M5Stack Atom Echo y Xiaozhi: El Futuro del Control por Voz Privado en Español

Un dispositivo de 15€ del tamaño de un dado puede hacer lo mismo que un Amazon Echo de 60€. La diferencia: tu voz nunca sale de tu casa.

M5Stack Atom Echo y Xiaozhi ESP32 son la revolución del control por voz privado. Con Home Assistant, Whisper y Piper, puedes crear un ecosistema de asistentes de voz que funcionan 100% en local, sin suscripciones y con soporte completo para español.

¿Por qué necesitas un asistente de voz privado?

Cada vez que dices "Alexa" o "Hey Google", tu voz viaja a servidores en Estados Unidos donde es procesada, almacenada y, a menudo, revisada por humanos.

El problema de los asistentes comerciales

"Si no pagas por el producto, tú eres el producto. Amazon y Google monetizan tus conversaciones." — Cory Doctorow, activista digital

La alternativa: Asistentes ESP32 con Home Assistant

Home Assistant lanzó en 2023 el "Year of the Voice", un proyecto ambicioso para crear asistentes de voz totalmente locales y privados. En 2026, el ecosistema está maduro:

• Whisper: Transcripción de voz a texto (STT) local
• Piper: Síntesis de voz (TTS) en español con voces naturales
• openWakeWord: Detección de palabra de activación local
• Wyoming Protocol: Conecta todo con Home Assistant

M5Stack Atom Echo: Review completa

¿Qué es el M5Stack Atom Echo?

El Atom Echo es un altavoz inteligente del tamaño de un cubo de 24mm basado en ESP32 con micrófono integrado y un pequeño altavoz. Home Assistant lo recomienda como el dispositivo de 13 dólares para control por voz.

Especificaciones técnicas

Puntos fuertes

• Tamaño minúsculo: Cabe en cualquier rincón
• Bajo consumo: ~0.5W en standby
• Fácil de flashear: ESPHome compatible
• Económico: 3-4 unidades por el precio de un Echo Dot
• Integración oficial: Documentado por Home Assistant

Puntos débiles

• Altavoz pequeño: Sonido limitado, no apto para música
• Micrófono único: Peor captación que arrays de micrófonos
• Sin jack 3.5mm: No puedes conectar altavoz externo fácilmente
• ESP32 antiguo: No tiene el rendimiento del S3

Dónde comprar

• AliExpress: €12-15 (envío 15-30 días)
• Amazon España: €18-22 (envío rápido)
• Tienda oficial M5Stack: €13 + envío

Xiaozhi ESP32: La alternativa open source

¿Qué es Xiaozhi?

Xiaozhi es un proyecto open source chino que ha revolucionado el mundo de los asistentes de voz DIY. Es un chatbot de voz basado en ESP32 con integración de LLMs y soporte para más de 30 módulos de hardware.

Diferencias con Atom Echo

Características destacadas de Xiaozhi

1. Multimodal: Soporte para pantallas, cámaras, LEDs
2. Múltiples LLMs: DeepSeek, Qwen, GPT-4, Claude
3. MCP nativo: Conecta con cualquier aplicación
4. IoT integrado: Control de dispositivos sin Home Assistant
5. Open source MIT: Uso comercial permitido

Hardware compatible con Xiaozhi

Instalación: M5Stack Atom Echo con Home Assistant

Requisitos previos

1. Home Assistant con Supervisor (HAOS o Supervised)
2. Add-ons instalados:

- Whisper (STT local)

- Piper (TTS local)

- openWakeWord (detección de palabra)

1. Atom Echo con USB-C

Paso 1: Flashear ESPHome al Atom Echo

Opción A: Desde el navegador (más fácil)

1. Conecta el Atom Echo por USB a tu ordenador
2. Ve a web.esphome.io
3. Click en "Connect" y selecciona el puerto USB
4. Click en "Prepare for first use"
5. Introduce las credenciales WiFi

