Um artigo recente do XDA fez um ponto pequeno mas verdadeiro sobre casas inteligentes auto-hospedadas: tudo mais tem boas opções locais, exceto o alto-falante. O Nest do Google e o Echo da Amazon se tornaram os caminhos de menor resistência para controle por voz, e todas as outras camadas da casa — luzes, sensores, câmeras — têm alternativas abertas que claramente as superam. Os melhores apps para alto-falantes inteligentes auto-hospedados no desktop fecham essa última lacuna.
Testamos sete apps e stacks no Windows, macOS e Linux que adicionam controle por voz local, detecção de palavra-chave e áudio multi-sala a uma casa inteligente auto-hospedada. Cada um cobre uma peça diferente do pipeline “hey alto-falante, faça uma coisa”: palavra-chave, fala para texto, manipulação de intenção, texto para fala e reprodução multi-sala. Escolha pela peça que mais precisamos resolver.
O que procurar em um stack de alto-falante inteligente auto-hospedado
Um alto-falante que substitui um Nest ou um Echo tem mais partes móveis do que “instale um app”. Os apps que fazem isso bem compartilham algumas propriedades:
- Privacidade de ponta a ponta: o processamento de áudio acontece na LAN, sem chamadas de nuvem inevitáveis, e tudo é inspecionável.
- Um pipeline separável. Palavra-chave, fala para texto, intenção e texto para fala devem ser cada um intercambiável para que possamos atualizar um sem refazer o resto.
- Boa detecção de palavra-chave que resista a falsos positivos em TV e reprodução de música. Esta é a peça em que Google e Amazon gastaram mais e onde stacks amadores costumavam ficar aquém.
- Integração com Home Assistant, a plataforma de casa inteligente de código aberto de referência em 2026, diretamente ou através de uma ponte documentada.
- Áudio multi-sala sincronizado, não “próximo o suficiente”.
- Requisitos de hardware razoáveis. Qualquer coisa que precise de uma GPU para palavra-chave é inadequada para uma implantação de alto-falante distribuído.
Comparação rápida
| App | Melhor para | Plataformas | Plano gratuito | Preço inicial/mês | Classificação |
|---|---|---|---|---|---|
| Home Assistant Assist | Pipeline de voz de ponta a ponta vinculado ao Home Assistant | Windows, macOS, Linux, Docker | Totalmente gratuito, código aberto | Gratuito (Nabu Casa Cloud é opcional) | 4.8 / 5 |
| Rhasspy 3 | Kit de ferramentas de assistente de voz modular | Linux, Docker | Totalmente gratuito, código aberto | Gratuito | Referência da comunidade |
| Willow | Hardware baseado em ESP32 mais servidor para voz local barata | Servidor Linux + dispositivo ESP32 | Totalmente gratuito, código aberto | Gratuito | GitHub |
| openWakeWord | Engine de palavra-chave personalizada que supera as comerciais | Windows, macOS, Linux | Totalmente gratuito, código aberto | Gratuito | GitHub |
| Snapcast | Servidor de áudio multi-sala sincronizado | Windows, macOS, Linux, Android | Totalmente gratuito, código aberto | Gratuito | 4.7 / 5 |
| Music Assistant | Servidor de biblioteca de música para Home Assistant | Linux, Docker | Totalmente gratuito, código aberto | Gratuito | 4.6 / 5 |
| Mycroft OVOS | Fork da comunidade do Mycroft com stack de assistente completo | Linux, Docker | Totalmente gratuito, código aberto | Gratuito | Referência da comunidade |
Piper TTS está incluído na seção como escolher como a melhor opção de voz atual para síntese de fala.
Os apps
1. Home Assistant Assist
Home Assistant Assist é a camada de assistente que vem com Home Assistant e em 2026 é o stack de alto-falante inteligente de código aberto mais completo. Assist agrupa detecção de palavra-chave (via openWakeWord), fala para texto (via Whisper), manipulação de intenção (nativa, estendida por qualquer add-on HA) e texto para fala (via Piper). Voice PE, o hardware Home Assistant Voice Preview Edition, é o alto-falante pronto se não quisermos fornecer hardware. Qualquer Voice Assistant baseado em ESP32 ou um satélite do protocolo Wyoming funciona também.
