Conas Cúntóir AI DIY a Thógáil le Raspberry Pi

Conas Cúntóir AI DIY a Thógáil le Raspberry Pi

Ar mhaith leat cúntóir gutha beag bídeach a leanann do threoir i ndáiríre, a ritheann ar do chrua-earraí féin, agus nach n-ordóidh dhá cheann déag anann de thaisme mar gheall ar mhíchlú? Cúntóir AI DIY le Raspberry Pi iontach indéanta, spraíúil agus solúbtha. Cuirfidh tú focal múscailte, aithint urlabhra (ASR = aitheantas urlabhra uathoibríoch), inchinn do theanga nádúrtha (rialacha nó LLM), agus téacs-go-hurlabhra (TTS) le chéile. Cuir cúpla script, seirbhís amháin nó dhó, agus roinnt coigeartuithe fuaime cúramach leis, agus tá cainteoir cliste póca agat a chloíonn le do rialacha.

Lig dúinn tú a chur ó náid go dtí go mbeidh tú ag caint le do Pi gan an gnáth-ghruaig a tharraingt. Clúdóimid páirteanna, socrú, cód, comparáidí, botúin... an burrito ar fad. 🌯

Ailt a d’fhéadfadh a bheith spéisiúil duit a léamh i ndiaidh an cheann seo:

🔗 Conas staidéar éifeachtach a dhéanamh ar AI
Cruthaigh treochlár staidéir, cleachtaigh tionscadail, agus déan monatóireacht ar dhul chun cinn.

🔗 Conas cuideachta AI a thosú
Fadhb a bhailíochtú, MVP a thógáil, foireann a chur le chéile, custaiméirí tosaigh a fháil.

🔗 Conas AI a úsáid chun a bheith níos táirgiúla
Uathoibrigh tascanna gnáthaimh, sruthlínigh sreafaí oibre, agus méadaigh aschur cruthaitheach.

🔗 Conas AI a ionchorprú i do ghnó
Sainaithin próisis ardtionchair, cuir i bhfeidhm píolótaí, tomhais ROI, agus scálaigh.

Cad a dhéanann Cúntóir AI DIY maith le Raspberry Pi ✅

  • Príobháideach de réir réamhshocraithe – coinnigh fuaim áitiúil nuair is féidir. Is tusa a chinneann cad a fhágann an gléas.

  • Modúlach – comhpháirteanna malartaithe cosúil le Lego: inneall focal múscailte, ASR, LLM, TTS.

  • Inacmhainne – micreafóin, cainteoirí agus Pi foinse oscailte den chuid is mó.

  • In-hacála – ar mhaith leat uathoibriú tí, painéil rialaithe, gnáthaimh, scileanna saincheaptha? Éasca.

  • Iontaofa – bainistithe ag an tseirbhís, tosaithe agus ag éisteacht go huathoibríoch.

  • Spraoi – foghlaimeoidh tú go leor faoi fhuaim, próisis, agus dearadh atá á thiomáint ag imeachtaí.

Leid bheag: Má úsáideann tú Raspberry Pi 5 agus má tá sé beartaithe agat samhlacha áitiúla níos troime a rith, cabhraíonn fuaraitheoir gearrthóg faoi ualach leanúnach. (Nuair a bhíonn amhras ort, roghnaigh an Fuaraitheoir Gníomhach oifigiúil atá deartha do Pi 5.) [1]

Páirteanna & Uirlisí a Bheidh de Dhíth Ort 🧰

  • Raspberry Pi: Moltar Pi 4 nó Pi 5 le haghaidh spás ceann.

  • Cárta microSD: moltar 32 GB+.

  • Micreafón USB: tá ​​micreafón comhdhála USB simplí iontach.

  • Cainteoir: Cainteoir USB nó 3.5 mm, nó aimplitheoir I2S HAT.

  • Líonra: Eitirnéad nó Wi-Fi.

