Control por Voz Local con Home Assistant y Whisper: Guía 2026

29 de septiembre de 2026 · por Vikram Bhatt · 6 min de lectura

Configurar el control por voz local usando Home Assistant y Whisper cambia las reglas del juego. Te permite lanzar órdenes a tu casa inteligente sin regalar ni una sola grabación a los servidores de gigantes tecnológicos. En esta guía vamos a montar un sistema de reconocimiento de voz cien por cien offline. Veremos el hardware exacto que necesitas y las soluciones a esos pequeños fallos que suelen aparecer en la instalación.

¿Por qué elegir voz local en lugar de Alexa o Google Assistant?

Piénsalo un momento. Los asistentes comerciales tradicionales procesan tu rutina en la nube. Cada vez que dices “enciende la luz de la cocina” o “baja las persianas”, el audio viaja a servidores externos. Allí se analiza, se etiqueta y, la mayoría de las veces, se guarda en un historial infinito. Al combinar Home Assistant con Whisper, todo ese procesamiento se encierra dentro de tu propia red wifi doméstica.

Las ventajas saltan a la vista:

• Privacidad real: Ningún fragmento de tu vida privada sale al exterior.
• Cero suscripciones: Te olvidas de planes premium, cambios bruscos de políticas o funciones que de repente pasan a ser de pago.
• Inmune a cortes de internet: Imagina que hay una avería en tu operadora. Tus comandos de voz encenderán las luces y apagarán la calefacción como si nada hubiera pasado.
• Personalización al milímetro: Puedes entrenar el sistema para entender frases raras, apodos de tus mascotas o rutinas complejas.

El único coste de entrada es configurar tu propio hardware. Requiere trastear un poco más que simplemente sacar un altavoz comercial de su caja y enchufarlo a la pared.

Qué es Whisper y cómo encaja con Home Assistant

Originalmente, Whisper es una tecnología de reconocimiento de voz (speech-to-text) creada por OpenAI. Transcribe audio a texto y tiene una precisión asombrosa al escuchar español. Pero aquí viene el matiz clave. Home Assistant no se conecta a la versión online de OpenAI. Utiliza una adaptación local llamada Wyoming Whisper. Este sistema corre directamente en la placa de tu servidor, devorando los datos de audio en tu propia máquina.

Para entenderlo mejor, imagina esta cadena de eventos en tu salón:

1. Tu micrófono capta tu voz diciendo “enciende las luces del salón”.
2. Wyoming Whisper procesa esas ondas sonoras y las transforma en texto puro de forma instantánea.
3. El cerebro de Home Assistant lee el texto utilizando su motor interno de intenciones (intents).
4. Las bombillas reciben la orden y se encienden al momento.
5. De forma opcional, entra en juego Piper. Es un motor de texto a voz que te responde por el altavoz confirmando la acción.

Requisitos de hardware

Para que Whisper procese las palabras sin hacerte esperar tres segundos eternos, hace falta un poco de músculo informático.

• Servidor principal de Home Assistant: Un mini PC barato tipo NUC, un Home Assistant Green o la versión Yellow cumplirán perfectamente en hogares medianos.
• Aceleración opcional: Si en tu casa sois cuatro personas pidiendo cosas a la vez, añadir una tarjeta gráfica dedicada o un acelerador USB Google Coral bajará los tiempos de respuesta a milisegundos.
• El oído de la casa (dispositivo satélite): Necesitas algo en la habitación que te escuche. Sirve una cajita ESP32-S3-BOX-3, una Raspberry Pi vieja con un micrófono USB enchufado o el hardware oficial Home Assistant Voice Preview Edition.
• Micrófono decente: Busca micrófonos con cancelación de eco acústico (AEC). Si tienes la tele de fondo o música puesta, esta tecnología filtra el ruido e impide que el asistente se vuelva completamente sordo a tus peticiones.

Paso a paso: instalación básica

Vamos a ensuciarnos las manos.

1. Instala el add-on Whisper

Navega por los menús hasta Ajustes > Add-ons > Tienda de complementos. Teclea “Whisper” en el buscador y elige el que menciona el protocolo Wyoming. Dale a instalar. Aquí te toca decidir el tamaño del modelo según la potencia de tu máquina:

• tiny o base: Son ultrarrápidos. Úsalos si tienes una modesta Raspberry Pi o un procesador antiguo.
• small o medium: Entienden mucho mejor el acento y el contexto, pero devoran más RAM y procesador.

2. Instala Piper para las respuestas de voz

¿Quieres que la casa te dé los buenos días? Vuelve a la tienda de complementos y descarga Piper. Tienes varias voces españolas muy naturales listas para configurar. Despídete de las voces robóticas de los años noventa.

3. Configura el pipeline de asistente por voz

Entra en Ajustes > Voz > Asistentes y añade un nuevo pipeline. Piensa en este pipeline como una línea de montaje. Asigna Whisper para la conversión de audio a texto. Luego marca Piper para que ponga voz a las respuestas. Es absolutamente fundamental que selecciones “Español” en la configuración de idioma. Si lo dejas por error en inglés, intentará traducir tus comandos con resultados bastante cómicos.

4. Conecta tu dispositivo satélite

Los pequeños chips ESP32 con el sistema ESPHome hacen magia en este punto. Solo tienes que conectar el dispositivo al ordenador, flashear el firmware oficial “Voice Assistant” y entrar a las integraciones de Home Assistant. Aparecerá automáticamente en tu red listo para sincronizar.

Consejos para mejorar la precisión

A veces el sistema tropieza en las primeras pruebas. Con un par de ajustes puedes afinarlo muchísimo.

• Habla con frases cortas y precisas. Decir “enciende la lámpara del pasillo” funciona infinitamente mejor que soltar “creo que estaría bien tener luz en el pasillo ahora mismo”.
• Aleja el micrófono de la barra de sonido o la televisión. El rebote acústico arruina la comprensión de Whisper.
• Si el asistente confunde palabras a diario, sube el modelo de Whisper a small. Ese aumento de inteligencia artificial suele arreglar los problemas de dicción.
• Crea alias personalizados. Renombra tus enchufes y bombillas con palabras cotidianas. Evita nombres técnicos y difíciles de pronunciar como “Luz techo comedor zigbee 2”.

Problemas comunes y soluciones

Hasta las mejores instalaciones tienen días malos. Aquí tienes cómo salir del paso.

• Falla constantemente al entender español: Revisa primero que el idioma del pipeline esté clavado en español y no en detección automática. Después, prueba a descargar un modelo de voz de mayor tamaño.
• Tarda cinco segundos en responder (Latencia alta): Tu servidor se está ahogando. Activa la aceleración por GPU si la tienes disponible, o baja inmediatamente al modelo base o tiny.
• Ignora la palabra de activación: Revisa que el orificio del micrófono del satélite no esté tapado por polvo o carcasas mal ajustadas. A veces, actualizar el firmware del dispositivo ESP32 soluciona errores ocultos de sensibilidad.

Conclusión

Olvídate de la comodidad pasiva de sacar un altavoz de una caja lista para usar. Montar todo este ecosistema con Whisper te exigirá leer un poco y probar varias configuraciones. Pero el premio es gigante. Tendrás una casa inteligente que obedece tus órdenes al instante y que jamás enviará tus conversaciones a ninguna empresa externa. Una vez que calibras los micrófonos y pules el pipeline, la experiencia es brutal. Disfrutas de un hogar reactivo, estrictamente privado y que funciona a la perfección aunque te corten el cable de la fibra óptica.