🎙️ Zwei Mikrofone
Ein Dual-Mikrofon-Array plus XMOS-Audiochip kümmert sich unter anderem um Echounterdrückung, stationäre Geräuschunterdrückung und automatische Verstärkung.
FOLGE 5 · DIE FERTIGE LÖSUNG
Ein Sprachgerät für Home Assistant – ohne Lötkolben
Bis jetzt haben wir Assist mit dem Handy ausprobiert. Jetzt bekommt unser Haus ein eigenes Ohr: die Home Assistant Voice Preview Edition. Sie wurde speziell für Home Assistant entwickelt und kommt bereits mit ESPHome.
Einstecken, einrichten, sprechen. Aber wir schauen auch hin, was dabei lokal passiert – und was nicht.
🐶 Felix fragt: Ist das jetzt eine Alexa?
Nicht ganz. Voice PE ist in erster Linie das Mikrofon, der Lautsprecher und die Bedienoberfläche für Assist. Wie dein gesprochener Satz verarbeitet wird, bestimmst du über die gewählte Sprach-Pipeline.
🔇 Wirklich stumm
Der seitliche Mute-Schalter trennt die Stromversorgung der Mikrofone physisch. Das ist mehr als nur ein Software-Schalter.
🔊 Lautsprecher + Klinke
Ein Lautsprecher ist eingebaut. Zusätzlich gibt es einen 3,5-mm-Audioausgang für einen externen Lautsprecher.
🧩 Offen aufgebaut
ESPHome ist vorinstalliert. Firmware und Hardware sind offen; zusätzlich gibt es unter anderem einen Grove-Anschluss für Erweiterungen.
SCHRITT 1
USB-C dran – mehr Hardware braucht es zunächst nicht
Voice PE benötigt 5 V / 2 A über USB-C und verbindet sich per 2,4-GHz-WLAN mit deinem Netzwerk. Home Assistant muss bereits auf einem anderen Gerät laufen. Nach dem Einschalten führt Home Assistant über einen Einrichtungsassistenten durch die Sprachkonfiguration.
Der offizielle empfohlene Verkaufspreis liegt derzeit bei 59 €. Wichtig für die Einkaufsliste: USB-C-Kabel und Netzteil liegen nicht bei. Benötigt werden USB-C und 5 V / 2 A.
SCHRITT 2
Der entscheidende Punkt: Wo wird deine Sprache verstanden?
Das Voice PE selbst ist nicht automatisch die komplette Spracherkennung. Home Assistant lässt dich zwischen verschiedenen Pipelines wählen. Genau das macht die Lösung interessant: Die Hardware im Raum kann dieselbe bleiben, während wir später die Verarbeitung ändern.
DREI WEGE
Welche Pipeline nehmen wir?
Fokussiert lokal: Speech-to-Phrase ist für typische Hausbefehle gedacht und läuft auch auf vergleichsweise schwacher Hardware. Dafür versteht es keine beliebige freie Sprache.
Vollständig lokal: Mit Whisper kann freie Sprache lokal erkannt werden. Für schnelle Reaktionen empfiehlt Home Assistant deutlich stärkere Hardware; für Whisper Base nennt die Voice-PE-Dokumentation mindestens etwa Intel-N100-Niveau.
Cloud: Home Assistant Cloud übernimmt Speech-to-Text und Text-to-Speech. Das ist bequem und entlastet schwächere Home-Assistant-Rechner, benötigt aber eine Internetverbindung.
🔒 Lokal heißt bei Voice PE wirklich: Du hast die Wahl
Das Gerät kann mit einer vollständig lokalen Assist-Pipeline betrieben werden. Wer lieber wenig Rechenleistung zuhause bereitstellt, kann stattdessen die Cloud-Verarbeitung wählen. Später können wir sogar ein LLM anbinden. Das Sprachgerät im Zimmer muss dafür nicht ausgetauscht werden.
