Conclusiones clave
- Whisper es un modelo abierto de voz-a-texto que corre localmente — ningún audio sale de tu hardware
- Usa el add-on de Whisper (faster-whisper); se conecta a Assist sobre Wyoming
- Los tamaños de modelo van tiny → base → small → medium → large; más grande es más preciso, más lento
- En hardware solo-CPU, prefiere tiny/base/small; una GPU hace práctico medium/large
- Whisper es multilingüe, así que los comandos en otros idiomas se transcriben sin un servicio en la nube
- Ajusta la precisión con un mejor micrófono y el modelo correcto antes de ir más grande
- La app Whisper oficial de Home Assistant se basa en faster-whisper (wyoming-faster-whisper); whisper.cpp no tiene app oficial de Home Assistant
- No existe una comparación de velocidad en igualdad de condiciones con hardware de Home Assistant: las cifras publicadas usan configuraciones distintas
- Piper se encarga del texto-a-voz por Wyoming; MacWhisper es una app de escritorio para Mac, no un componente de Home Assistant
¿Por qué usar voz-a-texto local?
La voz-a-texto local mantiene tus grabaciones de voz en tu propio hardware, así que ningún audio se sube a un tercero. También funciona sin conexión y no tiene coste por petición.
- Privacidad: los asistentes en la nube transmiten y pueden retener grabaciones; Whisper local no — consulta riesgos de privacidad del smart home.
- Sin conexión: la transcripción funciona durante caídas de internet.
- Sin cuotas: no hay cargo por uso para la transcripción local.
¿Qué tamaño de modelo Whisper deberías usar?
Elige el modelo Whisper más pequeño que dé una precisión aceptable en tu hardware — tiny/base/small para solo-CPU, medium/large cuando tienes una GPU. Los modelos más grandes mejoran la precisión con acentos y audio ruidoso a costa de la velocidad.
- Usa small como predeterminado en una CPU de mini PC; pasa a medium/large solo si falta precisión.
- Usa tiny/base en una Raspberry Pi para mantener la latencia usable.
Modelo | Precisión relativa | Velocidad relativa | Mejor para |
|---|---|---|---|
| tiny | La más baja | La más rápida | CPU de bajo consumo, comandos cortos |
| base | Baja | Muy rápida | Raspberry Pi, frases simples |
| small | Buena | Rápida | CPU de mini PC, uso diario |
| medium | Alta | Moderada | GPU o CPU potente |
| large | La más alta | La más lenta | GPU, acentos/salas ruidosas |
Configuración de Wyoming
El add-on de Whisper expone un endpoint Wyoming que Assist usa para voz-a-texto. La configuración es instalar → elegir modelo → seleccionar en el pipeline.
- 1Instala el add-on de Whisper (faster-whisper) desde la tienda de add-ons.
- 2Fija el tamaño de modelo en la configuración del add-on e inícialo.
- 3El add-on se registra como un servicio de voz-a-texto Wyoming automáticamente.
- 4En Ajustes → Asistentes de voz, fija Whisper como el motor STT para tu pipeline de Assist.
- 5Prueba la transcripción desde las herramientas de depuración de Assist antes de añadir hardware de voz.
Necesidades de hardware
Whisper corre en CPU para modelos pequeños y se beneficia de una GPU para modelos medium/large. Ajusta el tamaño del modelo al equipo que lo aloja.
- Raspberry Pi: quédate con tiny/base para una latencia aceptable.
- Mini PC (CPU): small funciona bien; medium es posible pero más lento — consulta mejor hardware para un smart home local.
- Con una GPU/NPU: medium y large se vuelven prácticos para alta precisión.
- Puedes ejecutar Whisper en una máquina separada más potente vía Wyoming si tu hub es una Pi.
Ajustar la precisión
Mejora un buen micrófono y el modelo correcto antes de recurrir al Whisper más grande. La calidad del audio suele importar más que el tamaño del modelo para los comandos del hogar.
- Usa un micrófono de calidad o hardware de satélite de voz cerca del hablante.
- Reduce el ruido de fondo donde está el micrófono.
- Fija el idioma correcto en el add-on para evitar transcripciones erróneas.
