Principais conclusões
- O Whisper é um modelo aberto de voz-para-texto que roda localmente — nenhum áudio sai do seu hardware
- Use o add-on do Whisper (faster-whisper); ele se conecta ao Assist sobre Wyoming
- Os tamanhos de modelo vão tiny → base → small → medium → large; maior é mais preciso, mais lento
- Em hardware só-CPU, prefira tiny/base/small; uma GPU torna medium/large práticos
- O Whisper é multilíngue, então comandos em outros idiomas são transcritos sem um serviço na nuvem
- Ajuste a precisão com um microfone melhor e o modelo certo antes de ir maior
- O app Whisper oficial do Home Assistant é baseado no faster-whisper (wyoming-faster-whisper); o whisper.cpp não tem app oficial do Home Assistant
- Não existe comparação de velocidade em condições iguais com hardware do Home Assistant: os números publicados usam configurações diferentes
- O Piper cuida do texto-para-voz via Wyoming; o MacWhisper é um app de desktop para Mac, não um componente do Home Assistant
Por que usar voz-para-texto local?
A voz-para-texto local mantém suas gravações de voz no seu próprio hardware, então nenhum áudio é enviado a um terceiro. Ela também funciona offline e não tem custo por requisição.
- Privacidade: assistentes na nuvem transmitem e podem reter gravações; o Whisper local não — veja riscos de privacidade da casa inteligente.
- Offline: a transcrição funciona durante quedas de internet.
- Sem taxas: não há cobrança por uso para a transcrição local.
Que tamanho de modelo Whisper você deve usar?
Escolha o menor modelo Whisper que dê uma precisão aceitável no seu hardware — tiny/base/small para só-CPU, medium/large quando você tem uma GPU. Modelos maiores melhoram a precisão em sotaques e áudio ruidoso ao custo da velocidade.
- Use small como padrão em uma CPU de mini PC; passe para medium/large só se faltar precisão.
- Use tiny/base em uma Raspberry Pi para manter a latência utilizável.
Modelo | Precisão relativa | Velocidade relativa | Melhor para |
|---|---|---|---|
| tiny | A mais baixa | A mais rápida | CPU de baixo consumo, comandos curtos |
| base | Baixa | Muito rápida | Raspberry Pi, frases simples |
| small | Boa | Rápida | CPU de mini PC, uso diário |
| medium | Alta | Moderada | GPU ou CPU forte |
| large | A mais alta | A mais lenta | GPU, sotaques/salas ruidosas |
Configuração do Wyoming
O add-on do Whisper expõe um endpoint Wyoming que o Assist usa para voz-para-texto. A configuração é instalar → escolher modelo → selecionar no pipeline.
- 1Instale o add-on do Whisper (faster-whisper) da loja de add-ons.
- 2Defina o tamanho do modelo na configuração do add-on e inicie-o.
- 3O add-on se registra como um serviço de voz-para-texto Wyoming automaticamente.
- 4Em Configurações → Assistentes de voz, defina o Whisper como o motor STT do seu pipeline do Assist.
- 5Teste a transcrição pelas ferramentas de depuração do Assist antes de adicionar hardware de voz.
Necessidades de hardware
O Whisper roda na CPU para modelos pequenos e se beneficia de uma GPU para modelos medium/large. Ajuste o tamanho do modelo à máquina que o hospeda.
- Raspberry Pi: fique com tiny/base para uma latência aceitável.
- Mini PC (CPU): small funciona bem; medium é possível mas mais lento — veja melhor hardware para uma casa inteligente local.
- Com uma GPU/NPU: medium e large se tornam práticos para alta precisão.
- Você pode rodar o Whisper em uma máquina separada mais potente via Wyoming se o seu hub for uma Pi.
Ajustar a precisão
Melhore um bom microfone e o modelo certo antes de recorrer ao maior Whisper. A qualidade do áudio muitas vezes importa mais que o tamanho do modelo para comandos do lar.
- Use um microfone de qualidade ou hardware de satélite de voz perto de quem fala.
- Reduza o ruído de fundo onde o microfone fica.
- Defina o idioma correto no add-on para evitar transcrições erradas.
- Suba um tamanho de modelo por vez e teste de novo em vez de pular para large.
faster-whisper vs whisper.cpp para o Home Assistant
O app Whisper oficial do Home Assistant é baseado no faster-whisper; o whisper.cpp não tem app oficial do Home Assistant, então usá-lo significa executar um servidor compatível com Wyoming à parte. Os dois motores executam localmente os modelos Whisper da OpenAI; diferem em como se integram ao Assist.
- Home Assistant OS: instale o app Whisper em Configurações > Apps; a integração Wyoming o detecta automaticamente (documentação do app Whisper). Os apps eram chamados de add-ons.
- Modelo padrão:
autoescolhetiny-int8em dispositivos ARM como o Raspberry Pi 4 ebase-int8nos demais; as variantes-int8são um pouco menos precisas, porém menores e mais rápidas (documentação do app Whisper). - Backends: com
stt_library=auto, o inglês usa um modelo Parakeet via sherpa, chinês, cantonês, japonês e coreano usam SenseVoice via funasr, o russo usa GigaAM e o resto usa faster-whisper (documentação do app Whisper). - Contêiner ou host separado: execute a imagem
rhasspy/wyoming-whisper(porta 10300 no exemplo) e adicione a integração Wyoming Protocol com esse host e porta (wyoming-faster-whisper, documentação da integração Wyoming). Serviços Wyoming podem rodar em outro dispositivo da rede local, o que serve para um Whisper exigente. - GPU: a imagem de GPU NVIDIA do projeto não é publicada; você mesmo a constrói (cerca de 10,7 GB contra cerca de 1,6 GB da imagem de CPU), e o Home Assistant OS não tem passthrough de GPU (wyoming-faster-whisper).
