Asisten suara cloud — Alexa, Google Assistant, Gemini for Home — mengirimkan setiap perintah “matikan lampu dapur” melalui pusat data. Bahkan dengan chip on-device baru, setengah dari perjalanan pulang-pergi masih meninggalkan jaringan kami. Tumpukan suara lokal 2026 menjalankan seluruh pipeline pada perangkat keras yang kami miliki, dengan waktu respons di bawah 200 milidetik dan nol data yang meninggalkan LAN. Kami menguji tujuh aplikasi desktop dan alat yang dihosting sendiri untuk menemukan aplikasi terbaik untuk kontrol suara lokal rumah pintar.
Rig pengujian terdiri dari Home Assistant Yellow dengan modul komputasi Pi 5 16 GB, ditambah Intel NUC terpisah dengan RAM 32 GB yang menjalankan model. Kami mengukur latensi, akurasi kata bangun, dan bagaimana setiap alat terintegrasi dengan Home Assistant dan ekosistem rumah pintar yang lebih luas. Apakah kami menginginkan setup plug-and-play yang dipoles atau tumpukan DIY dari awal, salah satu dari ini akan cocok.
Apa yang harus dicari dalam tumpukan suara lokal
- Pemrosesan lokal end-to-end. Kata bangun, speech-to-text, kecocokan niat, text-to-speech, eksekusi aksi — semuanya pada perangkat keras kami.
- Latensi. Di bawah 300 milidetik terasa instan; lebih dari 1 detik terasa seperti Alexa era cloud.
- Persyaratan perangkat keras. Beberapa model memerlukan 8 GB+ RAM khusus. Raspberry Pi 4 saja biasanya tidak cukup untuk tumpukan penuh.
- Akurasi kata bangun. Positif palsu membangunkan asisten secara tidak sengaja; misses membuat kami mengulangi diri. Kata bangun yang dilatih per pengguna bekerja lebih baik daripada yang umum.
- Dukungan bahasa. Inggris-pertama adalah default; Spanyol, Prancis, Jerman, Italia, Rusia, Portugis, dan Jepang memiliki cakupan yang layak. Bahasa yang lebih kecil tertinggal.
- Integrasi dengan platform rumah pintar. Integrasi Home Assistant adalah standar emas. Alat yang hanya bekerja mandiri terbatas.
Perbandingan cepat
| Alat | Terbaik untuk | Lisensi | STT Lokal | TTS Lokal |
|---|---|---|---|---|
| Home Assistant | Rumah pintar penuh + suara dalam satu | Apache 2.0 | Ya (via Whisper) | Ya (via Piper) |
| Whisper (faster-whisper) | Mesin speech-to-text lokal | MIT | Ya | Tidak tersedia |
| Piper | Mesin text-to-speech lokal | MIT | Tidak tersedia | Ya |
| Rhasspy | Toolkit suara modular yang lebih tua | MIT | Ya | Ya |
| Mycroft AI / OpenVoiceOS | Asisten suara mandiri | Apache 2.0 | Ya | Ya |
| Willow | Perangkat keras berbasis ESP32 + tumpukan lokal | Apache 2.0 | Ya (sisi server) | Ya |
| Ollama | LLM lokal untuk pencocokan niat | MIT | Tidak tersedia | Tidak tersedia |
7 aplikasi terbaik untuk kontrol suara lokal
1. Home Assistant — tumpukan end-to-end terbaik
Home Assistant adalah platform yang diputar oleh setiap alat lain dalam daftar ini. Pipeline Assist 2026 mengikat mesin kata bangun (microWakeWord pada perangkat keras khusus), mesin speech-to-text (Whisper melalui Wyoming Protocol), pencocok niat (Speech-to-Phrase atau didukung LLM), dan mesin text-to-speech (Piper) menjadi satu pipeline yang dapat dikonfigurasi.
Home Assistant Voice Preview Edition hardware ($59) adalah titik masuk yang dipoles — puck kecil dengan array mikrofon yang menjalankan deteksi kata bangun secara lokal. Pipeline assist dapat tetap 100% lokal bahkan dengan perangkat keras ini.
Kelemahan: Setup memerlukan perencanaan — memilih Pi atau NUC yang tepat, memutuskan apakah menjalankan Whisper pada CPU atau GPU, mengonfigurasi add-on. UI konfigurasi membantu tetapi YAML masih muncul untuk setup lanjutan. Suara pada Piper bagus tetapi tidak sealami suara Alexa.
Harga: Perangkat lunak server gratis; ~$59 untuk HA Voice PE; ~$130-$300 untuk perangkat keras komputasi
Platform: Home Assistant OS pada Raspberry Pi, NUC, kotak x86, atau dalam VM
Unduh: home-assistant.io
Garis bawah: Pilih Home Assistant sebagai otak tumpukan. Lewati hanya jika kami menginginkan asisten suara mandiri tanpa integrasi rumah pintar.
