openelab.de
openelab.com
ReSpeaker Lite es la opción mejor equipada de esta comparación para captar voces a distancia y en habitaciones ruidosas; M5Stack ATOM Echo es la opción compacta y económica para probar un satélite de voz de Home Assistant; y una placa de audio ESP32-S3 ofrece la mayor flexibilidad para crear pantallas, controles y carcasas personalizadas. La advertencia importante es que estos dispositivos normalmente actúan como satélites de voz. Las tareas más exigentes de reconocimiento de voz, gestión de intenciones y conversión de texto a voz normalmente se ejecutan en el equipo anfitrión de Home Assistant o en otro servidor local.
Esta guía compara el hardware para asistentes de voz locales de Home Assistant en función de la captación del micrófono, el procesamiento de audio, la memoria, las opciones de ampliación y los requisitos de configuración de ESPHome. En la práctica, la elección adecuada depende de la calidad del altavoz, el diseño de la carcasa, la PSRAM disponible y la cantidad de trabajo de firmware personalizado que estés dispuesto a mantener.
Respuesta rápida: ¿Qué hardware de voz de Home Assistant deberías elegir?
- La opción mejor equipada para captación a distancia: Seeed Studio ReSpeaker Lite 2-Mic Array Voice Kit.
- El satélite compacto de bajo coste: M5Stack ATOM Echo / ATOM Voice.
- La mejor opción para desarrollo personalizado: Waveshare ESP32-S3-AUDIO-Board u otra placa ESP32-S3 con micrófonos verificados, salida de altavoz, controladores de códec y PSRAM.
- La mejor opción compacta actual de M5: M5Stack Atom VoiceS3R.
- La mejor opción para principiantes que quieren reducir el cableado al mínimo: ATOM Echo para pruebas a corta distancia, o ReSpeaker Lite cuando la captación en la habitación importa más que el precio.
No compres una placa de desarrollo ESP32-S3 básica esperando que se convierta por sí sola en un asistente de voz. Un asistente de voz ESPHome funcional necesita entrada de micrófono, salida de altavoz, una conexión Wi-Fi estable, memoria suficiente y una definición de placa que coincida con los pines de audio reales.
Qué hace realmente un flujo de voz local de Home Assistant
Un flujo de voz local práctico sería: palabra de activación, captura del micrófono, Home Assistant, Speech-to-Phrase o Whisper, intención de Assist, conversión de texto a voz con Piper y, después, reproducción de audio en el altavoz satélite. El dispositivo ESPHome se encarga principalmente de capturar el audio, gestionar la palabra de activación y reproducir la respuesta. El procesamiento lingüístico más exigente normalmente se ejecuta en el equipo anfitrión de Home Assistant o en otro servidor local.
La documentación oficial del componente de asistente de voz de ESPHome deja clara esta arquitectura: el dispositivo ESPHome actúa como un terminal de asistente de voz y necesita componentes de audio para gestionar el micrófono y el altavoz. Las versiones más recientes de ESPHome pueden ejecutar microWakeWord en dispositivos ESP compatibles, pero eso no significa que Whisper, el razonamiento de los LLM y Piper TTS se ejecuten íntegramente en el ESP32.
Esa distinción importa al comprar. Un micrófono mejor mejora la detección de la palabra de activación y la calidad de la transcripción. Un host de Home Assistant más rápido mejora el tiempo de respuesta de Speech-to-Phrase, Whisper, Assist y Piper. Si un comando de voz parece lento, el cuello de botella puede estar en la canalización del host y no en el micrófono satélite.
