Wyomingで音声サーバーを分ける：文字起こしを別の機器へ移す

文字起こしは音声を文字にする作業で計算を多く使います。Home AssistantがPiで動き、Whisperも同じ機器にあると、1文を処理している間は自動化の応答まで遅くなります。

音声サービスを別の機器へ移すと、Home Assistantは会話と自動化に集中できます。余っているミニPCがあれば、最初に移すのは文字起こしです。

Wyomingはマイクの音と認識結果をやり取りするプロトコルです。設計上、認証も暗号化もないため、同じネットワークに入った機器は誰でも音声サービスへ接続できます。

そのためルーターでこのポートを外へ開けず、必要ならVPNで家の中に入って使います。信頼できない機器がつながるゲスト用ネットワークとも分けておくと安全です。

音声サービスを別の機器に入れて実行すると、そのIPとポートができます。Home AssistantのWyoming連携でそのアドレスを入れると、サービスが一覧に加わります。

同じネットワークなら自動で見つかることが多いです。見つからない場合は、固定IPを使っているか、ファイアウォールがポートを塞いでいないかを確認します。

計算が重い順は文字起こし、会話モデル、合成です。文字起こしはGPU²や余裕のあるCPU³がある機器へ、合成はPiに残しても十分です。

ウェイクワードはサテライトのボードで処理するほうがよいです。常時動く検知をサーバーへ移すと、ネットワークが切れたときにサテライトが使えなくなります。

音声サーバーを有線でつなぐと往復の遅延が大きく減ります。同じスイッチに挿せるならそうし、無線なら5GHz帯を使います。

更新や再起動の後は、3つのサービスがすべて動いているか確認します。1つでも止まっているとパイプライン⁴が静かに失敗し、話しても何も返りません。