Cómo Crear un Asistente de Voz con Home Assistant [Tutorial 2026]

1Wyoming es un protocolo ligero para comunicación entre:
2- Microfonos/dispositivos de entrada
3- Servicios de reconocimiento de voz (STT)
4- Procesadores de intent
5- Servicios de síntesis de voz (TTS)
6- Dispositivos de salida (altavoces)
7 
8Características:
9- Comunicación en tiempo real
10- Bajo latencia
11- Arquitectura desacoplada
12- Fácil de extender

1✅ Modular: Cambiar un componente sin afectar otros
2✅ Independiente: Cada servicio corre en su propio proceso
3✅ Escalable: Múltiples dispositivos sin conflictos
4✅ Robusto: Recuperación automática de fallos
5✅ Privado: Todo local, sin datos en la nube

1Flujo de Conversación:
2┌─────────────┐
3│  Micrófono  │
4└──────┬──────┘
5       │ Audio WAV
6       ▼
7┌─────────────────────────────┐
8│ Wyoming STT (Whisper)       │ (Speech-To-Text)
9│ Convierte voz a texto       │
10└──────┬──────────────────────┘
11       │ Texto transcrito
12       ▼
13┌─────────────────────────────┐
14│ Procesador de Intent        │ Intent Recognition
15│ Identifica acción a tomar   │
16└──────┬──────────────────────┘
17       │ Acción identificada
18       ▼
19┌─────────────────────────────┐
20│ Conversation Agent          │ Genera respuesta
21│ (LLM local o remoto)        │
22└──────┬──────────────────────┘
23       │ Texto de respuesta
24       ▼
25┌─────────────────────────────┐
26│ Wyoming TTS (Piper)         │ (Text-To-Speech)
27│ Convierte texto a voz       │
28└──────┬──────────────────────┘
29       │ Audio WAV
30       ▼
31┌─────────────┐
32│  Altavoz    │
33└─────────────┘

1Home Assistant Host:
2- Raspberry Pi 4B (8GB RAM recomendado)
3- Orange Pi 5 (mejor performance)
4- Mini PC con Debian/Ubuntu
5- Cualquier Linux con Docker
6 
7Microficios Recomendados:
8- Raspberry Pi Pico
9- ESP32 o ESP32-S3
10- M5Stack Atom Echo ($15 USD)

1# Home Assistant instalado
2Version: 2024.1.0 o superior
3 
4# Addons de Home Assistant
5- Whisper (STT)
6- Piper (TTS)
7- Open Wake Word (detección de activación)
8 
9# Servicios del sistema
10- ALSA (manejo de audio)
11- PulseAudio o PipeWire (mixer de audio)

1# En Home Assistant:
21. Settings → Add-ons → Add-on Store
32. Busca "Whisper"
43. Instala el addon oficial de Home Assistant
54. Configura puerto (típicamente 10200)
65. Inicia el servicio

1stt:
2  - platform: whisper
3    api_type: local
4    language: es  # Español
5 
6# Opcional: Fine-tuning
7whisper:
8  language: es_ES
9  model: base  # tiny, base, small, medium, large
10  device: cpu  # o 'cuda' si tienes GPU
11  energy_threshold: 4000

1tiny:     75 MB   (rápido, menos preciso)
2base:     140 MB  (recomendado balanceado)
3small:    466 MB  (mejor precision)
4medium:   1.5 GB  (muy bueno, pero lento)
5large:    2.9 GB  (máxima precisión)
6 
7Para español: "base" es suficiente

1# Test vía API REST
2curl -X POST "http://localhost:10200/process" \
3  -H "Content-Type: audio/wav" \
4  --data-binary @audio.wav
5 
6# Respuesta esperada:
7{
8  "result": {
9    "text": "enciende la luz del salón",
10    "confidence": 0.95
11  }
12}

1# En Home Assistant:
21. Settings → Add-ons → Add-on Store
32. Busca "Piper"
43. Instala el addon oficial
54. Configura puerto (típicamente 10201)
65. Inicia el servicio

