Los asistentes de voz en la nube siguen siendo convenientes, pero cada micrófono en un hogar es una decisión de privacidad que debe renegociarse cada año. La comunidad de laboratorios caseros ha ido un paso más allá: LLM cuantizados ejecutándose en un único nodo de Proxmox, palabras de activación manejadas en un satélite de $20, y Alexa desenchufada. Las aplicaciones a continuación son las que realmente hacen que una pila de voz completamente local funcione en 2026, clasificadas por lo cerca que llegan a “di algo, algo sucede” sin un viaje redondo a internet.
Las ocho opciones a continuación se ejecutan en un escritorio, NAS o caja de laboratorio casero, y la mayoría se emparejan con hardware dedicado barato para los micrófonos de la habitación. Cada sección enumera qué hace bien la aplicación, qué hace mal y qué huella de hardware esperar.
Qué buscar en una pila de voz local
Un asistente local es varias aplicaciones pegadas. Las piezas que importan:
- Palabra de activación. Se ejecuta constantemente en un dispositivo de baja potencia. Busque modelos pequeños con buena reducción de falsos disparos.
- Reconocimiento de voz. Los modelos de la familia Whisper son el estándar actual. Elige por latencia y cobertura de idioma.
- Manejo de intenciones. La capa “qué significa esta oración”. Gramáticas explícitas o un LLM haciendo el razonamiento.
- Conversión de texto a voz. La calidad local de TTS varía mucho. Las voces neurales modernas son indistinguibles de la salida en la nube.
- Backend LLM. Para preguntas abiertas, una variante local de Mistral, Llama o Qwen a través de Ollama o LocalAI.
- Integración del hogar inteligente. Conexión a Home Assistant, openHAB, Zigbee2MQTT o similar.
- Huella de hardware. Solo CPU es posible pero lento. Una GPU de consumidor con 8GB+ VRAM transforma la experiencia.
Comparación rápida
| Aplicación | Mejor para | Plan gratuito | Costo | Lo destacado |
|---|---|---|---|---|
| Home Assistant + Voice PE | Pila completa | Sí | Gratis (hardware vendido por separado) | Satélite de primera parte, integración más profunda |
| Rhasspy | Canalización de voz DIY | Sí | Gratis | Perfiles por idioma, componentes intercambiables |
| Open Voice OS | Sucesor de Mycroft | Sí | Gratis | Mercado de habilidades y comunidad activa |
| Willow | Activación de baja latencia | Sí | Gratis | Firmware ESP32-S3 para satélites baratos |
| Mycroft AI | Código abierto clásico | Sí | Gratis | Código comprobado, comunidad más pequeña ahora |
| Ollama | Backend LLM local | Sí | Gratis | Instalación de modelo de una línea, API REST |
| LocalAI | Drop-in compatible con OpenAI LLM local | Sí | Gratis | Reemplazo para herramientas que esperan la API de OpenAI |
| Wyoming Protocol | Pegamento de canalización de audio | Sí | Gratis | Transporte estándar entre micrófono, STT, intención, TTS |
Las aplicaciones
1. Home Assistant + Voice Preview Edition, el estándar integrado
Home Assistant Voice es ahora la recomendación predeterminada para una pila de voz autohospedada. El satélite Voice Preview Edition maneja la palabra de activación y la matriz de micrófonos en un disco de $59, y el lado del servidor se ejecuta donde ya vive Home Assistant. El Año de la Voz ha terminado, y el resultado es una pila que controla dispositivos, lee sensores e informa eventos del calendario sin nunca tocar una API en la nube.
Dónde se queda corto: el uso conversacional abierto sigue siendo mejor con un LLM separado en el bucle. El hardware Voice PE es el camino más suave, pero puede agotarse.
Precio: Software gratuito, hardware Voice PE alrededor de $59.
Plataformas: Home Assistant se ejecuta en Linux, Windows (a través de contenedor), macOS (a través de contenedor) o Home Assistant OS en una Pi o NUC.
Descargar: Home Assistant
Conclusión: Comienza aquí. El satélite de primera parte más Home Assistant Assist cubre la mayoría de lo que necesita un hogar sin otros componentes.
