ESPHomeで音声サテライトを作る：ESP32-S3のマイクとウェイクワード設定

市販のサテライトはマイクとスピーカーが一体で設定が簡単です。自作は部屋ごとに形と位置を合わせられ、手持ちのボードがあれば費用も抑えられます。

代わりにマイクの感度とスピーカーのノイズは部品によって大きく変わります。最初に1台だけ作って音を確認し、満足できたら部屋の数だけ増やします。

ボードはPSRAMのあるESP32-S3系が安定します。マイクはI2S方式、スピーカーはアンプ付きのI2Sアンプボードを使うと配線が簡単になります。

マイクとスピーカーが同じピンに重ならないよう、ボードのピン配置を先に確認します。音が小さい、途切れる場合は電源不足が多いので、USB電源を十分に与えることから確認します。

micro_wake_wordはボードの中でウェイクワードを検知するコンポーネントです。モデル名をリストに入れるとESPHomeがビルドに含め、起動後にそのモデルで検知を始めます。

初回起動ではリストの最初のモデルだけが有効です。複数入れておくと、Home Assistantからどれを使うか切り替えられます。

micro_wake_word:
  models:
    - model: okay_nabu

ボードをHome Assistantに追加するとWyoming¹サービスとして認識され、音声アシスタント画面でパイプライン²を指定できます。パイプラインにはローカルの文字起こし（例：Whisper）と合成（例：Piper）のエンジンが入り、サテライトは音だけをやり取りします。

応答をサテライトのスピーカーではなく別の機器から出すなら、media_playerで出力を回せます。部屋に大きなスピーカーがある場合はこの方法が楽です。

オーディオと音声の構成はボードのRAM³とCPU⁴を多く使います。コンポーネントを増やしすぎると再起動を繰り返したり応答が途切れたりするので、最初は音声関連だけを入れて1つずつ足します。

特にBluetoothはオーディオ構成と併用すると問題が起きると知られています。Bluetoothスピーカーも必要なら、ボードを分けるか有線スピーカーを使うほうが安定します。