- Sube un tamaño de modelo cada vez y vuelve a probar en vez de saltar a large.
faster-whisper vs whisper.cpp para Home Assistant
La app Whisper oficial de Home Assistant se basa en faster-whisper; whisper.cpp no tiene app oficial de Home Assistant, así que usarlo implica ejecutar un servidor compatible con Wyoming por separado. Ambos motores ejecutan localmente los modelos Whisper de OpenAI; difieren en cómo se integran con Assist.
- Home Assistant OS: instala la app Whisper desde Ajustes > Apps; la integración Wyoming la detecta automáticamente (documentación de la app Whisper). Las apps se llamaban antes add-ons.
- Modelo por defecto:
autoeligetiny-int8en dispositivos ARM como la Raspberry Pi 4 ybase-int8en el resto; las variantes-int8son algo menos precisas pero más pequeñas y rápidas (documentación de la app Whisper). - Backends: con
stt_library=auto, el inglés usa un modelo Parakeet vía sherpa, el chino, cantonés, japonés y coreano usan SenseVoice vía funasr, el ruso usa GigaAM y todo lo demás usa faster-whisper (documentación de la app Whisper). - Contenedor o host aparte: ejecuta la imagen
rhasspy/wyoming-whisper(puerto 10300 en el ejemplo) y añade la integración Wyoming Protocol con ese host y puerto (wyoming-faster-whisper, documentación de la integración Wyoming). Los servicios Wyoming pueden correr en otro dispositivo de la red local, lo que conviene a un Whisper exigente. - GPU: la imagen GPU de NVIDIA del proyecto no se publica; la construyes tú (unos 10,7 GB frente a unos 1,6 GB de la imagen de CPU), y Home Assistant OS no tiene passthrough de GPU (wyoming-faster-whisper).
- whisper.cpp: su ejemplo
whisper-serveres un servidor HTTP con una API similar a la de OpenAI, no un servidor Wyoming (whisper.cpp). El puente rhasspy/wyoming-whisper-cpp está archivado; existen puentes de la comunidad, pero no hemos probado ninguno.
Aspecto | faster-whisper | whisper.cpp |
|---|---|---|
| App de Home Assistant | App Whisper oficial | Sin app oficial |
| Servidor Wyoming | wyoming-faster-whisper | wyoming-whisper-cpp (archivado) |
| Instalación en HA OS | Ajustes > Apps > Whisper | Aparte, añadir vía Wyoming |
| Instalación en Docker | Imagen rhasspy/wyoming-whisper | whisper-server (HTTP, no Wyoming) |
| Soporte de GPU | NVIDIA CUDA 12 + cuDNN 9 | CUDA, Vulkan, Metal, OpenVINO |
| Ruta en CPU | CTranslate2, int8 o fp32 | C/C++ puro, modelos cuantizados |
| Modelos | tiny a large-v3, turbo, distil | ggml tiny a large |
| Idiomas | Los 100 de Whisper vía Wyoming | Modelos multilingües y .en |
Velocidad: qué muestran los benchmarks publicados
No hemos encontrado ninguna medición en igualdad de condiciones de faster-whisper y whisper.cpp con hardware de Home Assistant, así que una comparación directa para una Raspberry Pi o un mini PC no es posible. Las únicas cifras comparadas salen del README de faster-whisper: 13 minutos de audio transcritos en un PC de escritorio con faster-whisper v1.1.0 y whisper.cpp v1.7.2. No hemos ejecutado estas pruebas nosotros.
- Son transcripciones de archivos de 13 minutos en una GPU de escritorio (CUDA 12.4) y un Intel Core i7-12700K, no comandos de voz de 3 segundos, por lo que no predicen la latencia de un comando en una Raspberry Pi o un mini PC. Las versiones son anteriores a las actuales.
- La documentación de Home Assistant dice que Whisper tarda «around 8 seconds» en procesar un comando de voz en una Raspberry Pi 4 y termina «in under a second» en un Intel NUC; la página no nombra el modelo (documentación de Assist local).
- La misma página sitúa a Speech-to-Phrase, un motor distinto, en «under one second» en una Raspberry Pi 4 o un Home Assistant Green (documentación de Assist local).
- El README de whisper.cpp no tiene tabla de tiempos; enlaza un hilo de benchmarks de la comunidad (issue 89) e incluye el ejemplo
whisper-benchpara medir tu propia máquina.
