La citrouille qui a surpassé une commande vocale basique
Les assistants vocaux conventionnels frustrent les utilisateurs. Demandez à Alexa de planifier un week-end, et elle répond : « désolé, je ne sais pas ». Cette limitation courante a stimulé le développement d'une citrouille plus intelligente.
Cette citrouille, cependant, a compris. Elle a proposé de « vérifier ce qu'il y a dans le coin », puis a suggéré :
- Un mystère de meurtre au Pen Museum
- De la musique live au Jam House
- Une silent disco au Botanical Gardens
Crucialement, elle a gardé ses suggestions « tout dans le quartier, sans avoir besoin d'aller au centre-ville », respectant la contrainte énoncée. Lorsqu'on lui a demandé une blague d'Halloween à la place, elle a répondu : « Comment appelle-t-on une citrouille qui est restée sur le pas de la porte toute la semaine ? Un peu écrasée (a bit of a squash). »
La mise à niveau utile n'est pas une coque fantaisie ou un modèle magique. C'est un voice pipeline combinant une saisie locale rapide avec un raisonnement cloud performant. Cette architecture exécute un modèle de local speech-to-text (STT) sur un Raspberry Pi pour une latence minimale, puis envoie les transcriptions à un LLM distant (par exemple, Gemini Flash, DeepSeek Flash) pour les requêtes complexes.
Cette approche hybride permet au LLM d'accéder à des outils externes comme la recherche web et la géolocalisation, permettant une planification avancée et des réponses contextuelles. Le système synthétise ensuite la parole, soit sur l'appareil, soit via des API de voix neuronales haute fidélité externes, selon le besoin de vitesse ou de qualité.
Souder le visage — et survivre au câblage
La construction a commencé avec un Raspberry Pi, un microphone, un haut-parleur et un HAT amplificateur. Deux LED ont servi d'yeux de citrouille lumineux. Une carte Perma-Proto a fourni la surface de soudure, évitant les modifications directes sur le Pi.
Avant l'assemblage, le créateur s'est exercé à la soudure sur un kit de test, une étape cruciale pour les débutants. Le câblage initial des LED a été le plus difficile : deux fils enfilés dans un seul trou étroit par œil, ce qui a entraîné des heures de travail minutieux et des fils cassés.
Ensuite, les composants ont été soudés sur la Perma-Proto board :
- 40 broches pour la connexion au Raspberry Pi
- Une bande de 6 broches pour l'amplificateur
- Huit ou neuf fils supplémentaires pour diverses connexions
Les connexions ont été vérifiées avec un multimètre pour éviter les problèmes. Le refroidisseur actif et la carte Perma-Proto ont ensuite été montés sur le Raspberry Pi, suivis du microphone et du haut-parleur plug-and-play.
Le débogage a été rapide : le haut-parleur ne fonctionnait pas. L'enquête a révélé que des broches mal soudées sur la carte Perma-Proto touchaient le refroidisseur actif, provoquant un court-circuit. Une entretoise en carton improvisée a temporairement résolu le problème, une solution fonctionnelle mais pas idéale. La citrouille s'est allumée.
Pourquoi les parties les plus intelligentes vivent à deux endroits
L'intelligence de la citrouille ne résidait pas uniquement sur le Pi. L'architecture a mis en place une approche hybride : un mot d'activation tel que « hey pumpkin » déclenchait le speech-to-text (STT) local sur le Raspberry Pi. Cette transcription était ensuite transmise à un Large Language Model (LLM) distant pour le raisonnement, la réponse étant reconvertie en parole localement ou via un service cloud.
Cette conception divisée équilibrait la latence et les capacités. La reconnaissance locale, utilisant des modèles légers comme parakeet, maintenait le traitement vocal près de l'appareil, réduisant le délai perçu. Le raisonnement cloud, tirant parti de puissants LLM tels que Gemini ou DeepSeek Flash, offrait un accès à des modèles avancés et à des outils externes comme la recherche web et la géolocalisation.
Il est crucial de noter que le Raspberry Pi ne faisait pas tourner un grand modèle de raisonnement. Son rôle se limitait à la capture vocale initiale et à la synthèse texte-parole. Le travail complexe de compréhension des requêtes et de génération de réponses informées était effectué hors de l'appareil, là où les ressources de calcul étaient abondantes. Cette intelligence distribuée a assuré à la fois réactivité et profondeur. Pour une plongée plus approfondie dans cette réalisation, consultez les ressources sur Better Stack.
Cet article vous plaît ? Recevez-en un comme celui-ci chaque matin.
un e-mail par jour · désinscription en deux clics · aucun traqueur tiers
Un meilleur assistant nécessite plus qu'un meilleur modèle
L'accès aux outils transforme un assistant vocal, passant d'un générateur d'idées génériques à un planificateur pratique. L'intégration de la recherche web et du contexte de localisation en temps réel permet à la citrouille de suggérer des activités spécifiques et proches—comme un mystère de meurtre au Pen Museum ou une silent disco au Botanical Gardens—au lieu de simplement brainstormer des concepts abstraits.
N'oubliez pas que les listes d'événements, les horaires d'ouverture et les prix sont dynamiques. Les suggestions de la citrouille sont une démonstration de capacité, pas un itinéraire garanti. Vérifiez toujours les détails avant de prendre des décisions fermes.
Un assistant vraiment meilleur ne dépend pas seulement du LLM sous-jacent. Jugez les assistants vocaux DIY selon :
- La latence
- L'intégration de contexte utile
- Les choix de confidentialité de l'utilisateur
- La fiabilité du matériel
Cette approche holistique définit une expérience supérieure. Pour une exploration plus poussée, consultez la documentation Raspberry Pi et OpenAI Whisper pour une reconnaissance vocale robuste.
Questions fréquemment posées
Quel matériel alimente la citrouille IA ?
Un Raspberry Pi est connecté à un microphone, un haut-parleur, une carte amplificatrice et deux yeux LED soudés.
La citrouille fait-elle tourner son IA entièrement sur le Raspberry Pi ?
Non. La conception utilise un traitement vocal local pour la réactivité, puis envoie les requêtes transcrites à un LLM distant pour le raisonnement et l'utilisation d'outils.
Comment la citrouille peut-elle répondre à des questions sur les événements locaux ?
Son modèle cloud peut utiliser des outils externes tels que la recherche web et le contexte de localisation pour trouver des options pertinentes.
Un débutant peut-il construire un assistant vocal similaire ?
Le projet est accessible avec de la préparation, de la pratique en soudure et un câblage minutieux, mais les débutants doivent vérifier les connexions et éviter les courts-circuits dangereux.