  • Gnéithe roghnacha: cás, fuaraitheoir gníomhach don Pi 5, cnaipe brú le haghaidh brúigh-chun-caint, fáinne LED. [1]

Socrú Córas Oibriúcháin & Bunlíne

  1. Flash OS Raspberry Pi le Raspberry Pi Imager. Is é an bealach simplí chun microSD bootable a fháil leis na réamhshocruithe is mian leat. [1]

  2. Tosaithe, ceangail leis an líonra, ansin nuashonraigh na pacáistí:

nuashonrú sudo apt && uasghrádú sudo apt -y

  1. Buneolas fuaime: Ar chóras oibriúcháin Raspberry Pi is féidir leat an t-aschur, na leibhéil agus na gléasanna réamhshocraithe a shocrú tríd an gcomhéadan úsáideora deisce nó raspi-config. Tacaítear le fuaim USB agus HDMI ar fud na samhlacha; tá aschur Bluetooth ar fáil ar mhúnlaí le Bluetooth. [1]

  2. Fíoraigh gléasanna:

taifead -l seinn -l

Ansin déan tástáil ar an ngabháil agus ar an athsheinm. Má tá cuma aisteach ar na leibhéil, seiceáil meascthóirí agus réamhshocruithe sula gcuirfidh tú an milleán ar an micreafón.

 

AI sú craobh pi

An Ailtireacht i nGleic 🗺️

Seo mar a bheadh ​​Cúntóir AI DIY ciallmhar le sreabhadh Raspberry Pi :

Focal múscailte → gabháil fuaime beo → trascríobh ASR → láimhseáil intinne nó LLM → téacs freagartha → TTS → athsheinm fuaime → gníomhartha roghnacha trí MQTT nó HTTP.

  • Focal múscailte: Tá Porcupine beag, cruinn, agus ritheann sé go háitiúil le rialú íogaireachta in aghaidh an eochairfhocail. [2]

  • ASR: Is samhail ASR ilteangach, ilchuspóireach í Whisper atá oilte ar ~680k uair an chloig; tá sí láidir i leith blasanna/torainn chúlra. Le húsáid ar fheiste, whisper.cpp cosán inferins C/C++ caol. [3][4]

  • Inchinn: Do rogha féin – LLM scamall trí API, inneall rialacha, nó inference áitiúil ag brath ar chumhacht chapaill.

  • TTS: Gineann Piper cainte nádúrtha go háitiúil, atá gasta go leor le haghaidh freagraí gasta ar chrua-earraí measartha. [5]

Tábla Comparáide Tapa 🔎

Uirlis Is Fearr Do Praghas beag Cén Fáth a Oibríonn sé
Focal Dúiseachta an Ghráin Truicear éisteachta i gcónaí Leibhéal saor in aisce + LAP íseal, cruinne, ceangail éasca [2]
Whisper.cpp ASR Áitiúil ar Pi Foinse oscailte Cruinneas maith, cairdiúil don LAP [4]
Cogar Níos Tapúla ASR níos tapúla ar LAP/GPU Foinse oscailte Uasmhéaduithe CTranslate2
Piper TTS Aschur cainte áitiúil Foinse oscailte Guthanna gasta, go leor teangacha [5]
API LLM Néal Réasúnaíocht shaibhir Bunaithe ar úsáid Díluchtaíonn ríomhaireacht throm
Node-RED Gníomhartha orchestraithe Foinse oscailte Sreafaí amhairc, cairdiúil do MQTT

Tógáil Céim ar Chéim: Do Chéad Lúb Gutha 🧩

Úsáidfimid Porcupine le haghaidh focal múscailte, Whisper le haghaidh trascríobh, feidhm “inchinne” éadrom don fhreagra (cuir do LLM rogha féin ina áit), agus Piper le haghaidh cainte. Coinnigh í íosta, agus ansin déan athrá uirthi.

1) Suiteáil spleáchais

sudo apt install -y python3-pip portaudio19-dev sox ffmpeg pip3 install sounddevice numpy

  • Porcupine: faigh an SDK/na ceangail do do theanga agus lean an tús tapa (eochair rochtana + liosta eochairfhocal + frámaí fuaime → .process). [2]

  • Whisper (cairdiúil don LAP): tóg whisper.cpp:

clón git https://github.com/ggml-org/whisper.cpp cd whisper.cpp && cmake -B tógála && cmake --build tógála -j ./models/download-ggml-model.sh base.en ./build/bin/whisper-cli -m ./models/ggml-base.en.bin -f your.wav -otxt

Léiríonn an méid thuas tús tapa an tionscadail. [4]

An fearr leat Python? faster-whisper (CTranslate2) níos gasta ná Python simplí ar LAPanna measartha.

