Assistentes de voz em nuvem ainda são convenientes, mas cada microfone em uma casa é uma decisão de privacidade que precisa ser renegociada a cada ano. A comunidade de laboratórios domésticos deu um passo adiante: LLMs quantizados rodando em um único nó Proxmox, words de ativação tratadas em um satélite de $20, e Alexa desconectada. Os aplicativos abaixo são os que realmente fazem uma pilha de voz totalmente local funcionar em 2026, classificados por quão próximos chegam de “diga algo, algo acontece” sem uma ida e volta para a internet.
Os oito picks abaixo todos rodam em um desktop, NAS ou caixa de lab doméstico, e a maioria se emparelha com hardware dedicado barato para os microfones da sala. Cada seção lista o que o aplicativo faz bem, o que faz mal e qual é o footprint de hardware esperado.
O que procurar em uma pilha de voz local
Um assistente local são vários aplicativos colados juntos. As peças que importam:
- Word de ativação. Roda continuamente em um dispositivo de baixa potência. Procure por modelos pequenos com boa rejeição de falsos acionamentos.
- Reconhecimento de fala. Modelos da família Whisper são o padrão atual. Escolha pela latência e cobertura de idioma.
- Tratamento de intenção. A camada “o que significa essa sentença”. Ou gramáticas explícitas ou um LLM fazendo o raciocínio.
- Conversão de texto em fala. A qualidade local de TTS varia muito. Vozes neurais modernas são indistinguíveis da saída em nuvem.
- Backend LLM. Para perguntas abertas, uma variante local de Mistral, Llama ou Qwen via Ollama ou LocalAI.
- Integração de casa inteligente. Conexão com Home Assistant, openHAB, Zigbee2MQTT ou similar.
- Footprint de hardware. Apenas CPU é possível mas lento. Uma GPU consumer com 8GB+ VRAM transforma a experiência.
Comparação rápida
| Aplicativo | Melhor para | Plano gratuito | Custo | Destaque |
|---|---|---|---|---|
| Home Assistant + Voice PE | Pilha completa | Sim | Grátis (hardware vendido separadamente) | Satélite próprio, integração mais profunda |
| Rhasspy | Pipeline de voz DIY | Sim | Grátis | Perfis por idioma, componentes intercambiáveis |
| Open Voice OS | Sucessor do Mycroft | Sim | Grátis | Marketplace de habilidades e comunidade ativa |
| Willow | Wake de baixa latência | Sim | Grátis | Firmware ESP32-S3 para satélites baratos |
| Mycroft AI | Código aberto clássico | Sim | Grátis | Base de código testada em combate, comunidade menor agora |
| Ollama | Backend LLM local | Sim | Grátis | Instalação de modelo em uma linha, API REST |
| LocalAI | Drop-in compatível com OpenAI LLM local | Sim | Grátis | Substituto para ferramentas que esperam a API OpenAI |
| Wyoming Protocol | Cola de pipeline de áudio | Sim | Grátis | Transporte padrão entre microfone, STT, intenção, TTS |
Os aplicativos
1. Home Assistant + Voice Preview Edition, o padrão integrado
Home Assistant Voice agora é a recomendação padrão para uma pilha de voz auto-hospedada. O satélite Voice Preview Edition trata da word de ativação e matriz de microfones em um disco de $59, e o lado do servidor roda onde Home Assistant já está. O Year of the Voice acabou, e o resultado é uma pilha que controla dispositivos, lê sensores e relata eventos de calendário sem nunca tocar uma API em nuvem.
Onde fica aquém: uso conversacional aberto ainda é melhor com um LLM separado no loop. O hardware Voice PE é o caminho mais suave, mas pode ficar sem estoque.
Preço: Software grátis, hardware Voice PE em torno de $59.
Plataformas: Home Assistant roda em Linux, Windows (via container), macOS (via container) ou Home Assistant OS em Pi ou NUC.
