Der Kürbis, der einen einfachen Sprachbefehl überlistete
Herkömmliche Sprachassistenten frustrieren Nutzer. Bittet man Alexa, ein Wochenende zu planen, antwortet sie: „Entschuldigung, das weiß ich nicht.“ Diese verbreitete Einschränkung spornte die Entwicklung eines intelligenteren Kürbisses an.
Dieser Kürbis jedoch verstand. Er bot an, „zu prüfen, was hier in der Nähe los ist“, und schlug dann Folgendes vor:
- Ein Krimi-Dinner im Pen Museum
- Live-Musik im Jam House
- Eine Silent Disco im Botanischen Garten
Entscheidend war, dass er die Vorschläge „alle im Viertel, kein Stadtzentrum nötig“ hielt und damit die genannte Einschränkung respektierte. Als er stattdessen nach einem Halloween-Witz gefragt wurde, lieferte er: „Wie nennt man einen Kürbis, der die ganze Woche auf der Türschwelle saß? Ein bisschen zerquetscht.“
Das nützliche Upgrade ist keine neuartige Hülle oder ein magisches Modell. Es ist eine Voice-Pipeline, die schnelle lokale Eingabe mit leistungsfähiger Cloud-Logik kombiniert. Diese Architektur lässt ein lokales Speech-to-Text (STT)-Modell auf einem Raspberry Pi für minimale Latenz laufen und sendet dann Transkriptionen an ein entferntes LLM (z. B. Gemini Flash, DeepSeek Flash) für komplexe Anfragen.
Dieser hybride Ansatz ermöglicht es dem LLM, auf externe Tools wie Websuche und Geolokalisierung zuzugreifen, was fortgeschrittene Planung und kontextbezogene Antworten ermöglicht. Das System synthetisiert dann die Sprache, entweder direkt auf dem Gerät oder über externe High-Fidelity Neural Voice APIs, je nachdem, ob Geschwindigkeit oder Qualität gefragt ist.
Das Gesicht löten – und die Verkabelung überleben
Der Bau begann mit einem Raspberry Pi, Mikrofon, Lautsprecher und einem Verstärker-HAT. Zwei LEDs dienten als leuchtende Kürbisaugen. Eine Perma-Proto-Platine bot die Lötfläche, um direkte Modifikationen am Pi zu vermeiden.
Vor dem Zusammenbau übte der Erfinder das Löten an einem Test-Kit, ein entscheidender Schritt für Anfänger. Die anfängliche LED-Verkabelung war am schwierigsten: Zwei Drähte mussten in ein einziges, enges Loch pro Auge gefädelt werden, was zu stundenlanger Fummelarbeit und abgerissenen Drähten führte.
Als Nächstes wurden die Komponenten auf die Perma-Proto-Platine gelötet:
- 40 Pins für den Raspberry Pi-Anschluss
- 6-Pin-Leiste für den Verstärker
- Acht oder neun zusätzliche Drähte für verschiedene Verbindungen
Die Verbindungen wurden mit einem Multimeter überprüft, um Probleme zu vermeiden. Der aktive Kühler und die Perma-Proto-Platine wurden dann auf dem Raspberry Pi montiert, gefolgt vom Plug-and-Play-Mikrofon und Lautsprecher.
Das Debugging schlug schnell zu: Der Lautsprecher versagte. Die Untersuchung ergab, dass schlecht gelötete Pins auf der Perma-Proto-Platine den aktiven Kühler berührten, was einen Kurzschluss verursachte. Ein improvisierter Kartenabstandshalter löste das Problem vorübergehend – eine funktionale, aber nicht ideale Lösung. Der Kürbis schaltete sich ein.
Warum die intelligentesten Teile an zwei Orten leben
Die Intelligenz des Kürbisses lebte nicht allein auf dem Pi. Die Architektur bildete einen hybriden Ansatz ab: Ein Aktivierungswort wie „Hey Pumpkin“ löste lokales Speech-to-Text (STT) auf dem Raspberry Pi aus. Diese Transkription wurde dann zur logischen Verarbeitung an ein entferntes Large Language Model (LLM) gestreamt, wobei die Antwort entweder lokal oder über einen Cloud-Dienst wieder in Sprache umgewandelt wurde.
