홈 어시스턴트 음성 비서: 집 안에서만 듣고 답하는 로컬 음성 구성

음성 비서 기기는 마이크로 소리를 받고 스피커로 답을 내요. 웨이크워드를 스스로 감지해 홈 어시스턴트에 연결을 열고, 말소리를 스트림으로 보내요. 판단과 저장은 홈 어시스턴트가 하고, 기기는 소리만 주고받아요.

그래서 기기를 여러 개 두어도 파이프라인¹은 하나로 돌려요. 방마다 기기를 두고 같은 받아쓰기·합성 서비스를 함께 쓰면, 방을 옮겨도 같은 방식으로 말할 수 있어요.

홈 어시스턴트가 제공하는 로컬 받아쓰기는 두 가지예요. 명령만 알아듣는 Speech-to-Phrase와 모든 말을 받아쓰는 Whisper예요. 둘은 속도와 범위가 서로 반대 방향이에요.

집 제어만 한다면 Speech-to-Phrase가 유리해요. 목록에 없는 문장은 알아듣지 못하지만, 그린이나 파이 4에서도 1초 아래로 끝나요. 반대로 받아쓴 글을 다른 곳에 쓰려면 Whisper가 필요하고, 대신 기기가 빨라야 해요.

합성은 Piper가 맡아요. 파이 4에서도 1초에 1.6초 분량의 목소리를 만드는 로컬 신경망 합성기예요. 답이 짧으면 합성 시간도 짧아서, 음성 왕복에서 차지하는 비중이 크지 않아요.

목소리 품질은 언어와 모델에 따라 차이가 커요. 한국어 목소리를 쓰려면 한국어 모델을 고르고, 같은 문장을 몇 번씩 들어 발음과 속도를 확인하세요.

1) 홈 어시스턴트에 Whisper와 Piper 앱을 설치해요. 2) Wyoming² 통합이 서비스를 자동으로 찾아요. 못 찾으면 주소와 포트를 직접 넣어요. 3) 설정의 음성 비서에서 새 파이프라인을 만들고 웨이크워드, 받아쓰기, 합성, 대화 에이전트를 고르세요.

4) 기기를 추가하고 그 파이프라인을 지정해요. 5) 조명 하나를 말로 켜 보고, 응답 시간과 오인식 문장을 적어요. 앱을 다른 기기에 나눠 설치했다면 Wyoming 통합에 그 기기의 주소를 넣어야 해요.

가장 큰 변수는 받아쓰기 기기예요. 파이 4에서 8초 걸리던 전사가 인텔 NUC에서는 1초 아래로 줄어요. 기기와 홈 어시스턴트를 유선으로 묶고, 받아쓰기 서버도 같은 스위치에 두면 네트워크 대기가 줄어요.

대화 모델까지 붙이면 모델 응답 시간이 더해져요. 짧은 답을 쓰도록 지침을 넣고, 모델은 받아쓰기 서버와 같은 기기에 두면 왕복이 한 번 줄어요.

Speech-to-Phrase는 목록에 없는 말을 알아듣지 못해요. 장바구니에 물건을 넣거나 타이머에 이름을 붙이는 일은 Whisper가 필요해요. 반대로 Whisper만 쓰면 느린 기기에서 8초를 기다려야 해요.

한국어 품질은 모델마다 달라서, 같은 문장을 세 번 말해 보고 오인식이 잦으면 모델을 바꾸는 편이 빨라요. 클라우드 음성으로 잠시 돌려 보고 차이를 비교하는 것도 방법이에요.