Говорящая тыква: свой AI-ассистент на Raspberry Pi

Что в ролике
Чтобы сделать говорящую тыкву, автор заказал Raspberry Pi и впервые взял паяльник: потренировался на дешёвом наборе, затем припаял два LED-кольца-глаза, микрофон и усилитель на плату perma proto hat. Собранная плата вставляется в Raspberry Pi через 40 пинов, а микрофон и динамик подключаются без пайки; на отладку ушло пару часов, когда динамик перестал работать из-за касания плохо припаянных пинов о кулер и короткого замыкания — помогла картонная прокладка. Программная часть написана на Python с библиотекой Sherper NNX: локальная модель parakeet распознаёт речь после триггер-слова «hey pumpkin», текст отправляется в удалённую LLM DeepSeek Flash, которую автор выбрал за самый быстрый ответ среди Gemini Flash, Haiku и DeepSeek, а озвучивает ответ ElevenLabs Flash. Локальный синтез речи автор пробовал, но он звучал ужасно, поэтому для хеллоуинского тембра оставил облачный вариант. Перед финальной сборкой автор вырезал лицо тыквы и обернул внутренности пищевой плёнкой, чтобы не замкнуть Raspberry Pi, а общая стоимость деталей вышла дороже готовой умной колонки. В демо тыква отвечает на вопросы: на просьбу спланировать субботний вечер она предложила murder mystery в Pen Museum за 20 фунтов, бар St Paul Square с коктейлями по цене двух за одного и silent disco в ботанических садах до полуночи, минуя центр города. Завершается ролик советом, что локальный голос можно запустить и на более слабом железе, и ссылкой на другой ролик автора.
Практика
- Что получишь
- Понятный стек для самодельного голосового ассистента: какие платы и модели использовать, как соединить Raspberry Pi с микрофоном, динамиком и LED-глазами, и как заставить его быстро отвечать через связку локального распознавания речи и удалённой LLM.
- Первый шаг
- Начать с заказа Raspberry Pi, perma proto-платы, микрофона, динамика и LED-колец, а перед пайкой потренироваться на дешёвом наборе, как советует автор.
- Цифры
- —40 пинов — столько контактов соединяют плату perma proto hat с Raspberry Pi
- —около 8–9 проводов — столько автор вручную припаял на плату
- —1 секунда — максимальное время ответа LLM, иначе голосовое общение кажется медленным
- —20 фунтов — столько стоил билет на murder mystery в Pen Museum, предложенный тыквой
- Честно
- Автор прямо просит подписаться и в конце ссылается на другой свой ролик; явной рекламы стороннего продукта нет. Точный код и распиновка показаны на экране, но в пересказе их нет, повторить только по тексту не получится.
Если слова незнакомы — 6 терминов
- Raspberry Piнедорогой одноплатный компьютер для DIY-проектов
- perma proto hatплата-надстройка, на которую припаивают компоненты и которая вставляется сверху на Raspberry Pi
- parakeetлокальная модель распознавания речи, работающая прямо на устройстве
- триггер-словофраза, после которой ассистент начинает слушать команду
- LLMбольшая языковая модель, которая генерирует текст ответа
- ElevenLabs Flashоблачный сервис синтеза речи с быстрым откликом
Понадобится экран
Часть информации есть только на экране (код в терминале). Открыть на YouTube с 1:09.
Связки из этого ролика
2 шт.- Raspberry Pi + Perma-Proto HAT + amplifier + LED + mic + speaker
- Parakeet + DeepSeek Flash + ElevenLabs Flash
Компоненты
8 шт.Цитаты-доказательства
дословно из субтитров- Here's a full design of everything we're going to build.1:09
- Then I'm just using the multimeter to check all of the connections.4:23
- I ended up settling with Python using Sherper NNX to run text to speech using a parakeet model.6:09
- We then send the text to Deepseek Flash, which after testing several models, including Gemini Flash and Haiku, gave the fastest responses at reasonable intelligence.6:16
Формат: пошаговый урок · для практикующих · уверенность разметки 0.87 · источник