Baixar: Home Assistant
Resumo: Comece aqui. O satélite próprio mais Home Assistant Assist cobrem a maioria do que uma casa precisa sem outros componentes.
2. Rhasspy, a pilha DIY modular
Rhasspy é a versão do kit de ferramentas: cada peça (word de ativação, STT, intenção, TTS) é intercambiável, com perfis por idioma, e uma UI de configuração que não esconde o pipeline. Se emparelha bem com Home Assistant via protocolo Wyoming e tem a cobertura de idioma mais ampla dessa lista.
Onde fica aquém: a sensação “faça você mesmo” é intencional. Espere passar uma noite escolhendo modelos, gravando amostras de áudio e ajustando a word de ativação.
Preço: Grátis, código aberto sob MIT.
Plataformas: Linux, container em Windows ou macOS.
Baixar: Rhasspy 3 docs
Resumo: A escolha certa se você quer controle total de cada estágio do pipeline. Pule se você quer uma caixa preta que funcione.
3. Open Voice OS, o sucessor do Mycroft
Open Voice OS pegou a base de código do Mycroft depois que o braço comercial do projeto fechou, e a comunidade levou adiante. O marketplace de habilidades cobre tudo desde timers até clima até controle de casa, e o framework roda em Pi, x86 e hardware Mark II. O ciclo 2026 adicionou melhor tratamento de intenção com suporte LLM.
Onde fica aquém: documentação é dividida entre páginas antigas do Mycroft e o novo site Open Voice OS. Algumas habilidades legadas ainda precisam ser portadas.
Preço: Grátis, código aberto.
Plataformas: Linux em Raspberry Pi, desktop x86, container em macOS.
Baixar: Open Voice OS
Resumo: Um bom meio termo entre a abordagem integrada do Home Assistant e o kit de ferramentas básico do Rhasspy. Vale a pena dar uma olhada para casas que querem o ecossistema de habilidades.
4. Willow, o satélite focado em latência
A pilha Willow roda em uma placa ESP32-S3 de $20 com uma matriz de microfones, fala com um servidor que você self-hospeda, e consegue um tempo de wake-to-response na faixa de centenas de milissegundos. A base de código amadureceu em uma das melhores opções de satélite barato para casas com vários quartos para cobrir.
Onde fica aquém: esta é a camada de word de ativação e transporte de áudio, não um assistente completo. Emparelhe com Home Assistant ou um LLM local para respostas reais.
Preço: Grátis, com placas de hardware disponíveis de vários vendors em torno de $20-50.
Plataformas: Lado do servidor roda em Linux. Cliente é firmware ESP32-S3.
Baixar: Willow project
Resumo: A resposta certa quando você quer muitos microfones baratos, sempre ligados pela casa sem um Raspberry Pi em cada quarto.
5. Mycroft AI, o original
O projeto Mycroft original está em manutenção, mas a base de código ainda instala e roda, e muitas casas construídas nela anos atrás ainda funcionam. O hardware Mark II do Kickstarter original ainda funciona, e o framework de habilidades é bem documentado.
Onde fica aquém: comunidade ativa menor, correções de bugs mais lentas, e a maioria do novo desenvolvimento se moveu para Open Voice OS.
Preço: Grátis, código aberto.
Plataformas: Linux em Pi ou x86.
Baixar: Mycroft GitHub
Resumo: Vale a pena conhecer por razões históricas ou se um Mark II já está em uma bancada de cozinha. Novos deployments devem escolher Open Voice OS em seu lugar.
6. Ollama, o backend LLM que a maioria das pilhas procura
Ollama agora é a forma padrão de rodar um LLM local quantizado em um Mac, caixa Linux ou máquina Windows. Um comando puxa um modelo, outro o expõe em um endpoint HTTP, e Home Assistant Assist, Rhasspy e Open Voice OS podem todos falar com ele através de uma integração simples. Variantes de Llama, Mistral, Qwen e Phi todas funcionam out of the box.
