Cómo armar un asistente de voz que vive en tu casa (sin Google ni Alexa)

Si te molesta que cada vez que decís “che, prendé las luces” tu comando viaje a un servidor en Virginia, esta guía es para vos. Vamos a armar un asistente de voz 100% local: tus comandos nunca salen de tu red, funciona aunque se caiga internet, y no le pagás suscripción a nadie.

El stack es todo open-source y está oficialmente soportado por Home Assistant desde el “Year of the Voice” en 2023.

Stack que vamos a usar

• Home Assistant — el cerebro de toda la domótica.
• Whisper (OpenAI, open-source) — convierte voz a texto (STT).
• Piper — convierte texto a voz (TTS).
• Ollama + un LLM local (Llama 3, Mistral o Phi-3) — entiende intenciones complejas.
• Wyoming protocol — el protocolo que une todas las piezas.

Toda la pipeline está documentada oficialmente en home-assistant.io/voice_control.

Hardware mínimo realista

Para una pipeline funcional sin LLM:

• Raspberry Pi 5 (8 GB) o un mini-PC Intel N100 / NUC.
• 32 GB de almacenamiento (mejor SSD que SD).
• Un satélite de voz: puede ser un ESP32-S3-BOX-3, un viejo smartphone, o el Home Assistant Voice Preview Edition que sacaron a fines de 2024.

Si querés sumarle LLM local (más adelante en la guía), conviene un equipo con GPU (RTX 3060 12GB o similar) o un Apple Silicon con suficiente RAM unificada. Sin GPU, modelos chicos como Phi-3 o Llama 3.2 3B corren en CPU pero con latencia perceptible.

Paso 1 — Instalar los add-ons

Desde Settings → Add-ons → Add-on Store, buscá e instalá:

• Whisper (STT)
• Piper (TTS)
• openWakeWord (palabra de activación tipo “Hey Jarvis”)

Una vez instalados, arrancalos. Home Assistant los detecta automáticamente vía Wyoming y los suma a la lista de proveedores de voz.

Paso 2 — Configurar la Voice Assistant Pipeline

Andá a Settings → Voice assistants → Add assistant.

# Esquema conceptual de la pipeline (HA la maneja por UI)
name: "Asistente Casa"
language: "es"
conversation_agent: "Home Assistant"  # default, sin LLM
speech_to_text: "Whisper"
text_to_speech: "Piper"
wake_word: "openwakeword - hey_jarvis"

El conversation agent default de Home Assistant ya entiende cientos de intenciones en español: “encendé las luces del living”, “qué temperatura hay”, “abrí el portón”. La lista completa de intents soportados está en la integración conversation.

Paso 3 — Exponer entidades

Por defecto, Home Assistant no le da acceso al asistente a todas tus entidades (lo cual está bien por seguridad). Andá a Settings → Voice assistants → Expose y marcá las entidades que querés controlar por voz: luces, switches, persianas, climas, escenas.

Tip: aliasá tus entidades con nombres naturales. light.living_room_main en YAML, pero alias "luz del living". Con eso entiende variaciones: “prendé la del living”, “apagá la luz del living”, etc.

Paso 4 — Sumar un satélite de voz

Si tu Pi tiene mic + parlante (o usás un USB), podés correr todo en el mismo equipo. Si querés un satélite separado:

• Home Assistant Voice PE — viene listo, lo enchufás y aparece.
• ESP32-S3-BOX-3 — flasheable con ESPHome, USD 50 aprox.
• Smartphone viejo — la app oficial Home Assistant Companion soporta wake word desde 2024.

Paso 5 (avanzado) — Conectar un LLM local con Ollama

Esto es lo que convierte un asistente “que entiende comandos fijos” en algo que entiende lenguaje natural y puede orquestar varias acciones.

Instalá Ollama en tu servidor:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull llama3.2:3b
ollama serve

En Home Assistant, instalá la integración oficial Ollama:

# configuration.yaml — esquema (HA lo configura por UI normalmente)
ollama:
  url: http://192.168.1.50:11434
  model: llama3.2:3b

Después en la pipeline cambiás el conversation agent de “Home Assistant” a “Ollama”. Ahora podés decirle cosas como:

“Estoy por mirar una peli, dejá el living como me gusta.”

Y el LLM va a inferir: bajar persianas, atenuar luz al 30%, encender la TV, poner sound mode “movie”. Si tenés esas escenas o scripts expuestos al asistente, los va a llamar.

Más detalle en nuestro post Tu casa con ChatGPT (pero corriendo en tu propio hardware).

Comandos de ejemplo que funcionan out-of-the-box

• “Encendé las luces del living.”
• “¿Qué temperatura hay en el dormitorio?”
• “Apagá todo en la planta baja.”
• “Activá la escena modo cine.”
• “¿Está el portón cerrado?”
• “Subí la calefacción a 22 grados.”

Con LLM local sumado, podés decir cosas más laxas: “che, hace frío” → infiere subir el clima. “Salgo de viaje hasta el lunes” → activa modo ausente.

Ventajas honestas

• Privacidad real: tus comandos nunca tocan internet. Auditable, todo el código es open-source.
• Funciona sin internet: si se cae el WAN, tu casa sigue obedeciendo.
• Sin suscripciones: a diferencia de Alexa+, no te van a cobrar por features que ya tenés.
• Latencia baja: 200-400 ms de respuesta para comandos simples sin LLM. Con LLM local 1-3 s según hardware.

Limitaciones honestas

• Calidad de voz Piper en español: aceptable, no tan natural como Google TTS. Hay voces nuevas saliendo cada mes.
• Whisper en español rioplatense: muy bueno, pero le cuestan los modismos extremos. El modelo medium o large-v3 mejora mucho.
• LLM local pequeño = errores: un modelo de 3B parámetros se confunde con instrucciones ambiguas. Modelos 7B+ son mejores pero piden más hardware.
• Setup inicial: no es plug-and-play como un Echo. La primera vez te lleva un sábado entero. Después es estable.

¿Cuándo conviene?

• Te importa la privacidad (familias con chicos, casas con cámaras, oficinas).
• Tenés conexión a internet inestable y querés que la casa siga andando.
• Ya usás Home Assistant y querés sacarle más jugo.
• Te molesta pagar Amazon Music o YouTube Premium para que Alexa no te corte los comandos.

Disclaimer

Los precios de hardware son aproximados a 2026 y varían por país. La calidad de los modelos open-source mejora trimestralmente. Esta guía cubre el stack vigente al momento de publicación; revisá la documentación oficial para versiones actualizadas.

Fuentes

• Home Assistant — Voice control
• Home Assistant — Conversation integration
• Home Assistant — Ollama integration
• Whisper (OpenAI) en GitHub
• Piper TTS en GitHub
• Ollama en GitHub

---

¿Querés que te lo armemos llave en mano? Pedí una demo en vivo y te mostramos un sistema corriendo en nuestro showroom.