Opción B: Desde ESPHome Dashboard

1# atom-echo.yaml
2substitutions:
3  name: atom-echo-salon
4  friendly_name: "Atom Echo Salón"
5 
6packages:
7  m5stack.atom-echo-voice-assistant:
8    url: https://github.com/esphome/wake-word-voice-assistants
9    files:
10      - m5stack-atom-echo/m5stack-atom-echo.yaml
11    refresh: 0s
12 
13esphome:
14  name: ${name}
15  name_add_mac_suffix: false
16  friendly_name: ${friendly_name}
17 
18wifi:
19  ssid: !secret wifi_ssid
20  password: !secret wifi_password
21 
22api:
23  encryption:
24    key: !secret api_encryption_key

Paso 2: Instalar add-ons de voz en Home Assistant

Whisper (Speech-to-Text)

1. Ve a Configuración > Complementos > Tienda de complementos
2. Busca "Whisper" e instala
3. Configura:

1# Configuración de Whisper
2language: es  # Español
3model: base   # o 'small' para mejor precisión
4beam_size: 5

1. Inicia el add-on

Piper (Text-to-Speech)

1. Instala "Piper" desde la tienda
2. Configura la voz en español:

1# Configuración de Piper
2voice: es_ES-davefx-medium  # Voz española masculina
3# Alternativas:
4# es_ES-sharvard-medium     # Voz femenina
5# es_MX-ald-medium          # Español mexicano

openWakeWord

1. Instala "openWakeWord" desde la tienda
2. Palabras de activación disponibles:

- "Okay Nabu" (por defecto)

- "Hey Jarvis"

- "Hey Mycroft"

Nota importante: openWakeWord actualmente solo soporta wake words en inglés. Para español, puedes:

• Usar una palabra en inglés (ej: "Hey Jarvis")
• Entrenar un modelo personalizado (avanzado)
• Usar activación por botón físico

Paso 3: Configurar Assist Pipeline

1. Ve a Configuración > Asistentes de voz
2. Crea un nuevo asistente:

- Nombre: "Jarvis"

- Idioma: Español

- STT: Whisper

- TTS: Piper

- Wake word: Hey Jarvis (opcional)

1. Guarda

Paso 4: Asignar dispositivo al asistente

1. Ve a Configuración > Dispositivos y servicios
2. Busca tu Atom Echo (aparece como "ESPHome: atom-echo-salon")
3. Click en el dispositivo
4. En Asistente, selecciona "Jarvis"

Paso 5: Probar

1. Di "Hey Jarvis" (si configuraste wake word) o pulsa el botón del Atom Echo
2. El LED cambiará a azul (escuchando)
3. Di: "Enciende la luz del salón"
4. El LED cambiará a verde (procesando) y ejecutará el comando

Instalación: Xiaozhi ESP32 con servidor local

Arquitectura de Xiaozhi

1┌─────────────────────────────────────────────────────────────────┐
2│                      XIAOZHI ECOSYSTEM                          │
3├─────────────────────────────────────────────────────────────────┤
4│                                                                 │
5│  ┌──────────────┐     ┌──────────────────┐     ┌─────────────┐ │
6│  │  ESP32-S3    │     │  Xiaozhi Server  │     │    LLM      │ │
7│  │  (Cliente)   │ ──► │   (Backend)      │ ──► │ (DeepSeek)  │ │
8│  │  Micrófono   │     │   ASR + TTS      │     │             │ │
9│  │  Altavoz     │     │   MCP Gateway    │     │             │ │
10│  └──────────────┘     └──────────────────┘     └─────────────┘ │
11│                              │                                  │
12│                              ▼                                  │
13│                       ┌─────────────┐                          │
14│                       │ Home Asst.  │                          │
15│                       │ (vía MCP)   │                          │
16│                       └─────────────┘                          │
17│                                                                 │
18└─────────────────────────────────────────────────────────────────┘