Hardware y modelo | Motor y ajustes | Tiempo, 13 min de audio |
|---|---|---|
| RTX 3070 Ti 8GB, large-v2 | faster-whisper, fp16, beam 5 | 1m03s |
| RTX 3070 Ti 8GB, large-v2 | whisper.cpp + Flash Attention, fp16, beam 5 | 1m05s |
| i7-12700K (8 threads), small | whisper.cpp, fp32, beam 5 | 2m05s |
| i7-12700K (8 threads), small | faster-whisper, fp32, beam 5 | 2m37s |
| i7-12700K (8 threads), small | faster-whisper, int8, beam 5 | 1m42s |
Tamaños de modelo y uso de memoria
El tamaño del modelo determina la memoria más que cualquier otro factor: el README de whisper.cpp indica unos 273 MB de memoria para tiny y unos 3,9 GB para large. Las cifras de abajo provienen del README de whisper.cpp.
- El README de faster-whisper indica para large-v2 en la RTX 3070 Ti 4525MB de VRAM (fp16) y 2926MB (int8) (README de faster-whisper).
- Para el modelo small en CPU, el mismo README indica 1477MB de RAM (faster-whisper int8) y 2257MB (fp32); whisper.cpp figura con 1049MB (fp32).
- La app Whisper ofrece además
turbo(más rápido quelarge-v3) y modelos destilados solo para inglés comodistil-small.en(documentación de la app Whisper).
Modelo | Disco (whisper.cpp) | Memoria (whisper.cpp) |
|---|---|---|
| tiny | 75 MiB | ~273 MB |
| base | 142 MiB | ~388 MB |
| small | 466 MiB | ~852 MB |
| medium | 1.5 GiB | ~2.1 GB |
| large | 2.9 GiB | ~3.9 GB |
Piper TTS: la mitad hablada del pipeline de voz
Piper es el motor local de texto-a-voz de la configuración de voz de Home Assistant: la app Piper lo expone por Wyoming, igual que la app Whisper hace con la voz-a-texto. Whisper escucha el comando; Piper dice la respuesta.
- Instalación: Ajustes > Apps > Piper; la integración Wyoming la detecta (documentación de la app Piper). Fuera de Home Assistant OS, wyoming-piper funciona como servidor Wyoming (puerto 10200 en su ejemplo).
- Voces: se nombran
<language>_<REGION>-<name>-<quality>, por defectoen_US-lessac-medium, y se descargan automáticamente de Hugging Face. Las calidadesx_lowylowson de 16 kHz;mediumyhigh, de 22,05 kHz. - Recursos: según la documentación de la app, en una Raspberry Pi 4 las voces hasta
mediumfuncionan con velocidad aceptable; la documentación de Home Assistant dice que una Pi con modelos de calidad media «can generate 1.6s of voice in a second» (documentación de Assist local). - Idiomas: la lista de voces de Piper tiene 44 entradas de idioma y región, entre ellas alemán, francés, español, portugués (Brasil y Portugal), chino y árabe (Jordania). No encontramos ninguna entrada de japonés ni de coreano; la app Piper documenta voces opcionales de japonés y tailandés que requieren descargar un fonemizador adicional (unos 350 MB y 390 MB).
- Mantenimiento: el repositorio original rhasspy/piper está archivado y apunta a OHF-Voice/piper1-gpl (GPL-3.0), donde continúa el desarrollo; su README dice que la Open Home Foundation busca mantenedores. El backend experimental
omnivoicede la app tiene más calidad, pero es «much slower» y «really needs a desktop or server CPU» (documentación de la app Piper). - Para profundizar: análisis de Piper TTS.
MacWhisper no es un componente de Home Assistant
MacWhisper es una app de escritorio para Mac, no un componente de Home Assistant: para Assist usa la app Whisper u otro servidor Wyoming de voz-a-texto. MacWhisper transcribe localmente en tu Mac audio, vídeo, reuniones y audio del sistema; su web no menciona Home Assistant ni el protocolo Wyoming.
- MacWhisper para archivos, reuniones y dictado en Mac: análisis de MacWhisper.
- Los motores lado a lado: comparativa de STT Whisper locales.
Actividad de los proyectos
Las herramientas anteriores se actualizan activamente, salvo el puente Wyoming para whisper.cpp, que está archivado. Las fechas se leen en el repositorio de GitHub de cada proyecto.
