那个b站视频，除第一个提问，其他问题都是正常速度。我用语音测试(stt->ai->tts)和直接在页面上输入文字等ai回复的时间差不多。视频上，ai输出文字，语音差不多也能立马跟上，当然这也跟输出的内容长短也有关系。

lichao622

shay 发表于 2025-5-13 15:27
是么，我觉得还行，你可以看下我那个b站视频，除第一个提问，其他问题都是正常速度。我用语音测试(stt->a ...

嗯好。不知道是不是我这网络的原因，比较慢。就很奇怪，我选的也是East Asia

shay

lichao622 发表于 2025-5-13 15:44
嗯好。不知道是不是我这网络的原因，比较慢。就很奇怪，我选的也是East Asia ...

eastasia?你说的应该是stt不是tts吧？

配置里面，有个区域参数。
然后日志里面，会有转换所用时间的日志：
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.25 seconds
INFO:wyoming_microsoft_stt.handler:现在是否有人在家？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.24 seconds
INFO:wyoming_microsoft_stt.handler:最近几天有雨吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.18 seconds
INFO:wyoming_microsoft_stt.handler:家里设备有电量低的吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.20 seconds
INFO:wyoming_microsoft_stt.handler:一到一百加起来是多少？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.23 seconds
INFO:wyoming_microsoft_stt.handler:当前家里有多少设备？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.16 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.22 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.21 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.21 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.27 seconds
INFO:wyoming_microsoft_stt.handler:嗯。
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.23 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.16 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.25 seconds
INFO:wyoming_microsoft_stt.handler:现在有人在家吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 1.93 seconds
INFO:wyoming_microsoft_stt.handler:现在家里有人吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.21 seconds
INFO:wyoming_microsoft_stt.handler:最近几天有雨吗？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.17 seconds
INFO:wyoming_microsoft_stt.handler:今天天气怎么样？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.25 seconds
INFO:wyoming_microsoft_stt.handler:一到一百加起来是多少？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.21 seconds
INFO:wyoming_microsoft_stt.handler:当前佳丽有多少设备？
INFO:wyoming_microsoft_stt.handler:Transcription completed in 0.30 seconds
INFO:wyoming_microsoft_stt.handler:当前家里有多少设备？
这是昨天视频测试的日志，红色字体那个是最长的，也就是我视频里面问的第一个问题，这个确实感觉到卡了（视频里我删除了卡的那段）。其他的都在0.3秒内，可以和你的对比看看

lichao622

啊，我用的是azure的tts，😄。stt我用的本地的。。

shay

lichao622 发表于 2025-5-13 17:25
啊，我用的是azure的tts，😄。stt我用的本地的。。

好吧好吧，azure的tts，ha官方有个组件支持，也可以试试。我选择hass-edge-tts，一是这个是组件，不是加载项，资源占用更低，另外底层也是azure的tts还不要钱，没有时间限制，配置也更简单。

lichao622

shay 发表于 2025-5-13 17:32
好吧好吧，azure的tts，ha官方有个组件支持，也可以试试。我选择hass-edge-tts，一是这个是组件，不是加 ...

嗯好。我之前试了下还不错，这想着直接用azure看感受咋样，没想到还没有hass-edge-tts快。现在用那个海螺ai也不错。也是论坛的/