2) Socraigh Piper TTS

git clone https://github.com/rhasspy/piper cd piper make # Íoslódáil samhail ghutha is maith leat, m.sh., en_US-amy macalla "Haigh ansin." | ./piper --model guthanna/en/en_US-amy-medium.onnx --aschur_comhad hello.wav seinn hello.wav

Tá Piper deartha le haghaidh TTS ar fheistí le roghanna gutha/teanga iolracha. [5]

3) Lúb cúnta íosta i Python

Dlúth d'aon ghnó: fanann sé le frása múscailte (stub), taifeadann sé, tras-scríobhann sé le whisper.cpp, gineann sé freagra (áitchoinneálaí), ansin labhraíonn sé trí Piper. Malartaigh an t-áitchoinneálaí le do LLM nó loighic riail is fearr leat.

allmhairigh os, fophróiseas, tonn allmhairigh gléas fuaime mar sd WAKE_WORD = "a ríomhaire" # malartaigh le haghaidh Porcupine i dtáirgeadh [2] RECORD_SECONDS = 6 SAMPLE_RATE = 16000 CAINÉIL = 1 WORKDIR = "/home/pi/assistant" ASR_BIN = "/home/pi/whisper.cpp/build/bin/whisper-cli" # [4] ASR_MODEL = "/home/pi/whisper.cpp/models/ggml-base.en.bin" PIPER_BIN = "/home/pi/piper/build/piper" # [5] PIPER_VOICE = "/home/pi/piper/voices/en/en_US-amy-medium.onnx" os.makedirs(WORKDIR, exist_ok=True) def record_wav(cosán, soicind=RECORD_SECONDS): fuaim = sd.rec(int(soicindí * SAMPLE_RATE), samplerate=SAMPLE_RATE, cainéil=CHANNELS, dtype='int16') sd.wait() le tonn.open(cosán, 'wb') mar w: w.setnchannels(CHANNELS); w.setsampwidth(2); w.setframerate(SAMPLE_RATE) w.writeframes(audio.tobytes()) def transcribe(path): cmd = [ASR_BIN, "-m", ASR_MODEL, "-f", path, "-otxt"] subprocess.run(cmd, check=True, cwd=WORKDIR) with open(path.replace(".wav", ".txt"), "r", encoding="utf-8") as f: return f.read().strip() def generate_reply(prompt): if "weather" in prompt.lower(): return "Ní fheicim na scamaill, ach d'fhéadfadh sé a bheith ceart go leor. Tabhair seaicéad leat ar eagla na heagla." tabhair ar ais "Dúirt tú: " + prompt def labhair(téacs): proc = subprocess.Popen([PIPER_BIN, "--model", PIPER_VOICE, "--output_file", f"{WORKDIR}/reply.wav"], stdin=subprocess.PIPE) proc.stdin.write(text.encode("utf-8")); proc.stdin.close(); proc.wait() subprocess.run(["aplay", f"{WORKDIR}/reply.wav"], seiceáil=Fíor) print("Cúntóir réidh. Clóscríobh an frása múscailte le tástáil.") agus Fíor: typed = input("> ").strip().lower() má chlóscríobhtar == WAKE_WORD: wav_path = f"{WORKDIR}/input.wav" record_wav(wav_path) text = transcribe(wav_path) reply = generate_reply(téacs) print("Úsáideoir:", téacs); print("Cúntóir:", freagra) labhair(freagra) eile: print("Clóscríobh an frása múscailte chun an lúb a thástáil.")

Chun fíor-bhrath focal múscailte a fháil, comhtháthaigh brathadóir sruthaithe Porcupine (íogaireacht íseal LAP, in aghaidh an eochairfhocail). [2]

Tiúnáil Fuaime atá Tábhachtach i ndáiríre 🎚️

Le cúpla socrú beag bídeach, mothaíonn do chúntóir 10 uair níos cliste:

  • Fad micreafóin: Is áit iontach é 30–60 cm do go leor micreafón USB.