2. Whisper (faster-whisper) — speech-to-text lokal terbaik
Whisper adalah model speech-to-text open-source OpenAI. Penulisan ulang “faster-whisper” menggunakan CTranslate2 untuk menjalankan 4-8x lebih cepat dari yang asli, dengan transkripsi dimulai saat kami masih berbicara. Ini adalah mesin speech-to-text yang digunakan sebagian besar setup Home Assistant Voice di bawah kap, berjalan sebagai add-on Wyoming Protocol.
Untuk pengguna yang menginginkan speech-to-text lokal paling akurat di 2026, Whisper adalah default. Model “small.en” pas dalam 1 GB RAM dan menangani perintah umum. “medium” atau “large-v3” lebih akurat tetapi memerlukan komputasi lebih banyak.
Kelemahan: Akurasi tergantung pada ukuran model — model kecil melewatkan aksen dan frasa yang tidak biasa. Akselerasi GPU membantu banyak tetapi tidak diperlukan. Latensi pada setup CPU-only dapat naik di atas 1 detik untuk frasa yang lebih panjang.
Harga: Gratis
Platform: Docker pada Windows, macOS, Linux; atau add-on HA
Unduh: github.com/SYSTRAN/faster-whisper
Garis bawah: Pilih Whisper jika kami menginginkan speech-to-text lokal terbaik kelasnya. Lewati hanya jika perangkat keras kami tidak dapat menjalankan model apa pun.
3. Piper — text-to-speech lokal terbaik
Piper adalah mesin text-to-speech open-source yang dibangun khusus untuk sintesis on-device yang cepat. Suara dilatih sebelumnya per bahasa, dan waktu inferensi pada Pi 4 jauh di bawah 300 milidetik untuk respons khas. Rilis 2026 menambahkan infleksi emosional dan suara 50+ bahasa.
Untuk pengguna yang menginginkan suara respons terasa alami tanpa mengirim teks ke cloud, Piper adalah jawabannya.
Kelemahan: Kealamiahan suara tertinggal ElevenLabs dan penyedia cloud TTS proprietary. Beberapa bahasa kurang umum hanya memiliki satu suara. Pelatihan suara khusus dimungkinkan tetapi memerlukan waktu GPU.
Harga: Gratis
Platform: Docker pada Windows, macOS, Linux; atau add-on HA
Unduh: github.com/rhasspy/piper
Garis bawah: Pilih Piper sebagai suara tumpukan lokal apa pun. Lewati hanya jika kami menginginkan kealamiahan kualitas cloud.
4. Rhasspy — toolkit modular lama terbaik
Rhasspy adalah toolkit asisten suara open-source asli. Ini modular sesuai desain: pilih mesin kata bangun, mesin speech-to-text, pengenali niat, dan mesin text-to-speech, dan Rhasspy mengikatnya bersama. Masih berfungsi di 2026 tetapi tidak lagi jalur yang direkomendasikan untuk setup baru.
Penulis asli sekarang memimpin pekerjaan suara Home Assistant, dan sebagian besar kekuatan Rhasspy telah dipindahkan ke ekosistem Wyoming Protocol. Pengguna Rhasspy yang ada dapat terus menjalankannya — instalasi baru dilayani lebih baik oleh pipeline Assist Home Assistant.
Kelemahan: Setup lebih rumit daripada Home Assistant Voice. Dokumentasi belum diperbarui secepat dokumen Wyoming. Beberapa integrasi telah terhenti.
Harga: Gratis
Platform: Docker pada Windows, macOS, Linux
Unduh: rhasspy.readthedocs.io
Garis bawah: Pilih Rhasspy jika kami sudah menjalankannya. Lewati untuk setup baru — Assist Home Assistant adalah jalur modern.
5. Mycroft AI / OpenVoiceOS — asisten suara mandiri terbaik
OpenVoiceOS (fork komunitas Mycroft AI setelah perusahaan Mycroft tutup) adalah asisten suara open-source mandiri. Ini adalah setara open-source terdekat dengan perangkat Alexa atau Google Assistant khusus — asisten suara terlebih dahulu, integrasi rumah pintar kedua.
Untuk pengguna yang menginginkan asisten suara tanpa berkomitmen pada Home Assistant, OpenVoiceOS adalah pilihan yang tepat. Keterampilan mencakup musik, timer, cuaca, kontrol rumah pintar, dan banyak lagi.
Kelemahan: Integrasi rumah pintar kurang dipoles daripada Home Assistant Voice. Komunitas lebih kecil daripada Home Assistant. Dukungan perangkat keras untuk perangkat puck mikrofon siap pakai terbatas.
Harga: Gratis
Platform: Docker terutama pada Linux
Unduh: openvoiceos.org
Garis bawah: Pilih OpenVoiceOS jika kami menginginkan asisten suara mandiri. Lewati jika integrasi Home Assistant penting.
6. Willow — perangkat keras berbasis ESP32 terbaik + tumpukan server
Willow adalah proyek satelit suara open-source yang berjalan pada perangkat keras ESP32-S3-BOX murah ($50-80). Array mikrofon dan deteksi kata bangun berjalan pada ESP32, sementara speech-to-text dan pencocokan niat berjalan pada Willow Inference Server yang kami hosting. Kombinasi memberikan waktu respons di bawah 300 milidetik di ruangan khas.