2. Rhasspy, la pila DIY modular
Rhasspy es la versión del kit de herramientas: cada pieza (palabra de activación, STT, intención, TTS) es intercambiable, con perfiles por idioma, y una interfaz de configuración que no oculta la canalización. Se empareja perfectamente con Home Assistant a través del protocolo Wyoming y tiene la cobertura de idioma más amplia de esta lista.
Dónde se queda corto: la sensación de “hazlo tú mismo” es intencional. Espera pasar una noche eligiendo modelos, grabando muestras de audio y ajustando la palabra de activación.
Precio: Gratuito, código abierto bajo MIT.
Plataformas: Linux, contenedor en Windows o macOS.
Descargar: Rhasspy 3 docs
Conclusión: La opción correcta si deseas control total de cada etapa de la canalización. Sáltalo si quieres una caja negra que funcione.
3. Open Voice OS, el sucesor de Mycroft
Open Voice OS recogió el código base de Mycroft después de que el brazo comercial del proyecto se cerrara, y la comunidad lo ha llevado adelante. El mercado de habilidades cubre todo, desde temporizadores hasta clima hasta control del hogar, y el marco se ejecuta en Pi, x86 y hardware Mark II. El ciclo 2026 agregó mejor manejo de intenciones respaldado por LLM.
Dónde se queda corto: la documentación se divide entre las páginas antiguas de Mycroft y el nuevo sitio de Open Voice OS. Algunas habilidades heredadas aún necesitan portarse.
Precio: Gratuito, código abierto.
Plataformas: Linux en Raspberry Pi, escritorio x86, contenedor en macOS.
Descargar: Open Voice OS
Conclusión: Un buen equilibrio entre el enfoque integrado de Home Assistant y el kit de herramientas sin frills de Rhasspy. Vale la pena echar un vistazo para hogares que desean el ecosistema de habilidades.
4. Willow, el satélite enfocado en latencia
La pila de Willow se ejecuta en una placa ESP32-S3 de $20 con una matriz de micrófonos, se comunica con un servidor que autohospedas, y obtiene un tiempo de despertar a respuesta en el rango de cientos de milisegundos. El código ha madurado en una de las mejores opciones de satélite barato para hogares con varias habitaciones para cubrir.
Dónde se queda corto: esta es la capa de palabra de activación y transporte de audio, no un asistente completo. Empareja con Home Assistant o un LLM local para respuestas reales.
Precio: Gratuito, con placas de hardware disponibles de varios proveedores alrededor de $20-50.
Plataformas: El lado del servidor se ejecuta en Linux. El cliente es el firmware ESP32-S3.
Descargar: Willow project
Conclusión: La respuesta correcta cuando deseas muchos micrófonos baratos, siempre activos alrededor de la casa sin una Raspberry Pi en cada habitación.
5. Mycroft AI, el original
El proyecto Mycroft original está en mantenimiento, pero el código base aún se instala y ejecuta, y muchos hogares construidos sobre él hace años aún funcionan. El hardware Mark II del Kickstarter original aún funciona, y el marco de habilidades está bien documentado.
Dónde se queda corto: comunidad activa más pequeña, correcciones de errores más lentas, y la mayoría del nuevo desarrollo se ha movido a Open Voice OS.
Precio: Gratuito, código abierto.
Plataformas: Linux en Pi o x86.
Descargar: Mycroft GitHub
Conclusión: Vale la pena saber por razones históricas o si una Mark II ya se sienta en la encimera de la cocina. Las nuevas implementaciones deben elegir Open Voice OS en su lugar.
6. Ollama, el backend LLM que más pilas persiguen
Ollama es ahora la forma predeterminada de ejecutar un LLM local cuantizado en una Mac, caja Linux o máquina Windows. Un comando extrae un modelo, otro lo expone en un punto final HTTP, y Home Assistant Assist, Rhasspy y Open Voice OS pueden hablar con él a través de una integración simple. Variantes de Llama, Mistral, Qwen y Phi funcionan de fábrica.