Onde fica aquém: A integração de LLM do Assist para perguntas abertas ainda precisa de configuração e de um modelo de nuvem ou um local. O engine de intenção padrão é muito bom em comandos de casa inteligente e menos útil para consultas gerais de conhecimento.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: Nabu Casa Cloud é opcional e adiciona acesso remoto mais STT/TTS em nuvem
Plataformas: Windows, macOS, Linux, Docker (como host HA)
Download: Home Assistant
Conclusão: a padrão sensata para um alto-falante inteligente auto-hospedado em 2026.
2. Rhasspy 3
Rhasspy 3 é um kit de ferramentas de assistente de voz modular construído pelo mantenedor que agora trabalha no Home Assistant Assist. O design é um conjunto de estágios (entrada de áudio, palavra-chave, STT, intenção, TTS, saída de áudio) que se conectam um ao outro em um barramento de eventos. Rhasspy fica na extremidade “faça o nosso” do espectro e recompensa qualquer um que queira controle total sobre qual modelo executa cada estágio.
Onde fica aquém: o trabalho de configuração é real. É mais um kit de ferramentas do que um produto. A documentação melhorou em 2026, mas ainda presume alguma familiaridade com terminal.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga
Plataformas: Linux, Docker
Download: Rhasspy 3
Conclusão: a escolha para quem quer compor o assistente por conta própria.
3. Willow
Willow é um stack de hardware-mais-servidor para controle de voz local barato. O cliente é executado em uma placa de desenvolvimento ESP32-S3 com um pequeno arranjo de microfones, transmite áudio para um Willow Inference Server local (que é executado em uma caixa x86 modesta com ou sem GPU) e se integra com Home Assistant, openHAB e MQTT prontos para uso. Para uma implantação multi-sala distribuída, o custo por satélite do Willow é uma fração de um Nest Mini.
Onde fica aquém: depende de hardware ESP32 que fornecemos por conta própria. O servidor de inferência pode se beneficiar de uma GPU, embora configurações somente com CPU funcionem.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga (Willow One é uma oferta gerenciada paga, opcional)
Plataformas: Servidor Linux, cliente ESP32-S3
Download: Willow
Conclusão: a escolha para uma implantação de voz multi-sala com orçamento que vive na LAN.
4. openWakeWord
openWakeWord é o engine de palavra-chave que Home Assistant Assist, Rhasspy 3 e Mycroft OVOS usam em várias formas. Qualquer um que queira uma palavra-chave personalizada (“ei Jarvis”, “computador”, um nome de família) treina um pequeno modelo a partir de algumas dezenas de amostras e o coloca no pipeline. Falsos positivos são menores do que engines comerciais porque o modelo é treinado em nossa palavra-chave específica em vez de um classificador geral.
Onde fica aquém: é uma biblioteca em vez de um app, então precisa ser conectada a um pipeline. Treinar uma boa palavra-chave personalizada leva uma hora de coleta de amostras.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga
Plataformas: Windows, macOS, Linux, embarcado
Download: openWakeWord
Conclusão: a escolha quando queremos uma palavra-chave personalizada que Google e Amazon não podem oferecer.
5. Snapcast
Snapcast é um servidor de áudio multi-sala que mantém cada alto-falante na LAN sincronizado em poucos milissegundos. Aponte uma fonte de música para o Snapcast (Music Player Daemon, Spotifyd, uma ponte AirPlay, um cliente Squeezelite) e o áudio é transmitido para cada cliente Snapcast — um Raspberry Pi com um DAC, um telefone, um PC Windows, um antigo tablet Android executando o cliente Snapcast Android. Para uma casa inteligente auto-hospedada, Snapcast é a peça que permite um comando de voz tocar música em cada sala.
Onde fica aquém: a configuração é um exercício de arquivo de configuração. Substituições modernas (Music Assistant, ecossistemas ao estilo HomePod) ocultam mais do encanamento.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga
Plataformas: Windows, macOS, Linux, clientes Android, iOS
Download: Snapcast
Conclusão: a escolha para áudio multi-sala sincronizado sem assinatura.
6. Music Assistant
Music Assistant é um add-on Home Assistant que unifica fontes de música (Spotify Connect, Tidal, Qobuz, YouTube Music, Plex, arquivos locais, SomaFM) em uma única fila e roteia a reprodução para qualquer media player do Home Assistant — satélites Snapcast, Google Cast, Sonos, AirPlay, um alto-falante ESPHome. É a camada que conecta “ei Assist, toque Radiohead na cozinha” a um engine de música real.