1tts:
2  - platform: piper
3    language: es
4    voice: es_MX-cpu  # Varias opciones disponibles
5 
6# Voces disponibles en español:
7# - es_MX-cpu (mexicano, natural)
8# - es_ES-cpu (español castellano)
9# - es_AR-cpu (argentino)

1Mexicano (es_MX-cpu):
2- Excelente pronunciación
3- Velocidad natural
4- Mejor para neutralidad
5 
6Castellano (es_ES-cpu):
7- Acento español
8- Muy clara
9- Ideal para España
10 
11Argentino (es_AR-cpu):
12- Acento particular
13- Buena calidad
14- Específico para región

1# Test de síntesis de voz
2curl -X GET "http://localhost:10201/process?text=Hola%20mundo&speaker=es_ES-cpu" \
3  -o respuesta.wav
4 
5# Reproduciir audio:
6aplay respuesta.wav

1# configuration.yaml
2 
3voice_assistant:
4  - id: "default_voice"
5    name: "Mi Asistente"
6    language: "es"
7    speech_recognition_engine: whisper
8    text_to_speech_engine: piper
9 
10# Configuración de Whisper
11stt:
12  - platform: whisper
13    language: es
14 
15# Configuración de Piper
16tts:
17  - platform: piper
18    language: es
19    voice: es_ES-cpu
20 
21# Intent Recognition (intent del usuario)
22intent:
23  - platform: home_assistant
24    language: es

1voice_assistant:
2  - id: casa_principal
3    name: "Asistente Casa Principal"
4    language: es
5 
6    # STT Config
7    stt_engine: whisper
8    stt_config:
9      language: es_ES
10      model: base
11 
12    # TTS Config
13    tts_engine: piper
14    tts_config:
15      language: es
16      voice: es_ES-cpu
17 
18    # Intent Recognition
19    conversation_engine: home_assistant
20    conversation_language: es
21 
22    # Wake word detection
23    wake_word_detection: openWakeWord
24    wake_word: "hola asistente"
25 
26    # Audio settings
27    input_device: default
28    output_device: default
29    sample_rate: 16000
30    channels: 1

1# Instalación vía add-on:
21. Add-on Store → Buscar "OpenWakeWord"
32. Instalar
43. Configurar puerto (tipicamente 10203)

1# configuration.yaml
2wake_word_detection:
3  - platform: openWakeWord
4    models:
5      - "alexa"      # Usa modelo pre-entrenado
6      - "picovoice"
7    threshold: 0.5   # Sensibilidad (0.0-1.0)

1# Firmware para ESP32-S3
2# Usa TensorFlow Lite para detección local
3 
4# En microcontrolador:
5#include <tensorflow/lite/micro/all_ops_resolver.h>
6 
7// Detecta "Hola Asistente" con 99.2% precisión
8void detect_wake_word(audio_buffer *buf) {
9    interpreter.Invoke();
10    float *output = interpreter.typed_output_tensor<float>(0);
11 
12    if (output[0] > 0.85) {
13        // Wake word detectado
14        send_signal_to_home_assistant();
15    }
16}

1# Entrenar wake word personalizado
2wake_word_training:
3  name: "Mi Palabra"
4  language: es
5  samples: 50  # Grabar 50 ejemplos
6 
7# Una vez entrenado:
8wake_word_detection:
9  - platform: openWakeWord
10    custom_model: /config/wake_words/mi_palabra.tflite

1# Home Assistant tiene intents pre-built:
2- turn_on      # Enciende dispositivos
3- turn_off     # Apaga dispositivos
4- toggle       # Alterna estado
5- set_temperature  # Ajusta temperatura
6- set_brightness   # Ajusta brillo
7- play_media   # Reproduce contenido

1language: es
2version: 2
3 
4intents:
5  EncenderTodo:
6    data:
7      domains:
8        - light
9        - switch
10    sentences:
11      - "enciende {name}"
12      - "enciende todas las luces"
13      - "activa {name}"
14      - "prende {name}"
15      - "pon {name}"
16 
17  ApagarTodo:
18    data:
19      domains:
20        - light
21        - switch
22    sentences:
23      - "apaga {name}"
24      - "apaga todo"
25      - "desactiva {name}"
26      - "quita {name}"
27 
28  PreguntarTemperatura:
29    data:
30      domains:
31        - climate
32        - sensor
33    sentences:
34      - "cuál es la temperatura"
35      - "qué temperatura hace"
36      - "dame la temperatura de {name}"
37      - "cuántos grados hay"
38 
39  AbrirCortinas:
40    data:
41      domains:
42        - cover
43    sentences:
44      - "abre las cortinas"
45      - "abre {name}"
46      - "levanta {name}"
47      - "sube {name}"