Dieses geteilte Design glich Latenz und Leistungsfähigkeit aus. Lokale Erkennung, unter Verwendung leichtgewichtiger Modelle wie parakeet, hielt die Sprachverarbeitung in der Nähe des Geräts und reduzierte die wahrgenommene Verzögerung. Cloud-Logik, die leistungsstarke LLMs wie Gemini oder DeepSeek Flash nutzte, bot Zugriff auf fortgeschrittene Modelle und externe Tools wie Websuche und Geolokalisierung.
Entscheidend ist, dass der Pi kein großes Reasoning-Modell ausführte. Seine Rolle beschränkte sich auf die anfängliche Spracherfassung und die Text-to-Speech-Synthese. Die Schwerstarbeit beim Verstehen komplexer Anfragen und dem Generieren fundierter Antworten fand außerhalb des Geräts statt, wo ausreichend Rechenressourcen zur Verfügung standen. Diese verteilte Intelligenz sorgte sowohl für Reaktionsfähigkeit als auch für Tiefe. Für einen tieferen Einblick in diesen Build, schauen Sie sich die Ressourcen bei Better Stack an.
Gefällt Ihnen der Artikel? Erhalten Sie jeden Morgen einen wie diesen per E-Mail.
eine E-Mail pro Tag · Abmeldung mit zwei Klicks · kein Tracking durch Dritte
Ein besserer Assistent braucht mehr als nur ein besseres Modell
Der Zugriff auf Tools macht aus einem Sprachassistenten, der nur allgemeine Ideen generiert, einen praktischen Planer. Die Integration von Websuche und Echtzeit-Standortkontext ermöglicht es dem Kürbis, spezifische Aktivitäten in der Nähe vorzuschlagen – wie ein Krimi-Dinner im Pen Museum oder eine Silent Disco im Botanischen Garten –, anstatt nur abstrakte Konzepte zu brainstormen.
Denken Sie daran, dass Veranstaltungslisten, Öffnungszeiten und Preise dynamisch sind. Die Vorschläge des Kürbisses sind eine Demonstration der Leistungsfähigkeit, kein garantierter Reiseplan. Überprüfen Sie immer die Details, bevor Sie feste Pläne machen.
Ein wirklich besserer Assistent hängt von mehr ab als nur dem zugrunde liegenden LLM. Bewerten Sie DIY-Sprachassistenten nach:
- Latenz
- Nützliche Kontextintegration
- Entscheidungen zur Privatsphäre der Nutzer
- Zuverlässige Hardware
Dieser ganzheitliche Ansatz definiert ein überlegenes Erlebnis. Für weitere Erkundungen konsultieren Sie die Raspberry Pi Dokumentation und OpenAI Whisper für robustes Speech-to-Text.
Häufig gestellte Fragen
Welche Hardware treibt den KI-Kürbis an?
Ein Raspberry Pi ist mit einem Mikrofon, einem Lautsprecher, einer Verstärkerplatine und zwei verlöteten LED-Augen verbunden.
Läuft die KI des Kürbisses vollständig auf dem Raspberry Pi?
Nein. Das Design nutzt lokale Sprachverarbeitung für die Reaktionsfähigkeit und sendet dann transkribierte Anfragen an ein entferntes LLM für Reasoning und Tools.
Wie kann der Kürbis Fragen zu lokalen Veranstaltungen beantworten?
Sein Cloud-Modell kann externe Tools wie Websuche und Standortkontext nutzen, um relevante Optionen zu finden.
Kann ein Anfänger einen ähnlichen Sprachassistenten bauen?
Das Projekt ist mit Vorbereitung, Löterfahrung und sorgfältiger Verkabelung machbar, aber Anfänger sollten die Verbindungen überprüfen und unsichere Kurzschlüsse vermeiden.