Onde fica aquém: depende do Home Assistant. O uso autônomo é possível, mas o valor principal está dentro do HA. Algumas integrações de fonte de streaming precisam de credenciais por usuário.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga
Plataformas: Linux (como add-on HA), Docker
Download: Music Assistant
Conclusão: a escolha para responder a comandos de música acionados por voz com fontes de streaming reais.
7. Mycroft OVOS
Mycroft OVOS (OpenVoiceOS) é o fork da comunidade do Mycroft que sobreviveu ao desligamento do projeto original e agora mantém um stack de assistente completo: palavra-chave, STT, intenção, TTS e um marketplace de skills. OVOS é executado em um Raspberry Pi, um Mycroft Mark II se tivermos um, ou uma caixa Linux padrão, e se federa com Home Assistant através de uma ponte documentada.
Onde fica aquém: a comunidade é menor que a do Home Assistant. Algumas skills são mais antigas e dependem de APIs que se moveram.
Preço:
- Gratuito: totalmente gratuito, código aberto
- Pago: sem camada paga
Plataformas: Linux, Docker, Raspberry Pi
Download: OpenVoiceOS
Conclusão: a escolha para um stack de assistente autônomo completo quando Home Assistant Assist não é a forma certa.
Como escolher o stack de alto-falante inteligente auto-hospedado certo
- Se já executamos Home Assistant: Home Assistant Assist com o Voice PE ou um satélite ESP32 é a padrão sensata.
- Se queremos compor o assistente do zero: Rhasspy 3.
- Se queremos a implantação multi-sala mais barata: Willow com clientes ESP32-S3 e um servidor de inferência local.
- Se queremos uma palavra-chave personalizada: openWakeWord, conectado a qualquer pipeline que usemos.
- Se queremos reprodução de música sincronizada em cada sala: Snapcast.
- Se queremos um engine de música para reprodução acionada por voz: Music Assistant.
- Se queremos um SO de assistente autônomo separado do Home Assistant: Mycroft OVOS.
Para a própria voz de síntese de fala, Piper TTS é a opção de código aberto atual melhor e a padrão no Home Assistant Assist. Ele fornece vozes neurais de alta qualidade em muitos idiomas e é executado em qualquer CPU modesta.
O setup inicial mais forte em 2026 para a maioria das pessoas é Home Assistant Assist com openWakeWord, Whisper para STT, Piper para TTS, Music Assistant para reprodução e Snapcast para multi-sala. Essa combinação substitui uma casa cheia de alto-falantes Nest ou Echo com um stack que vive inteiramente na LAN.
Perguntas frequentes
Um alto-falante inteligente auto-hospedado pode substituir um Google Nest ou Amazon Echo? Para comandos de casa inteligente, sim. Para consultas abertas (“quem foi Marie Curie?”), depende se conectamos um LLM local (Ollama, LM Studio) ou um modelo de nuvem. A lacuna no controle de casa inteligente fechou; a lacuna no conhecimento geral é uma escolha de configuração.
Um alto-falante inteligente auto-hospedado funciona offline? Sim. Home Assistant Assist com Whisper local, Piper e openWakeWord é executado inteiramente sem conexão à internet para comandos de casa inteligente. Algumas skills (tempo, notícias) ainda precisam de acesso à internet para alcançar sua fonte de dados.
Que hardware preciso para um alto-falante inteligente auto-hospedado? O mínimo é um Raspberry Pi 4 ou 5 como servidor, um microfone USB e qualquer alto-falante alimentado. Para multi-sala, satélites Willow ESP32-S3 mais um servidor de inferência x86 modesto ou dispositivos Home Assistant Voice PE são as escolhas atuais.
Home Assistant Assist é gratuito? Sim. Home Assistant Assist é totalmente gratuito e código aberto. Nabu Casa Cloud é uma assinatura paga opcional que adiciona acesso remoto e STT/TTS em nuvem como conveniência; não é necessário.
Posso usar meus alto-falantes Google ou Amazon com Home Assistant? Sim, como media players. Home Assistant se integra com Google Cast e Alexa para reprodução e algum controle, mas o assistente de voz no próprio dispositivo ainda roteia para Google ou Amazon. Para afastar o assistente do Google ou Amazon, precisamos de um alto-falante auto-hospedado.
Qual engine de síntese de fala soa melhor? Piper é a escolha atual para TTS de código aberto em 2026. Ele oferece uma gama de vozes neurais por idioma, é executado rápido na CPU e se integra diretamente com Home Assistant Assist e Rhasspy 3.