Onde fica aquém: não é uma ferramenta de voz por si só. É o cérebro que você encaixa em um dos assistentes acima.
Preço: Grátis, código aberto.
Plataformas: Linux, macOS, Windows.
Baixar: Ollama
Resumo: O caminho de menor resistência para “LLM local no loop”. Emparelhe com um modelo 7B-13B para respostas rápidas em uma única GPU 8GB+.
7. LocalAI, o drop-in compatível com OpenAI
LocalAI expõe a mesma forma HTTP que a API OpenAI, então qualquer ferramenta que já fala OpenAI pode ser apontada para um modelo local em seu lugar. Útil quando você tem um blueprint Home Assistant, fluxo Node-RED ou automação de terceiros que espera um endpoint compatível com OpenAI e você quer remover a dependência em nuvem.
Onde fica aquém: setup é mais envolvido que Ollama. A performance varia mais com escolhas de modelo e backend.
Preço: Grátis, código aberto.
Plataformas: Linux (docker), macOS (docker), Windows (docker ou WSL2).
Baixar: LocalAI
Resumo: Escolha isso quando uma automação existente espera a API OpenAI e você quer um backend local sem mudanças de código.
8. Wyoming Protocol, a cola do pipeline de áudio
Wyoming é o protocolo pequeno mas importante que deixa Home Assistant, Rhasspy, Open Voice OS e hardware satélite se falarem. Adotá-lo como transporte comum entre word de ativação, STT, intenção e TTS torna fácil trocar qualquer componente sem reescrever o resto.
Onde fica aquém: é encanamento, não uma app voltada ao usuário. A maioria das pessoas o usa sem perceber que está usando.
Preço: Grátis, código aberto.
Plataformas: Onde quer que os componentes rodem (Linux, container em outros).
Baixar: Wyoming docs
Resumo: Vale a pena conhecer porque é a razão pela qual uma pilha Home Assistant + Rhasspy + Ollama funciona sem código customizado no meio.
Como escolher o correto
- Se você quer o caminho mais suave, escolha Home Assistant + Voice PE e pare de ler.
- Se você quer cada estágio do pipeline intercambiável, escolha Rhasspy.
- Se você quer um marketplace de habilidades, escolha Open Voice OS.
- Se você quer satélites de $20 em cada quarto, escolha Willow.
- Se você quer respostas LLM locais no loop, emparelhe qualquer um dos acima com Ollama ou LocalAI.
- Empilhe no máximo dois ou três. O protocolo Wyoming significa que se encaixam limpo; não sinta pressão para escolher apenas um.
FAQ
Um assistente de voz local pode realmente combater com Alexa ou Google Assistant?
Para “acenda as luzes da cozinha” e “configure um timer”, sim. Para perguntas abertas, LLMs locais modernos são próximos o suficiente em respostas factuais que a maioria das casas não nota a diferença. A latência em uma GPU mid-range agora está na mesma faixa que uma chamada em nuvem.
Preciso de uma GPU para rodar um assistente de voz local?
Para apenas o pipeline de voz (wake, STT, intenção, TTS), não. Um Raspberry Pi 5 ou NUC trata. Para uso conversacional com suporte LLM, uma GPU discreta com 8GB+ VRAM transforma a experiência. Inferência LLM apenas CPU é possível mas se sente lenta.
Home Assistant Assist é privado?
Sim, em sua configuração padrão Whisper-plus-local-intent nada sai da rede. Se você habilitar um LLM OpenAI ou outra nuvem como backend de conversa, queries para esse backend saem da rede. A word de ativação e STT podem ficar locais mesmo assim.
Quanto custa a configuração totalmente local mais barata?
Em torno de $130 total: um Raspberry Pi 4 ou 5 ($55-80), um disco Voice PE ou placa Willow ($20-59) e um microfone USB se você for DIY. Funcionalidades LLM adicionam o custo de uma GPU discreta; um RTX 3060 12GB usado na faixa de $200-250 é a escolha comum.
