{"id":791,"date":"2026-05-30T23:05:23","date_gmt":"2026-05-30T21:05:23","guid":{"rendered":"https:\/\/www.coremind.ch\/wordpress\/?p=791"},"modified":"2026-05-30T23:05:23","modified_gmt":"2026-05-30T21:05:23","slug":"ha-voice-pe-lokale-sprachsteuerung-ohne-cloud","status":"publish","type":"post","link":"https:\/\/www.coremind.ch\/wordpress\/ha-voice-pe-lokale-sprachsteuerung-ohne-cloud\/","title":{"rendered":"HA Voice PE: Lokale Sprachsteuerung ohne Cloud"},"content":{"rendered":"

Mit dem Home Assistant Voice Preview Edition<\/strong> (Voice PE) hat Nabu Casa Ende 2024 die erste eigene Hardware f\u00fcr Sprachsteuerung gelauncht \u2013 und seither l\u00e4uft sie bei mir als assist_satellite.home_assistant_voice_0a204b_assist_satellit<\/code> im B\u00fcro. Die Voice PE ist die direkte Alternative zu Alexa, Google und HomePod: kompakt, etwa CHF 70, und mit dem grossen Unterschied, dass alles lokal verarbeitet<\/strong> werden kann. Kein Wake Word, das Amazon h\u00f6rt. Keine Befehle, die in der Cloud landen. F\u00fcr HA-Nutzer mit Privacy-Fokus ist sie 2026 das interessanteste St\u00fcck Hardware seit dem Skyconnect-Stick.<\/p>\n

Was die Voice PE ist (und was nicht)<\/h2>\n

Die Voice PE ist ein Wyoming-Protokoll-Satellit mit ESP32-S3, eingebautem Lautsprecher und Mikrofon-Array. Sie macht selbst kein<\/strong> Speech-to-Text und kein Text-to-Speech \u2013 sie streamt nur Audio zur HA-Instanz, die dann eine sogenannte Voice Pipeline<\/strong> abarbeitet. Diese Pipeline besteht aus vier Stufen: Wake Word \u2192 STT (Speech-to-Text) \u2192 Intent (Conversation Agent) \u2192 TTS.<\/p>\n

Out of the box reagiert die Voice PE auf \u00abOkay Nabu\u00bb, \u00abHey Jarvis\u00bb oder \u00abHey Mycroft\u00bb \u2013 das Wake-Word l\u00e4uft on-device via microWakeWord<\/strong>, einer optimierten Variante von openWakeWord<\/strong> f\u00fcr Mikrocontroller. Der Rest der Pipeline ist konfigurierbar und genau hier wird es interessant.<\/p>\n

Lokale Pipeline aufsetzen<\/h2>\n

Wer keine Cloud will, installiert drei Add-ons: Whisper<\/strong> (STT), Piper<\/strong> (TTS) und openWakeWord<\/strong> (f\u00fcr custom Wake Words). Auf einem Raspberry Pi 5<\/strong> mit 8 GB l\u00e4uft das Whisper-Modell <\/strong>tiny-int8<\/code> fl\u00fcssig (~1.5 s Latenz), das base-int8<\/code> mit etwas mehr Druck (~3 s). F\u00fcr deutsche Sprache empfehle ich den base<\/code>-Tier, weil tiny<\/code> bei Eigennamen wie Hue-Szenen versagt.<\/p>\n

Die Konfiguration der Pipeline l\u00e4uft komplett \u00fcber die UI unter \u00abEinstellungen \u2192 Sprachassistenten \u2192 Assistent hinzuf\u00fcgen\u00bb. Wer es deklarativ haben will, kann die Wyoming-Endpoints in configuration.yaml<\/code> deklarieren:<\/p>\n