Dónde se queda corto: no es una herramienta de voz por sí sola. Es el cerebro que conectas a uno de los asistentes anteriores.
Precio: Gratuito, código abierto.
Plataformas: Linux, macOS, Windows.
Descargar: Ollama
Conclusión: El camino de menor resistencia a “LLM local en el bucle”. Empareja con un modelo 7B-13B para respuestas rápidas en una GPU única de 8GB+.
7. LocalAI, el drop-in compatible con OpenAI
LocalAI expone la misma forma HTTP que la API de OpenAI, por lo que cualquier herramienta que ya hable OpenAI puede apuntarse a un modelo local en su lugar. Útil cuando tienes un plano de Home Assistant, flujo de Node-RED o automatización de terceros que espera un punto final compatible con OpenAI y deseas eliminar la dependencia de la nube.
Dónde se queda corto: la configuración es más compleja que Ollama. El rendimiento varía más con la elección del modelo y del backend.
Precio: Gratuito, código abierto.
Plataformas: Linux (docker), macOS (docker), Windows (docker o WSL2).
Descargar: LocalAI
Conclusión: Elige esto cuando una automatización existente espera la API de OpenAI y deseas un backend local sin cambios de código.
8. Wyoming Protocol, el pegamento de canalización de audio
Wyoming es el protocolo pequeño pero importante que permite que Home Assistant, Rhasspy, Open Voice OS y el hardware satelital hablen entre sí. Adoptarlo como el transporte común entre palabra de activación, STT, intención y TTS facilita el cambio de cualquier componente sin reescribir el resto.
Dónde se queda corto: es fontanería, no una aplicación de cara al usuario. La mayoría de las personas lo usan sin darse cuenta de que lo están usando.
Precio: Gratuito, código abierto.
Plataformas: Dondequiera que se ejecuten los componentes (Linux, contenedor en otros).
Descargar: Wyoming docs
Conclusión: Vale la pena saber porque es la razón por la que una pila de Home Assistant + Rhasspy + Ollama funciona sin código personalizado en el medio.
Cómo elegir el correcto
- Si deseas el camino más suave, elige Home Assistant + Voice PE y deja de leer.
- Si deseas cada etapa de canalización intercambiable, elige Rhasspy.
- Si deseas un mercado de habilidades, elige Open Voice OS.
- Si deseas satélites de $20 en cada habitación, elige Willow.
- Si deseas respuestas de LLM locales en el bucle, empareja cualquiera de los anteriores con Ollama o LocalAI.
- Apila dos o tres como máximo. El protocolo Wyoming significa que se caben limpiamente; no sientas presión para elegir solo uno.
FAQ
¿Puede un asistente de voz local realmente coincidir con Alexa o Google Assistant?
Para “enciende las luces de la cocina” y “configura un temporizador”, sí. Para preguntas abiertas, los LLM locales modernos son lo suficientemente cercanos en respuestas factuales que la mayoría de los hogares no notan la diferencia. La latencia en una GPU de gama media ahora está dentro del mismo rango que una llamada en la nube.
¿Necesito una GPU para ejecutar un asistente de voz local?
Para solo la canalización de voz (despertar, STT, intención, TTS), no. Una Raspberry Pi 5 o NUC lo maneja. Para uso conversacional respaldado por LLM, una GPU discreta con 8GB+ VRAM transforma la experiencia. La inferencia LLM solo con CPU es posible pero se siente lenta.
¿Es Home Assistant Assist privado?
Sí, en su configuración predeterminada de Whisper-plus-local-intent, nada abandona la red. Si habilitas un LLM de OpenAI u otra nube como backend de conversación, las consultas a ese backend abandonan la red. La palabra de activación y STT pueden mantenerse locales incluso entonces.
¿Cuál es el costo de la configuración más barata completamente local?
Alrededor de $130 total: una Raspberry Pi 4 o 5 ($55-80), un disco Voice PE o placa Willow ($20-59) y un micrófono USB si vas DIY. Las características de LLM añaden el costo de una GPU discreta; una RTX 3060 12GB usada en el rango de $200-250 es la opción común.