SCHRITT 3
Unser erster Test
Nach der Einrichtung beginnen wir absichtlich nicht mit komplizierten Sätzen. Erst drei einfache Prüfungen: „Schalte das Küchenlicht ein“, „Wie ist die Temperatur im Wohnzimmer?“ und „Stelle einen Timer auf fünf Minuten.“
Funktionieren Gerätebefehle nicht, gehen wir zurück zu Folge 3: Nur für Assist freigegebene Geräte mit vernünftigen Namen und Bereichen lassen sich zuverlässig ansprechen.
HANDY ODER VOICE PE?
Jetzt sieht man den Unterschied
📱 Smartphone
Plus: bereits vorhanden, 0 € Zusatzkosten, perfekt zum Ausprobieren.
Minus: kein festes Raumgerät, dauerndes Wake Word kann Akku kosten, Smartphone ist nicht speziell auf Raum-Audio ausgelegt.
🎙️ Voice PE
Plus: festes Sprachgerät, Dual-Mikrofone, dedizierte Audioverarbeitung, Lautsprecher, physischer Mikrofon-Mute-Schalter und einfache HA-Einrichtung.
Minus: zusätzliche Hardware und die Qualität bzw. Geschwindigkeit hängt weiterhin auch von der gewählten Sprach-Pipeline und deinem HA-Rechner ab.
WO STELLEN WIR ES HIN?
Mit einem Gerät anfangen – nicht gleich das ganze Haus ausstatten
🍳 Küche
Sehr guter Praxisraum: Hände sind oft beschäftigt, Timer und Lichtbefehle sind nützlich und Sprache spart echte Handgriffe.
🛋️ Wohnzimmer
Sinnvoll für Licht, TV, Szenen und Temperaturabfragen. Bei laufendem Fernseher zeigt sich gleichzeitig, wie gut Mikrofone und Audioverarbeitung in deinem Raum funktionieren.
🛏️ Schlafzimmer
Praktisch für Licht, Rollläden und Gute-Nacht-Szenen. Der physische Mute-Schalter ist hier besonders beruhigend, wenn du nachts kein aktives Mikrofon möchtest.
🚿 Bad
Sprachsteuerung wäre praktisch, aber Voice PE ist laut Hersteller nur für trockene Innenräume vorgesehen. Nicht in feuchter oder kondensierender Umgebung platzieren.
Stell es in den Raum, in dem Sprache im Alltag am meisten bringt, und teste zwei Wochen lang Reichweite, Fehlaktivierungen und Reaktionszeit. Erst danach entscheiden wir, ob weitere Räume Voice PE, ein günstiger ESPHome-Satellit oder gar kein Sprachgerät brauchen.
Voice PE ist das Ohr und der Mund. Home Assistant ist das Gehirn. Und welches Sprachzentrum wir diesem Gehirn geben – Speech-to-Phrase, Whisper, Cloud oder später KI – entscheiden wir selbst.
Home Assistant nennt die Voice Preview Edition weiterhin als empfohlenes Sprachgerät. Sie misst 84 × 84 × 21 mm, besitzt ESP32-S3, XMOS XU316, Dual-Mikrofone, internen Lautsprecher, 3,5-mm-Ausgang, physischen Mikrofon-Mute-Schalter und vorinstalliertes ESPHome. Die Wake Words „Okay Nabu“, „Hey Jarvis“ und „Hey Mycroft“ werden per microWakeWord direkt auf dem Gerät erkannt. Der empfohlene Preis beträgt derzeit 59 €; Netzteil und USB-C-Kabel sind nicht enthalten.
Home Assistant: Voice Preview Edition ↗
Home Assistant: Assist ↗
Home Assistant: lokale Sprachverarbeitung ↗
← FOLGE 4
Das Handy hört mit
Assist auf Android und lokale Wake-Word-Erkennung.
Zurück zu Folge 4 →FOLGE 6 →
Alexa darf bleiben
Wir schauen uns an, wie vorhandene Echo-Geräte mit Home Assistant zusammenspielen – und wo die Grenzen liegen.
Weiter zu Folge 6 →