\u2029wyoming:\u2029  - name: Whisper Local\u2029    host: a0d7b954-whisper.local.hass.io\u2029    port: 10300\u2029  - name: Piper Local\u2029    host: a0d7b954-piper.local.hass.io\u2029    port: 10200\u2029\u2029assist_pipeline:\u2029  - name: Local Pipeline\u2029    language: de\u2029    stt_engine: wyoming.whisper_local\u2029    tts_engine: wyoming.piper_local\u2029    wake_word_entity: wake_word.openwakeword_okay_nabu\u2029<\/code><\/pre>\n
Die Voice PE selber wird der Pipeline \u00fcber die Ger\u00e4te-Einstellungen zugewiesen: Ger\u00e4t ausw\u00e4hlen \u2192 \u00abSprachassistent\u00bb \u2192 die definierte Pipeline setzen.<\/p>\n
LLM als Conversation Agent<\/h2>\n
Spannend wird es, wenn die Intent-Stufe nicht der eingebaute HA-Parser ist, sondern ein LLM<\/strong>. Mit der OpenAI Conversation Integration<\/strong> (oder Anthropic, Ollama, Google) lassen sich offene Befehle wie \u00abMach es in der K\u00fcche etwas gem\u00fctlicher\u00bb interpretieren, die der klassische Sentence-Parser nie verstehen w\u00fcrde.<\/p>\n
In meiner Config l\u00e4uft der Agent mit einer Prompt-Direktive, die jeden Befehl gegen die exposed Entities matcht. Eine minimale Automation, die den Voice-PE-Button als Trigger nutzt:<\/p>\n
\u2029automation:\u2029  - alias: \"Voice PE Button = Szene zyklus\"\u2029    triggers:\u2029      - trigger: state\u2029        entity_id: event.home_assistant_voice_0a204b_button_press\u2029    actions:\u2029      - action: input_select.select_next\u2029        target:\u2029          entity_id: input_select.buero_szenen_zyklus\u2029      - action: scene.turn_on\u2029        target:\u2029          entity_id: \"{{ states('input_select.buero_szenen_zyklus') }}\"\u2029<\/code><\/pre>\n
Custom Wake Word trainieren<\/h2>\n
Mit openWakeWord<\/strong> l\u00e4sst sich ein eigenes Wake Word in rund 20 Minuten trainieren. Die Anleitung von David Scripka (openWakeWord-Projekt) l\u00e4uft \u00fcber ein Google Colab Notebook: 100 positive und 100 negative Audio-Samples reichen f\u00fcr eine brauchbare Erkennungsrate. Das fertige Modell (.tflite<\/code>) kommt in das openWakeWord-Add-on und steht in der Pipeline-Konfiguration sofort zur Verf\u00fcgung.<\/p>\n
Tipp: Wake Words mit drei Silben<\/strong> (z.B. \u00abHey Coremind\u00bb) haben eine deutlich tiefere Fehlausl\u00f6sungsrate als zweisilbige. Wer die Voice PE im Schlafzimmer einsetzt, sollte das ber\u00fccksichtigen.<\/p>\n
Multi-Room-Setup<\/h2>\n
Mehrere Voice PEs lassen sich pro Raum zuweisen und mit raumspezifischen Pipelines kombinieren. Die LED-Ring-Entit\u00e4t (light.home_assistant_voice_0a204b_led_ring<\/code>) zeigt den Pipeline-Status farblich an \u2013 blaue Animation beim Listening, gr\u00fcner Puls beim Verstehen, rote Pulse bei Fehler. Wer das mit der Adaptive Lighting<\/strong> Integration kombiniert, kann den LED-Ring abends automatisch dimmen.<\/p>\n
Wer den Pipeline-Stack lieber auf einem dedizierten Satelliten testen will, findet im Artikel zu Raspiaudio Muse Luxe als Voice-Satellit<\/a> eine g\u00fcnstigere ESPHome-Variante \u2013 die allerdings beim Mikrofon-Array klar hinter der Voice PE liegt.<\/p>\n
Fazit<\/h2>\n
Die Voice PE ist die erste lokale Sprachsteuerung, die im Alltag tats\u00e4chlich funktioniert, ohne dass man im Ger\u00e4teequivalent eines Stockholmer Datenzentrums landet. Wer schon HA-User ist und einen Pi 5 stehen hat, bekommt f\u00fcr CHF 70 das fehlende St\u00fcck Hardware. Drei Stolperfallen: Erstens, Whisper auf einem Pi 3 l\u00e4uft nicht \u2013 mindestens N100\/Pi 5. Zweitens, das ESPHome-Update der Voice PE l\u00e4uft \u00fcber die OTA-Pipeline von Nabu Casa, hier hilft kein lokales Manifest. Drittens, der LLM-Conversation-Agent verbraucht pro Befehl 200\u2013500 Tokens \u2013 wer auf Anthropic oder OpenAI setzt, sollte die Kosten im Auge behalten. F\u00fcr reine lokale Setups lohnt sich der Schritt zu Ollama mit Llama 3.2<\/strong> parallel.<\/p>\n","protected":false},"excerpt":{"rendered":"
Mit dem Home Assistant Voice Preview Edition (Voice PE) hat Nabu Casa Ende 2024 die erste eigene Hardware f\u00fcr Sprachsteuerung gelauncht \u2013 und seither l\u00e4uft sie bei mir als assist_satellite.home_assistant_voice_0a204b_assist_satellit im B\u00fcro. Die Voice PE ist die direkte Alternative zu Alexa, Google und HomePod: kompakt, etwa CHF 70, und mit dem grossen Unterschied, dass alles … Weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-791","post","type-post","status-publish","format-standard","hentry","category-ha"],"_links":{"self":[{"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/posts\/791","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/comments?post=791"}],"version-history":[{"count":1,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/posts\/791\/revisions"}],"predecessor-version":[{"id":808,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/posts\/791\/revisions\/808"}],"wp:attachment":[{"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/media?parent=791"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/categories?post=791"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.coremind.ch\/wordpress\/wp-json\/wp\/v2\/tags?post=791"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}