Comparación de hardware: ReSpeaker Lite frente a ESP32-S3 y M5Stack ATOM Echo
| Hardware | MCU / Memoria | Micrófonos | DSP de audio / códec | Altavoz | Mejor uso | Limitación principal |
|---|---|---|---|---|---|---|
| ReSpeaker Lite Voice Kit | XIAO ESP32S3, 8 MB de Flash y 8 MB de PSRAM | Matriz de dos micrófonos | Ruta XMOS XU316 con AEC, supresión de ruido y AGC en el sistema ReSpeaker Lite | Salida para altavoz externo o auriculares | Nodo de voz para habitaciones, captación a distancia y habitaciones ruidosas | Más grande y cara que ATOM Echo |
| Placa de audio ESP32-S3 | Depende de la placa; elige PSRAM. Ejemplo de Waveshare: ESP32-S3R8, 16 MB de Flash y 8 MB de PSRAM | Uno o dos micrófonos según la placa | Depende de la placa; Waveshare utiliza entrada ES7210 y salida ES8311 | Normalmente, con conector para altavoz integrado o externo | Interfaz de usuario personalizada, pantalla, batería, carcasa y sensores | Mayor configuración de pines y firmware |
| M5Stack ATOM Echo / ATOM Voice | ESP32-PICO-D4, 4 MB de Flash | Micrófono PDM único | Sin DSP avanzado dedicado para captación a distancia | Altavoz integrado de 0,8 W | Satélite compacto y económico para la primera prueba de Assist con Home Assistant | Memoria limitada y menor captación en la habitación |
| M5Stack Atom VoiceS3R | ESP32-S3, 8 MB de Flash y 8 MB de PSRAM | Micrófono MEMS único | Códec ES8311 | Altavoz integrado de 1 W | Nodo de voz compacto de la generación actual de M5 | Hardware con un solo micrófono |
La comparación es deliberadamente práctica. En un satélite de voz, el nombre del MCU no lo es todo. Un dispositivo con un solo micrófono cerca de una cama puede funcionar bien, mientras que el mismo dispositivo al otro lado de una sala de estar con el televisor encendido puede tener dificultades. Una placa con PSRAM y un códec ofrece más margen, pero también exige que el creador preste atención a los detalles del firmware.
ReSpeaker Lite para Home Assistant: el mejor equipado para la captación a distancia
ReSpeaker Lite es la mejor opción cuando el problema principal es la captación del micrófono y no el precio. Utiliza un diseño con dos micrófonos y una ruta de procesamiento de audio XMOS XU316, por lo que resulta adecuado para habitaciones donde el eco, la música, el ruido del televisor y la dirección de la voz son problemas reales. La guía oficial de ReSpeaker Lite para Home Assistant de Seeed ofrece una ruta específica para Home Assistant y ESPHome, de modo que los compradores no parten de una placa de micrófono I2S básica.
La diferencia útil de hardware no son solo los «dos micrófonos». ReSpeaker Lite está diseñado en torno a funciones de procesamiento de audio, como cancelación del eco acústico, supresión de ruido y control automático de la ganancia. Eso lo acerca mucho más a un nodo de voz para habitaciones que un micrófono USB genérico o una placa MEMS cualquiera. Para una comparación más detallada de matrices de micrófonos, consulta por qué los dispositivos ReSpeaker suelen ser más adecuados que los micrófonos USB básicos.
No consideres la distancia de captación oficial como una garantía para todas las habitaciones. Los muebles, las paredes reflectantes, el ruido del sistema de climatización, el volumen del altavoz y la ubicación del dispositivo pueden cambiar el resultado. ReSpeaker Lite es una opción más segura para una sala de estar, un dormitorio, una oficina o un nodo de voz fijo montado en la pared, pero aun así conviene probar su ubicación antes de comprar diez unidades para toda la casa.
Asistente de voz con ESP32-S3: la opción de desarrollo DIY
ESP32-S3 es un controlador, no un asistente de voz completo. Un proyecto de asistente de voz con ESP32-S3 que funcione correctamente aún necesita una entrada de micrófono compatible, salida para altavoz, códec o amplificador de audio, suficiente PSRAM, definiciones I2S funcionales y una configuración de ESPHome conocida. Por eso, una placa como la Waveshare ESP32-S3-AUDIO-Board es más relevante que un módulo ESP32-S3 básico.
La wiki oficial de Waveshare sobre ESP32-S3-AUDIO-Board incluye un controlador ESP32-S3R8, 8 MB de PSRAM, 16 MB de memoria Flash, micrófonos digitales duales, entrada de audio ES7210, salida de audio ES8311, LED RGB, compatibilidad con tarjetas TF, compatibilidad con batería y expansión para pantalla/cámara. Estos componentes son importantes si quieres un terminal de voz de escritorio con pantalla, iluminación de estado, botones locales o una carcasa personalizada.
A diferencia de ReSpeaker Lite y de los productos de voz de M5Stack, la Waveshare ESP32-S3-AUDIO-Board actualmente no ofrece en su documentación oficial el mismo proceso directo para configurar un asistente de voz de Home Assistant. Sus recursos oficiales se centran en Arduino y ESP-IDF, por lo que una compilación con ESPHome puede requerir definiciones de pines personalizadas, compatibilidad con el códec, componentes externos o trabajo de desarrollo adicional.