1# Respuestas para cada intent
2conversation:
3  custom_responses:
4    EncenderTodo:
5      - "Encendiendo {name}"
6      - "Vale, prendo {name}"
7      - "Listo, {name} está activado"
8 
9    ApagarTodo:
10      - "Apagando {name}"
11      - "De acuerdo, {name} apagado"
12      - "Listo, {name} está off"
13 
14    PreguntarTemperatura:
15      - "La temperatura es {temp}°C"
16      - "En {name} hay {temp} grados"

1# Instalar Ollama en tu Red
2# Download: ollama.ai
3 
4# Home Assistant Integration
5conversation:
6  engine: home_assistant
7  agent_type: ollama
8  model: neural-chat:7b-v3.1  # Modelo ligero en español
9 
10  # Configuración
11  ollama:
12    host: http://localhost:11434
13    temperature: 0.7
14    max_tokens: 256

1conversation:
2  engine: openai
3  api_key: !secret openai_key
4  model: gpt-4o-mini
5 
6  # Es mucho más inteligente pero requiere internet
7  # y cuesta dinero

1# custom_components/mi_agente/agent.py
2 
3from homeassistant.const import Platform
4from homeassistant.core import HomeAssistant
5 
6async def async_process_conversation(
7    hass: HomeAssistant,
8    text: str,
9    user_id: str
10) -> str:
11    """Procesa la conversación y devuelve respuesta."""
12 
13    # Analizar entrada
14    lower_text = text.lower()
15 
16    # Lógica personalizada
17    if "luz" in lower_text and "encend" in lower_text:
18        # Enciende luces inteligentes
19        await hass.services.async_call(
20            "light",
21            "turn_on",
22            {"entity_id": "light.salon"}
23        )
24        return "Encendiendo la luz del salón"
25 
26    elif "temperatura" in lower_text:
27        # Obtiene temperatura actual
28        temp = hass.states.get("sensor.temperatura_salon")
29        return f"La temperatura actual es {temp.state}°C"
30 
31    # Fallback a LLM genérico
32    return "No entiendo, intenta de nuevo"

1// Firmware M5Stack Atom Echo
2#include <M5Atom.h>
3#include <WiFi.h>
4 
5void setup() {
6    M5.begin();
7 
8    // Configurar micrófono
9    esp_err_t err = esp_codec_dev_set_in_gain(
10        CODEC_ADC_GAIN_INT_VOL_DB_6
11    );
12 
13    // Conectar a WiFi
14    WiFi.mode(WIFI_STA);
15    WiFi.begin(SSID, PASSWORD);
16 
17    // Transmitir audio a Home Assistant via Wyoming
18    init_wyoming_client("192.168.1.100:10200");
19}
20 
21void loop() {
22    // Capturar audio del micrófono
23    uint8_t audio_buffer[4096];
24    size_t bytes_read = read_microphone(audio_buffer, 4096);
25 
26    if (bytes_read > 0) {
27        // Enviar a Whisper para transcripción
28        send_to_wyoming(audio_buffer, bytes_read);
29    }
30 
31    M5.update();
32    delay(10);
33}

1// Configuración de micrófono INMP441 en ESP32-S3
2 
3#define I2S_SCK 17
4#define I2S_WS 16
5#define I2S_SD 15
6 
7void init_i2s_microphone() {
8    i2s_config_t i2s_config = {
9        .mode = I2S_MODE_MASTER | I2S_MODE_RX,
10        .sample_rate = 16000,  // Whisper requiere 16kHz
11        .bits_per_sample = I2S_BITS_PER_SAMPLE_16BIT,
12        .channel_format = I2S_CHANNEL_FMT_ONLY_LEFT,
13        .communication_format = I2S_COMM_FORMAT_I2S,
14        .intr_alloc_flags = ESP_INTR_FLAG_LEVEL1,
15    };
16 
17    i2s_driver_install(I2S_NUM_0, &i2s_config, 0, NULL);
18 
19    // Pin config
20    i2s_set_pin(I2S_NUM_0, &pin_config);
21}