Proyecto | Última versión | Último commit |
|---|---|---|
| faster-whisper | v1.2.1 (2025-10-31) | 2026-10-16 |
| whisper.cpp | v1.9.5 (2026-10-06) | 2026-10-12 |
| wyoming-faster-whisper | v3.8.1 (2026-09-14) | 2026-10-14 |
| wyoming-piper | v2.5.2 (2026-09-11) | 2026-09-11 |
| Piper (piper1-gpl) | v1.8.0 (2026-09-04) | 2026-10-17 |
| wyoming-whisper-cpp (archived) | Sin versión | 2024-02-29 |
⚠️Advertencia: rhasspy/wyoming-whisper-cpp está archivado y no recibe ninguna actualización desde 2024-02-29, por lo que puede estar sin mantenimiento: comprueba el estado actual de un puente antes de depender de él. El repositorio original rhasspy/piper también está archivado (última actualización 2025-08-26).
Preguntas frecuentes
¿Qué es el protocolo Wyoming?
Wyoming es el protocolo de red ligero que usa el pipeline Assist de Home Assistant para hablar con los complementos de voz: reconocimiento de voz (como el complemento Whisper), síntesis de voz y detección de palabra de activación. Permite que el complemento funcione como su propio servicio, incluso en una máquina separada más potente, y se registre automáticamente en Assist en lugar de requerir una conexión manual por API. No configuras Wyoming directamente: instalar el complemento Whisper expone un endpoint Wyoming que Assist detecta y que puedes seleccionar en tu pipeline.
¿Qué modelo Whisper debería usar para Home Assistant?
Usa small como predeterminado en una CPU de mini PC, tiny o base en una Raspberry Pi, y medium o large solo si tienes una GPU y necesitas mayor precisión con acentos o salas ruidosas. Sube un tamaño cada vez y vuelve a probar.
¿Necesito una GPU para Whisper local?
No para small y por debajo — esos corren en CPU. Una GPU principalmente hace los modelos medium y large lo bastante rápidos para uso en tiempo real. También puedes descargar Whisper a una máquina más potente sobre el protocolo Wyoming.
¿Qué tan preciso es Whisper local sin conexión?
La precisión es fuerte con el modelo correcto y un buen micrófono; los modelos más grandes manejan mejor los acentos y el ruido. Para comandos del hogar claros, el modelo small en un mini PC suele ser lo bastante preciso, y corre totalmente sin conexión.
¿Es Whisper local multilingüe?
Sí. Whisper admite muchos idiomas, así que los comandos en otros idiomas se transcriben localmente sin ningún servicio en la nube. Fija el idioma en la configuración del add-on para mejores resultados.
¿Es mejor faster-whisper o whisper.cpp para Home Assistant?
faster-whisper es el camino más sencillo porque la app Whisper oficial de Home Assistant se basa en él: se instala desde Ajustes > Apps y la integración Wyoming lo detecta. whisper.cpp no tiene app oficial y necesita un servidor compatible con Wyoming aparte. Los proyectos publican benchmarks con hardware y ajustes distintos, así que no existe una comparación de velocidad directa con hardware de Home Assistant.
¿Puedo usar whisper.cpp con Home Assistant?
Sí, pero no mediante una app oficial. Home Assistant habla con los motores de voz-a-texto por el protocolo Wyoming, mientras que el whisper-server de whisper.cpp habla HTTP. El puente rhasspy/wyoming-whisper-cpp está archivado (última actualización 2024-02-29) y existen puentes de la comunidad que no hemos probado. Añade un servidor Wyoming en Ajustes > Dispositivos y servicios con su host y puerto.
¿Qué es Piper en Home Assistant?
Piper es un motor local de texto-a-voz neuronal. La app Piper de Home Assistant lo expone por Wyoming para las respuestas habladas, con voces nombradas como en_US-lessac-medium. El desarrollo continúa en OHF-Voice/piper1-gpl; el repositorio original rhasspy/piper está archivado.
¿Es MacWhisper un add-on de Home Assistant?
No. MacWhisper es una app de escritorio para Mac que transcribe audio, vídeo y reuniones; su web no menciona Home Assistant ni Wyoming. Para Assist, usa la app Whisper u otro servidor Wyoming de voz-a-texto.