La desventaja es la carga de configuración. La experiencia se acerca más al desarrollo de un producto que a la conexión y el uso inmediatos. Las definiciones de pines, los controladores del códec, el comportamiento de la palabra de activación, la salida del altavoz, la estabilidad de la conexión Wi-Fi, los límites térmicos y la acústica de la carcasa son factores importantes. Elige una placa de audio ESP32-S3 cuando la personalización sea el objetivo, no cuando simplemente quieras el satélite de voz para Home Assistant más rápido de configurar.
M5Stack ATOM Echo para Home Assistant: económico, diminuto y de campo cercano
M5Stack ATOM Echo, actualmente denominado también ATOM Voice por M5Stack, es la forma más económica de probar Home Assistant Assist desde un pequeño satélite de habitación. Tiene micrófono, LED RGB, botón y altavoz integrados, por lo que evita el lío de cableado que hace fracasar muchos primeros proyectos de voz.
La documentación oficial de ATOM Echo / ATOM Voice de M5Stack indica un ESP32-PICO-D4, 4MB de Flash, un micrófono PDM SPM1423 y un altavoz I2S de 0.8W en una carcasa de aproximadamente 24mm. Estas especificaciones explican tanto su atractivo como su limitación: es muy pequeño y práctico, pero no es una matriz de micrófonos de campo lejano con hardware dedicado de cancelación de eco.
Usa ATOM Echo en un escritorio, una mesita de noche, un banco de trabajo o para realizar tu primera prueba local de Assist. No esperes que supere al ReSpeaker Lite desde el otro lado de una sala de estar ruidosa. Para consultar el proceso detallado de instalación y configuración, visita el tutorial específico de ATOM Echo para Home Assistant.
¿Qué es el M5Stack Atom VoiceS3R?
Atom VoiceS3R es la opción M5 compacta de generación actual que conviene comparar antes de comprar el ATOM Echo antiguo basándose únicamente en el precio. Utiliza ESP32-S3 y añade 8MB de Flash más 8MB de PSRAM, lo que proporciona más espacio para las cargas de trabajo de voz más recientes de ESPHome. También incluye un códec de audio ES8311 y un altavoz integrado de 1W.
Eso no convierte al VoiceS3R en un sustituto del ReSpeaker Lite. El VoiceS3R sigue siendo un hardware compacto con un solo micrófono. Es más adecuado entenderlo como el pequeño satélite moderno de M5: un perfil de memoria más potente, un silicio más nuevo, un cuerpo pequeño y una vía más sencilla para los experimentos actuales con ESPHome. Para consultar la guía de configuración completa, utiliza la guía de Home Assistant y ESPHome para Atom VoiceS3R.
Speech-to-Phrase frente a Whisper: el equipo anfitrión importa
Los compradores de hardware suelen culpar al micrófono por la lentitud de la respuesta, pero el motor de voz puede ser el verdadero cuello de botella. La documentación del asistente de voz completamente local de Home Assistant distingue Speech-to-Phrase, Whisper y Piper de una forma directamente relevante para la selección del hardware.
| Opción | Ideal para | Requisito de hardware | Limitación |
|---|---|---|---|
| Speech-to-Phrase | Comandos rápidos de domótica local | Funciona bien en Home Assistant Green o sistemas de clase Raspberry Pi 4 | Cobertura limitada de comandos predefinidos |
| Whisper | Voz abierta y uso similar al de un LLM | Se recomienda un mini PC, un equipo de clase N100 o un anfitrión más potente | Puede ser lento en Raspberry Pi 4 |
| STT/TTS en la nube | Configuración multilingüe sencilla y bajo uso de recursos locales | Menor demanda de CPU local | El audio de voz y/o el texto se procesa fuera de la red local y requiere acceso a Internet |
Home Assistant indica que Speech-to-Phrase puede procesar comandos habituales muy rápidamente en hardware modesto, mientras que Whisper es más flexible, pero mucho más exigente. Piper gestiona la conversión local de texto a voz. En otras palabras: elige el satélite por la calidad de audio, pero elige el equipo anfitrión de Home Assistant por la velocidad de reconocimiento.
Método de prueba práctico antes de comprar varios satélites
La forma honesta de comparar el hardware de asistentes de voz de Home Assistant consiste en probar escenarios repetibles en lugar de confiar en un solo vídeo de demostración. Coloca el dispositivo a 0,5 m, 1 m y 3 m. Prueba una habitación silenciosa, una habitación con el audio de la televisión y una habitación en la que el satélite esté reproduciendo una respuesta de TTS. Habla desde la parte frontal, lateral y trasera de la unidad.