Untuk pengguna yang menginginkan satelit suara berganda di sekitar rumah tanpa membayar harga Home Assistant Voice PE per ruangan, Willow adalah opsi paling hemat.
Kelemahan: Perangkat keras ESP32-S3-BOX perlu di-flash (wilayah familiar jika kami telah melakukan ESPHome). Server inferensi memerlukan mesin yang cukup kuat (Mac mini atau NUC). Beberapa langkah integrasi masih memerlukan perintah terminal.
Harga: ESP32-S3-BOX-3 sekitar $80; server inferensi menggunakan perangkat keras yang ada
Platform: Server pada Linux, macOS; satelit pada ESP32
Unduh: github.com/HeyWillow/willow
Garis bawah: Pilih Willow jika kami menginginkan satelit murah di setiap ruangan. Lewati jika flash perangkat keras ESP32 terasa menakutkan.
7. Ollama — terbaik untuk pencocokan niat LLM lokal
Ollama bukan alat suara — ini adalah runtime LLM lokal yang mengikat bagian cerdas tumpukan suara 2026. Dengan menjalankan model Llama 3 atau Mistral kecil pada jaringan lokal, pipeline Assist Home Assistant dapat menangani perintah bahasa alami (“matikan semuanya di kamar tidur kecuali penggemar”) yang pencocok niat sederhana lewatkan.
Untuk pengguna yang menginginkan asisten suara mereka memahami niat di luar template kaku, Ollama adalah upgrade.
Kelemahan: Memerlukan mesin dengan 8 GB+ RAM khusus untuk model. Waktu respons tergantung pada model — Llama 3 8B responsif pada Mac dengan silikon M; Mistral 7B bagus pada kebanyakan kotak x86. Inferensi CPU murni lebih lambat.
Harga: Gratis
Platform: Installer native untuk Windows, macOS, Linux
Unduh: ollama.com
Garis bawah: Pilih Ollama untuk menambahkan niat yang didukung LLM ke tumpukan suara Home Assistant. Lewati jika perangkat keras kami tidak dapat menghost model.
Cara memilih yang tepat
Jika kami menginginkan setup suara lokal paling sederhana: Home Assistant + perangkat keras Home Assistant Voice PE. Colokkan, ikuti wizard setup, dan kami menjalankan lokal dalam 30 menit.
Jika kami menginginkan akurasi speech-to-text terbaik: Whisper (faster-whisper) dengan model medium pada mesin yang dilengkapi GPU.
Jika kami menginginkan suara TTS lokal paling alami: Piper dengan salah satu suara berkualitas tinggi.
Jika kami menginginkan satelit suara berganda tanpa merusak bank: Willow dengan perangkat keras ESP32-S3-BOX.
Jika kami menginginkan asisten suara tanpa berkomitmen pada Home Assistant: OpenVoiceOS.
Jika kami menginginkan pencocokan niat kualitas LLM: Tambahkan Ollama dengan model 7B-8B ke pipeline Home Assistant Assist.
Jika kami menginginkan setup pribadi standar emas: Home Assistant + Voice PE + Whisper + Piper + Ollama, semuanya berjalan pada NUC dengan 32 GB RAM pada LAN.
Tanya Jawab
Bisakah saya benar-benar menjalankan asisten suara lokal tanpa cloud sama sekali? Ya. Tumpukan 2026 (Home Assistant Assist + Whisper + Piper + Ollama opsional) berjalan sepenuhnya pada perangkat keras yang kami miliki. Tidak ada audio, niat, atau respons yang meninggalkan LAN.
Perangkat keras apa yang saya butuhkan? Minimal, Raspberry Pi 4 dengan 4 GB RAM untuk Home Assistant itu sendiri, ditambah mesin kecil terpisah (Pi 5 dengan 8 GB atau kotak Linux kecil apa pun) untuk Whisper. Untuk pencocokan niat yang didukung LLM, tambahkan mesin lain dengan 16 GB+ RAM untuk Ollama.
Bagaimana waktu respons dibandingkan dengan Alexa? Tumpukan lokal yang disetel dengan baik merespons dalam 150-300 milidetik. Cloud Alexa biasanya membutuhkan waktu 500-1500 milidetik. Apple HomePod dengan HomeKit berada di antara 200-500 milidetik.
Apakah ini akan bekerja dalam bahasa Spanyol, Prancis, atau bahasa lain? Ya, dengan peringatan. Whisper menangani ~99 bahasa dengan cukup baik. Piper memiliki suara untuk 50+ bahasa. Pencocok niat Home Assistant bekerja dalam banyak bahasa tetapi bahasa yang lebih kecil memerlukan konfigurasi lebih banyak.
Apakah Mycroft masih hidup? Perusahaan Mycroft AI tutup pada 2023. Fork komunitas, OpenVoiceOS (a.k.a. OVOS), membuat proyek tetap hidup dan secara aktif merilis pembaruan. Pengguna Mycroft yang ada dapat upgrade ke OVOS.