  • Leibhéil: seachain bearradh ar ionchur agus coinnigh athsheinm réasúnta; socraigh ródaíocht sula ndéantar taibhsí cóid a ruaigeadh. Ar chóras oibriúcháin Raspberry Pi, is féidir leat gléas aschuir agus leibhéil a bhainistiú trí uirlisí córais nó raspi-config. [1]

  • Fuaimíocht seomra: is cúis le macallaí ballaí crua; cuidíonn mata bog faoin micreafón.

  • Tairseach focal múscailte: ró-íogair → spreagthóirí taibhse; ró-dhian → beidh tú ag béicíl ar phlaisteach. Ligeann Porcupine duit íogaireacht a choigeartú de réir eochairfhocail. [2]

  • Teirmeacha: baineann trascríbhinní fada ar Pi 5 leas as an bhfuaraitheoir gníomhach oifigiúil le haghaidh feidhmíochta marthanaí. [1]

Ag Dul Ó Bhréagán go Fearas: Seirbhísí, Uaththosú, Seiceálacha Sláinte 🧯

Déanann daoine dearmad scripteanna a rith. Déanann ríomhairí dearmad a bheith deas. Déan seirbhís bhainistithe de do lúb:

  1. Cruthaigh aonad córas:

[Aonad] Cur Síos=Cúntóir Gutha DIY Tar éis=network.target sound.target [Seirbhís] Úsáideoir=pi EolaireOibre=/home/pi/assistant ExecStart=/usr/bin/python3 /home/pi/assistant/assistant.py Atosaigh=i gcónaí AtosaighSec=3 [Suiteáil] WantedBy=multi-user.target

  1. Cumasaigh é:

sudo cp cúntóir.service /etc/systemd/system/ sudo systemctl athlódáil daemon sudo systemctl cumasaigh --now cúntóir.service

  1. Eireabaill loga:

cúntóir irisleabhair -u -f

Anois, tosaíonn sé ar thosaithe, atosaíonn sé nuair a thuairteann sé, agus go ginearálta iompraíonn sé cosúil le fearas. Beagán leadránach, i bhfad níos fearr.

Córas Scileanna: Déan é a úsáid i ndáiríre sa bhaile 🏠✨

Nuair a bheidh guth isteach agus guth amach soladach, cuir gníomhartha leis:

  • Ródaire intinne: bealaí eochairfhocail shimplí le haghaidh tascanna coitianta.

  • Baile cliste: foilsigh imeachtaí chuig MQTT nó glaoigh ar chríochphointí HTTP Cúntóir Baile.

  • Breiseáin: feidhmeanna tapa Python cosúil le set_timer, what_is_the_time, play_radio, run_scene.

Fiú agus LLM scamall sa lúb, seol orduithe áitiúla soiléire ar dtús ar mhaithe le luas agus iontaofacht.

Áitiúil Amháin vs Cúnamh Néil: Comhbhabhtálacha a Bhraithfidh Tú 🌓

Áitiúil amháin
Buntáistí: príobháideach, as líne, costais intuartha.
Míbhuntáistí: d'fhéadfadh samhlacha níos troime a bheith mall ar bhoird bheaga. Cuidíonn oiliúint ilteangach Whisper le stóinseacht má choinníonn tú ar an ngléas é nó ar fhreastalaí in aice láimhe. [3]

Cúnamh scamall
Buntáistí: réasúnaíocht chumhachtach, fuinneoga comhthéacs níos mó.
Míbhuntáistí: fágann sonraí gléas, spleáchas líonra, costais athraitheacha.

Is minic a bhuaigh hibrideach: múscailt focal + ASR áitiúil → glaoigh ar API le haghaidh réasúnaíochta → TTS áitiúil. [2][3][5]

Fabhtcheartú: Gremlins Aisteach & Ceartúcháin Thapa 👾

  • Spreagthóirí bréagacha focal múscailte: ísligh íogaireachtaí nó bain triail as micreafón difriúil. [2]

  • Moill ASR: bain úsáid as samhail Whisper níos lú nó tóg whisper.cpp le bratacha scaoilte (-j --config Release). [4]

  • TTS gearrthach: réamhghin frásaí coitianta; deimhnigh do ghléas fuaime agus rátaí samplála.

  • Níor braitheadh ​​​​aon micreafón: seiceáil arecord -l agus meascthóirí.