Paso 1: Desplegar Xiaozhi Server

1# Clonar repositorio
2git clone https://github.com/78/xiaozhi-esp32-server.git
3cd xiaozhi-esp32-server
4 
5# Configurar variables de entorno
6cp .env.example .env
7 
8# Editar .env con tu configuración
9# LLM_API_KEY=tu-api-key-de-deepseek
10# LLM_MODEL=deepseek-chat
11# TTS_PROVIDER=edge  # o azure, google
12# STT_PROVIDER=whisper
13 
14# Levantar con Docker
15docker compose up -d

Paso 2: Flashear firmware Xiaozhi al ESP32

1# xiaozhi-config.yaml para ESPHome
2esphome:
3  name: xiaozhi-salon
4  platform: ESP32
5  board: esp32-s3-devkitc-1
6 
7external_components:
8  - source: github://78/xiaozhi-esp32
9 
10xiaozhi:
11  server_url: "http://192.168.1.100:8000"  # Tu servidor Xiaozhi
12  device_id: "salon"
13 
14# Configuración de audio
15i2s_audio:
16  i2s_lrclk_pin: GPIO5
17  i2s_bclk_pin: GPIO6
18 
19microphone:
20  - platform: i2s_audio
21    id: mic
22    adc_type: external
23    i2s_din_pin: GPIO4
24 
25speaker:
26  - platform: i2s_audio
27    id: speaker
28    dac_type: external
29    i2s_dout_pin: GPIO7

Paso 3: Integrar con Home Assistant via MCP

Xiaozhi soporta el Model Context Protocol (MCP), lo que permite conectarlo con Home Assistant:

1. Instala la integración HACS: xiaozhi-mcp-ha

1# configuration.yaml
2xiaozhi:
3  host: 192.168.1.100
4  port: 8000
5  entities:
6    - light.salon
7    - switch.calefaccion
8    - climate.termostato

1. Ahora puedes decir: "Xiaozhi, enciende la luz del salón" y controlará Home Assistant

Comparativa de hardware para asistentes de voz

Tabla comparativa completa

Mi recomendación según presupuesto

Presupuesto mínimo (<€20): M5Stack Atom Echo

• Funcional para comandos básicos
• Ideal para empezar y probar

Mejor relación calidad/precio (€30-40): AtomS3R + Atomic Echo Base

• Doble micrófono (mejor captación)
• Procesador ESP32-S3 (más potente)
• Modular y actualizable

Premium (€50-60): ESP32-S3-BOX-3

• Pantalla táctil
• Mejor calidad de audio
• Experiencia más completa

Para múltiples habitaciones: 3-4x Atom Echo

• Un dispositivo por habitación
• Coste total similar a un Echo Dot

Configuración avanzada: Voces en español

Voces disponibles en Piper para español

Personalizar la voz

En la configuración del add-on Piper:

1voice: es_ES-davefx-medium
2length_scale: 1.0      # Velocidad (0.5-2.0)
3noise_scale: 0.667     # Variación tonal
4noise_w: 0.8           # Variación de duración

Crear respuestas personalizadas

En Home Assistant, puedes crear automatizaciones con respuestas de voz personalizadas:

1automation:
2  - alias: "Respuesta personalizada al preguntar la hora"
3    trigger:
4      - platform: conversation
5        command:
6          - "¿Qué hora es?"
7          - "Dime la hora"
8    action:
9      - service: conversation.process
10        data:
11          text: >
12            Son las {{ now().strftime('%H:%M') }}.
13            {% if now().hour >= 22 or now().hour < 6 %}
14            Ya es tarde, deberías irte a dormir.
15            {% elif now().hour >= 12 and now().hour < 14 %}
16            Es hora de comer, ¿tienes hambre?
17            {% endif %}