1automation:
2  - alias: "Saludo Matutino"
3    trigger:
4      - platform: time
5        at: "07:00:00"
6        weekday:
7          - mon
8          - tue
9          - wed
10          - thu
11          - fri
12    action:
13      - service: tts.piper_say
14        data:
15          entity_id: media_player.speaker_dormitorio
16          message: "Buenos días, son las 7 de la mañana. La temperatura exterior es 18 grados."
17      - service: light.turn_on
18        target:
19          entity_id: light.dormitorio
20        data:
21          brightness: 100

1automation:
2  - alias: "Escena Llegada a Casa"
3    trigger:
4      - platform: voice_assistant
5        intent: "weather_request"
6    action:
7      - service: scene.turn_on
8        target:
9          entity_id: scene.bienvenida_casa
10 
11      - parallel:
12          - service: tts.piper_say
13            data:
14              message: >
15                Bienvenido a casa.
16                Hay {{state_attr('weather.casa', 'temperature')}} grados
17                y {{states('weather.casa')}}
18 
19          - service: light.turn_on
20            target:
21              entity_id: light.salon

1automation:
2  - alias: "Reproducir Música por Voz"
3    trigger:
4      - platform: voice_assistant
5        intent: "play_media"
6    action:
7      - service: media_player.play_media
8        target:
9          entity_id: media_player.sonos_salon
10        data:
11          media_content_id: "spotify:playlist:{{ trigger.intent.slots.playlist }}"
12          media_content_type: playlist

1# Configuración para minimizar latencia
2wake_word_detection:
3  threshold: 0.6  # Más sensible = detección más rápida
4 
5stt:
6  platform: whisper
7  vad_threshold: 3000  # Voice Activity Detection
8 
9# Usar CPU en lugar de GPU si tienes GPU débil
10whisper:
11  device: cpu
12  model: tiny  # Más rápido pero menos preciso

1# Configuración optimizada para español
2stt:
3  platform: whisper
4  language: es
5  temperature: 0  # Determinístico, sin aleatoriedad
6 
7tts:
8  platform: piper
9  language: es
10  voice: es_ES-cpu
11  length_scale: 1.0  # Normal speed

1# Para Raspberry Pi con recursos limitados
2whisper:
3  model: tiny  # 75MB vs 2.9GB (large)
4  device: cpu
5  energy_threshold: 4000
6 
7piper:
8  voice: es_ES-cpu  # Versión CPU, no ONNX
9 
10wake_word_detection:
11  model: microWakeWord  # Más ligero que OpenWakeWord

1logger:
2  logs:
3    homeassistant.components.wyoming: debug
4    homeassistant.components.voice_assistant: debug
5    homeassistant.components.intent: debug
6 
7# Ver logs en tiempo real:
8# /config/logs/home-assistant.log

1# Automaciones de ejemplo
2automation:
3  - alias: "Escena Noche"
4    trigger:
5      - platform: voice_assistant
6        intent: "turn_off_all"
7    action:
8      - service: light.turn_off
9        target:
10          entity_id:
11            - light.sala
12            - light.dormitorio
13            - light.cocina
14 
15      - service: lock.lock
16        target:
17          entity_id: lock.puerta_principal
18 
19      - service: media_player.media_pause
20        target:
21          entity_id: media_player.todos_los_tv
22 
23      - service: tts.piper_say
24        data:
25          message: "Buenas noches, estoy en modo sueño"

1# Responder preguntas educativas
2automation:
3  - alias: "Preguntas sobre el Clima"
4    trigger:
5      - platform: voice_assistant
6        intent: "weather_request"
7    action:
8      - service: conversation.process
9        data:
10          text: "{{ trigger.intent.query }}"
11 
12  # Usa agente Ollama con modelo educativo
13  conversation:
14    engine: ollama
15    model: mistral:7b-instruct