👂 Speech-to-Phrase
Lokale Sprache-zu-Text-Erkennung für bekannte Smart-Home-Befehle. Sie erzeugt passende Phrasen aus deinen Geräten, Bereichen und Sentence-Triggern.
FOLGE 7 · GANZ LOKAL, BITTE!
Home Assistant versteht dich – ohne Cloud
Jetzt trennen wir uns für die Sprachverarbeitung komplett von der Cloud. Speech-to-Phrase wandelt Sprache lokal in passende Home-Assistant-Befehle um, Piper spricht die Antwort lokal wieder aus.
Ziel: schnelle Haussteuerung, wenig Rechenleistung und keine Sprachdaten außerhalb des eigenen Netzes.
🐶 Felix-Regel: Lokal muss nicht langsam sein.
Speech-to-Phrase ist absichtlich kein Diktierprogramm. Es konzentriert sich auf Smart-Home-Sätze – und genau deshalb läuft es selbst auf kleiner Hardware sehr schnell.
🏠 Was heißt hier eigentlich „komplett lokal“?
Dein Mikrofon hört den Satz. Speech-to-Phrase wandelt ihn lokal in Text um. Home Assistant verarbeitet den Befehl lokal. Piper erzeugt die gesprochene Antwort ebenfalls lokal. Für diesen Ablauf muss der Sprachinhalt nicht an einen externen Sprachdienst geschickt werden.
🗣️ Piper
Lokale Text-zu-Sprache-Engine. Home Assistant nutzt Piper, um Antworten und Durchsagen ohne Cloud auszugeben.
SCHRITT 1
Speech-to-Phrase und Piper installieren
Auf Home Assistant OS installierst du die beiden lokalen Sprach-Komponenten als Apps. Starte anschließend beide. Unter Einstellungen → Geräte & Dienste sollten sie über die Wyoming-Integration automatisch gefunden werden.
Füge beide gefundenen Dienste hinzu. Danach stehen Speech-to-Phrase als Speech-to-Text und Piper als Text-to-Speech zur Verfügung.
SCHRITT 2
Eine eigene lokale Assist-Pipeline anlegen
Gehe zu Einstellungen → Sprachassistenten → Assistent hinzufügen. Gib ihm einen eindeutigen Namen, zum Beispiel „Felix lokal“.
Wähle als Conversation Agent Home Assistant, als Speech-to-Text Speech-to-Phrase und als Text-to-Speech Piper. Sprache jeweils auf Deutsch stellen.
WARUM IST DAS SO SCHNELL?
Speech-to-Phrase kennt nicht „alles“ – sondern dein Haus
Statt beliebige Sprache wie ein Diktierprogramm verstehen zu wollen, konzentriert sich Speech-to-Phrase auf bekannte Home-Assistant-Sätze und erzeugt passende Phrasen aus deinen Geräten, Bereichen und eigenen Sentence-Triggern.
Home Assistant nennt für Home Assistant Green und Raspberry Pi 4 Transkriptionszeiten von unter einer Sekunde. Genau deshalb ist diese Variante so interessant für sparsame Hardware.
SCHRITT 3
Mit drei einfachen Sätzen testen
Starte wieder klein. Verwende Geräte, die bereits sauber benannt, Bereichen zugeordnet und für Assist freigegeben sind.
- „Schalte das Küchenlicht ein.“
- „Wie ist die Temperatur im Wohnzimmer?“
- „Schließe den Rollladen in der Küche.“
Wenn diese Sätze zuverlässig funktionieren, ist die lokale Pipeline grundsätzlich in Ordnung.
⚠️ Die Grenze ist Absicht
Speech-to-Phrase versteht nur einen Teil der möglichen Assist-Befehle. Offene Aufgaben wie frei formulierte Diktate, manche Listenfunktionen, benannte Timer oder Broadcasts funktionieren nicht automatisch.
Auch ein LLM-Fallback passt hier nicht gut: Ein Satz, den Speech-to-Phrase nicht in Text umwandeln kann, erreicht das Sprachmodell gar nicht erst. Für freie Sprache kommt deshalb in Folge 8 Whisper.
⚡ Speech-to-Phrase + Piper
Ideal für: Licht, Rollläden, Klima, Zustände, einfache Szenen und typische Hausbefehle.
Hardware: läuft gut auf Home Assistant Green oder Raspberry Pi 4.
Stärke: schnell, lokal, sparsam.
🧠 Whisper + Piper
Ideal für: freie Sprache und spätere KI-/LLM-Nutzung.
Hardware: deutlich rechenintensiver.
Stärke: versteht nahezu beliebige Sprache statt nur bekannte Befehlssätze.
Speech-to-Phrase unterstützt Deutsch offiziell. Wie gut einzelne Sätze funktionieren, hängt trotzdem von Gerätenamen, Aliasen, Satzmustern und Aussprache ab. Deshalb bleiben die Grundlagen aus Folge 3 wichtig.
Für Haussteuerung zuerst Speech-to-Phrase. Für Gespräche später Whisper. Wer hauptsächlich Licht, Heizung, Rollläden und Szenen steuern will, muss nicht sofort die schwerere Lösung installieren.
KI-PROMPT ZUM KOPIEREN
Passt Speech-to-Phrase zu meinem Haus?
Ich möchte Home Assistant komplett lokal per Sprache steuern und prüfe, ob Speech-to-Phrase + Piper für mich reicht. Meine wichtigsten Sprachwünsche: [Liste einfügen] Meine Home-Assistant-Hardware: [z. B. Green / Raspberry Pi / Mini-PC] Bitte ordne jeden Wunsch ein als: - mit Speech-to-Phrase wahrscheinlich gut geeignet, - besser mit eigenem Sentence-Trigger, - eher Whisper nötig, - besser als Automation statt Sprachbefehl. Erkläre kurz warum. Bevorzuge die einfachste lokale Lösung. Schlage keine Cloud-Dienste vor, solange sie nicht wirklich nötig sind.
Home Assistant beschreibt Speech-to-Phrase als „close-ended“ lokale Speech-to-Text-Engine für Haussteuerung. Auf Home Assistant Green und Raspberry Pi 4 liegt die Transkription laut offizieller Dokumentation unter einer Sekunde. Piper ist die lokale Text-to-Speech-Engine und ebenfalls für kleine Hardware optimiert. Beide werden über Wyoming in Home Assistant eingebunden.
Vollständig lokale Assist-Pipeline ↗
Speech-to-Phrase erklärt ↗
Piper ↗
← FOLGE 6
Alexa darf bleiben
Echo-Geräte sinnvoll mit Home Assistant weiterverwenden.
Zurück zu Folge 6 →FOLGE 8
Ich will frei sprechen
Whisper + Piper lokal betreiben und herausfinden, welche Hardware dafür sinnvoll ist.
Als Nächstes