Casos de uso prácticos

Control de luces por voz

1# Intents personalizados en Home Assistant
2# sentences/es.yaml
3language: es
4intents:
5  HassLightSet:
6    data:
7      - sentences:
8          - "pon las luces al {brightness} por ciento"
9          - "luces al {brightness}"
10        slots:
11          brightness:
12            type: percentage
13            min: 0
14            max: 100
15 
16  HassTurnOn:
17    data:
18      - sentences:
19          - "enciende (la|las) {name}"
20          - "prende (la|las) {name}"
21          - "activa (la|las|el) {name}"
22 
23  HassTurnOff:
24    data:
25      - sentences:
26          - "apaga (la|las) {name}"
27          - "desactiva (la|las|el) {name}"

Rutinas por voz

1# scripts.yaml
2buenos_dias:
3  alias: "Buenos días"
4  sequence:
5    - service: light.turn_on
6      target:
7        entity_id: light.dormitorio
8      data:
9        brightness_pct: 50
10        kelvin: 4000
11    - service: media_player.volume_set
12      target:
13        entity_id: media_player.salon
14      data:
15        volume_level: 0.3
16    - service: tts.speak
17      target:
18        entity_id: tts.piper
19      data:
20        media_player_entity_id: media_player.salon
21        message: >
22          Buenos días. Son las {{ now().strftime('%H:%M') }}.
23          La temperatura exterior es de {{ states('sensor.temperatura_exterior') }} grados.

Actívalo diciendo: "Hey Jarvis, buenos días"

Consultas del hogar

1# conversation intents
2# Cuando preguntas: "¿Está encendida la calefacción?"
3intent_script:
4  CheckHeating:
5    speech:
6      text: >
7        {% if is_state('climate.termostato', 'heat') %}
8          Sí, la calefacción está encendida a {{ state_attr('climate.termostato', 'temperature') }} grados.
9        {% else %}
10          No, la calefacción está apagada.
11        {% endif %}

Solución de problemas

El micrófono no capta bien

1. Aléjalo de fuentes de ruido (TV, ventilador)
2. Usa doble micrófono (Echo Base o Respeaker)
3. Ajusta sensibilidad en ESPHome:

1microphone:
2  - platform: i2s_audio
3    id: mic
4    gain: 40dB  # Aumentar ganancia

La transcripción es incorrecta

1. Usa modelo Whisper más grande:

- tiny → base → small → medium

1. Habla más claro y pausado
2. Reduce ruido ambiente

Latencia alta (>3 segundos)

1. Usa aceleración GPU para Whisper si tienes Nvidia
2. Reduce tamaño del modelo
3. Verifica que el servidor HA no esté saturado

Wake word no funciona

openWakeWord solo soporta inglés. Alternativas:

• Usa botón físico para activar
• Di "Hey Jarvis" (palabra inglesa)
• Entrena modelo personalizado con Mycroft Precise

Costes totales: Construye tu ecosistema de voz

Setup básico (1 habitación)

Setup completo (casa entera)

Comparativa con ecosistemas comerciales

*Nota: "Gratis" significa que tú eres el producto.

Conclusión: El futuro de la voz es privado y local

Los dispositivos como M5Stack Atom Echo y Xiaozhi ESP32 demuestran que:

1. No necesitas Amazon o Google para tener un asistente de voz
2. Por €15-50 puedes tener capacidades similares a dispositivos de €60-100
3. Tu voz se queda en casa, procesada por Whisper en tu propio servidor
4. El español está soportado con voces naturales gracias a Piper

El "Year of the Voice" de Home Assistant ha madurado en 2026. Lo que antes era experimental ahora es producción-ready para uso diario.

¿Mi recomendación? Empieza con un Atom Echo de €15 para probar. Si te convence (lo hará), expande a más habitaciones con dispositivos adicionales.

¿Ya tienes un asistente de voz local funcionando? Comparte tu experiencia en los comentarios. Y si este artículo te ha sido útil, suscríbete a la newsletter para más guías de Home Assistant y domótica privada.