  • Trótláil theirmeach: bain úsáid as an bhFuaraitheoir Gníomhach oifigiúil ar Pi 5 le haghaidh feidhmíochta marthanaí. [1]

Nótaí Slándála & Príobháideachta ar Cheart Duit a Léamh i nDáiríre 🔒

  • Coinnigh do Pi cothrom le dáta le APT.

  • Má úsáideann tú aon API scamall, logáil a bhfuil á sheoladh agat agus smaoinigh ar phíosaí pearsanta a cheilt go háitiúil ar dtús.

  • Rith seirbhísí leis an bpribhléid is lú; seachain sudo in ExecStart mura bhfuil gá leis.

  • Cuir mód áitiúil amháin d’aíonna nó le haghaidh uaireanta ciúine.

Malartacha Tógála: Measc agus Meaitseáil Cosúil le Ceapaire 🥪

  • An-áitiúil: Porcupine + whisper.cpp + Piper + rialacha simplí. Príobháideach agus láidir. [2][4][5]

  • Cúnamh scamall tapa: Porcupine + (Wisper áitiúil níos lú nó ASR scamall) + TTS áitiúil + LLM scamall.

  • Lár uathoibrithe baile: Cuir sreafaí Node-RED nó Cúntóir Baile leis le haghaidh gnáthaimh, radhairc agus braiteoirí.

Scileanna Sampla: Soilse Ar Lasadh trí MQTT 💡

allmhairigh paho.mqtt.client mar mqtt MQTT_HOST = "192.168.1.10" TOPIC = "teach/seomra suí/solas/tacar" def set_light(state: str): client = mqtt.Client() client.connect(MQTT_HOST, 1883, 60) payload = "AR" má tá state.lower().startswith("ar") ar shlí eile "AS" client.publish(TOPIC, payload, qos=1, coinnigh=Bréagach) client.disconnect() # má tá "cas na soilse air" sa téacs: set_light("ar")

Cuir líne gutha leis mar: “cas ar lampa an tseomra suí,” agus braithfidh tú cosúil le draoi.

Cén Fáth a nOibríonn an Cruach seo i gCleachtas 🧪

  • Tá Porcupine éifeachtach agus cruinn ag braiteadh focal múscailte ar bhoird bheaga, rud a fhágann gur féidir éisteacht i gcónaí a dhéanamh. [2]

  • A bhuíochas le hoiliúint mhór ilteangach Whisper, tá sé in ann freastal ar thimpeallachtaí agus ar bhlasanna éagsúla. [3]

  • whisper.cpp an chumhacht sin inúsáidte ar fheistí LAP amháin cosúil leis an Pi [4]

  • Coinníonn Piper freagraí beoga gan fuaim a sheoladh chuig TTS scamall. [5]

Rófhada, níor léigh mé é

Tóg Cúntóir AI príobháideach, modúlach DIY le Raspberry Pi trí Porcupine a chomhcheangal le haghaidh focal múscailte, Whisper (trí whisper.cpp) le haghaidh ASR, do rogha inchinne le haghaidh freagraí, agus Piper le haghaidh TTS áitiúil. Fill é mar sheirbhís systemd, tiúnáil fuaim, agus sreangaigh gníomhartha MQTT nó HTTP isteach. Tá sé níos saoire ná mar a cheapfá, agus tá sé aisteach taitneamhach maireachtáil leis. [1][2][3][4][5]

Tagairtí

  1. Bogearraí & Fuarú Raspberry Pi – Eolas faoin táirge Íomháitheoir Raspberry Pi (íoslódáil & úsáid) agus Fuaraitheoir Gníomhach Pi 5

  2. Focal Dúiseachta Porcupine – SDK & tús tapa (eochairfhocail, íogaireacht, inference áitiúil)

  3. Whisper (samhail ASR) – ASR ilteangach, láidir oilte ar ~680k uair an chloig

    • Radford et al., Aithint Urlabhra Láidir trí Mhaoirseacht Lag ar Scála Mór (Cogar): léigh tuilleadh

  4. whisper.cpp – Inference Whisper atá cairdiúil don LAP le CLI agus céimeanna tógála

  5. Piper TTS – TTS néarach áitiúil, gasta le guthanna/teangacha iolracha

Faigh an AI is Déanaí ag an Siopa Oifigiúil Cúntóra AI

Fúinn

Ar ais chuig an mblag