Para cada prueba, di el mismo comando diez veces. Registra las detecciones de la palabra de activación, las transcripciones correctas, el tiempo desde la palabra de activación hasta la acción y las activaciones falsas durante un periodo de 30 minutos. Trata con cautela las afirmaciones sobre la tasa de reconocimiento, a menos que especifiquen el hardware exacto, el firmware, las condiciones de la habitación, la distancia y el idioma de la prueba.
¿Qué satélite de voz de Home Assistant deberías comprar?
- Presupuesto reducido, comandos de campo cercano y primera prueba de Assist: M5Stack ATOM Echo / ATOM Voice.
- Hardware M5 compacto actual: Atom VoiceS3R.
- Sala de estar, ruido, eco y mejor captación: ReSpeaker Lite.
- Pantalla, RGB, cámara, tarjeta TF, batería o carcasa personalizada: placa de audio ESP32-S3.
- Producto totalmente personalizado: ESP32-S3 más micrófono I2S, códec, amplificador, carcasa y pruebas acústicas seleccionados.
La decisión de compra es sencilla: elige ATOM Echo para aprender, ReSpeaker Lite para oír mejor, VoiceS3R para la moderna opción M5 compacta y hardware de audio ESP32-S3 cuando estés construyendo un dispositivo personalizado en lugar de simplemente añadir un botón de voz a una habitación.
Preguntas frecuentes
¿La voz de Home Assistant puede funcionar completamente de forma local?
Sí, Home Assistant puede ejecutar localmente la gestión de la activación, Speech-to-Phrase o Whisper, las intenciones de Assist y Piper TTS cuando el host tiene recursos suficientes. El satélite ESP32 normalmente captura el audio, detecta o reenvía los eventos de la palabra de activación y reproduce las respuestas.
¿Un ESP32-S3 ejecuta Whisper localmente?
No para el uso normal de Home Assistant. Los satélites de voz ESP32-S3 no ejecutan localmente la transcripción completa de Whisper. Whisper o Speech-to-Phrase se ejecuta en el host de Home Assistant o en otro servidor dentro del flujo de voz.
¿Es ReSpeaker Lite mejor que M5Stack ATOM Echo?
Para captar el sonido en una habitación y en espacios ruidosos, sí. ReSpeaker Lite tiene un diseño superior de micrófono y procesamiento de audio. ATOM Echo es más pequeño, económico y adecuado para pruebas de campo cercano o satélites de habitación sencillos.
¿M5Stack ATOM Echo admite palabras de activación?
Sí, ATOM Echo puede usarse en proyectos de voz de Home Assistant con ESPHome y flujos de trabajo con palabras de activación, pero el comportamiento exacto depende del firmware, la versión de ESPHome y la memoria disponible. No es una matriz de micrófonos para campo lejano.
¿Cuál es la diferencia entre ATOM Echo y Atom VoiceS3R?
ATOM Echo usa ESP32-PICO-D4 y 4 MB de Flash. Atom VoiceS3R usa ESP32-S3 con más memoria, incluida PSRAM, y es más adecuado para las cargas de trabajo de voz más recientes de ESPHome.
¿Necesito una Raspberry Pi para la voz de Home Assistant?
No. La voz de Home Assistant puede ejecutarse en Home Assistant Green, Raspberry Pi, mini PC, sistemas de estilo NUC o servidores. Whisper funciona mucho mejor en hardware más potente que en placas de bajo consumo.
¿Se necesita PSRAM para un asistente de voz de ESPHome?
No siempre, pero la PSRAM proporciona un margen útil para las cargas de trabajo de audio modernas de ESPHome. Para hardware de voz nuevo basado en ESP32-S3, es más seguro elegir una placa equipada con PSRAM.
¿Puedo usar un micrófono USB normal con Home Assistant?
Sí, pero un micrófono USB no es automáticamente un satélite de habitación completo. También necesitas salida de audio, una ubicación adecuada, gestión de la palabra de activación y cancelación del eco. Los dispositivos estilo ReSpeaker están más orientados a casos de uso de captura de voz.
¿Qué hardware es mejor para el control por voz a distancia?
ReSpeaker Lite es la opción más segura de este grupo porque está diseñado en torno a una matriz de micrófonos y procesamiento de audio. Prueba la ubicación y el ruido de la habitación antes de instalar muchas unidades.
¿La voz local de Home Assistant funciona sin Internet?
Sí, si usas una palabra de activación local, STT local como Speech-to-Phrase o Whisper, intenciones locales de Assist y TTS local con Piper. Las funciones de STT/TTS en la nube o de LLM en la nube siguen requiriendo acceso a Internet.