- whisper.cpp: o exemplo
whisper-serveré um servidor HTTP com API semelhante à da OpenAI, não um servidor Wyoming (whisper.cpp). A ponte rhasspy/wyoming-whisper-cpp está arquivada; existem pontes da comunidade, mas não testamos nenhuma.
Aspecto | faster-whisper | whisper.cpp |
|---|---|---|
| App do Home Assistant | App Whisper oficial | Sem app oficial |
| Servidor Wyoming | wyoming-faster-whisper | wyoming-whisper-cpp (arquivado) |
| Instalação no HA OS | Configurações > Apps > Whisper | À parte, adicionar via Wyoming |
| Instalação no Docker | Imagem rhasspy/wyoming-whisper | whisper-server (HTTP, não Wyoming) |
| Suporte a GPU | NVIDIA CUDA 12 + cuDNN 9 | CUDA, Vulkan, Metal, OpenVINO |
| Caminho na CPU | CTranslate2, int8 ou fp32 | C/C++ puro, modelos quantizados |
| Modelos | tiny a large-v3, turbo, distil | ggml tiny a large |
| Idiomas | Os 100 do Whisper via Wyoming | Modelos multilíngues e .en |
Velocidade: o que os benchmarks publicados mostram
Não encontramos nenhuma medição em condições iguais de faster-whisper e whisper.cpp em hardware do Home Assistant, então uma comparação direta para um Raspberry Pi ou mini PC não é possível. Os únicos números lado a lado vêm do README do faster-whisper: 13 minutos de áudio transcritos em um PC desktop com faster-whisper v1.1.0 e whisper.cpp v1.7.2. Não executamos esses testes nós mesmos.
- São transcrições de arquivos de 13 minutos em uma GPU desktop (CUDA 12.4) e um Intel Core i7-12700K, não comandos de voz de 3 segundos, portanto não preveem a latência de um comando em um Raspberry Pi ou mini PC. As versões são anteriores às atuais.
- A documentação do Home Assistant diz que o Whisper leva «around 8 seconds» para processar um comando de voz em um Raspberry Pi 4 e termina «in under a second» em um Intel NUC; a página não nomeia o modelo (documentação do Assist local).
- A mesma página dá ao Speech-to-Phrase, um motor diferente, «under one second» em um Raspberry Pi 4 ou Home Assistant Green (documentação do Assist local).
- O README do whisper.cpp não tem tabela de tempos; ele linka um tópico de benchmarks da comunidade (issue 89) e traz o exemplo
whisper-benchpara você medir a sua própria máquina.
Hardware e modelo | Motor e configurações | Tempo, 13 min de áudio |
|---|---|---|
| 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 |
Tamanhos de modelo e uso de memória
O tamanho do modelo determina a memória mais do que qualquer outro fator: o README do whisper.cpp lista cerca de 273 MB de memória para tiny e cerca de 3,9 GB para large. Os números abaixo vêm do README do whisper.cpp.
- O README do faster-whisper lista para o large-v2 na RTX 3070 Ti 4525MB de VRAM (fp16) e 2926MB (int8) (README do faster-whisper).
- Para o modelo small na CPU, o mesmo README lista 1477MB de RAM (faster-whisper int8) e 2257MB (fp32); o whisper.cpp aparece com 1049MB (fp32).
- O app Whisper também oferece
turbo(mais rápido quelarge-v3) e modelos destilados só em inglês comodistil-small.en(documentação do app Whisper).
Modelo | Disco (whisper.cpp) | Memória (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: a metade falada do pipeline de voz
O Piper é o motor local de texto-para-voz da configuração de voz do Home Assistant: o app Piper o expõe via Wyoming, assim como o app Whisper faz com a voz-para-texto. O Whisper ouve o comando; o Piper fala a resposta.
- Instalação: Configurações > Apps > Piper; a integração Wyoming o detecta (documentação do app Piper). Fora do Home Assistant OS, o wyoming-piper roda como servidor Wyoming (porta 10200 no exemplo).
- Vozes: nomeadas
<language>_<REGION>-<name>-<quality>, padrãoen_US-lessac-medium, baixadas automaticamente do Hugging Face. As qualidadesx_lowelowsão de 16 kHz;mediumehigh, de 22,05 kHz. - Recursos: segundo a documentação do app, em um Raspberry Pi 4 as vozes até
mediumrodam com velocidade utilizável; a documentação do Home Assistant diz que um Pi com modelos de qualidade média «can generate 1.6s of voice in a second» (documentação do Assist local). - Idiomas: a lista de vozes do Piper tem 44 entradas de idioma e região, incluindo alemão, francês, espanhol, português (Brasil e Portugal), chinês e árabe (Jordânia). Não encontramos entrada de japonês nem de coreano ali; o app Piper documenta vozes opcionais de japonês e tailandês que exigem o download de um fonemizador extra (cerca de 350 MB e 390 MB).
- Manutenção: o repositório original rhasspy/piper está arquivado e aponta para OHF-Voice/piper1-gpl (GPL-3.0), onde o desenvolvimento continua; o README diz que a Open Home Foundation procura mantenedores. O backend experimental
omnivoicedo app tem mais qualidade, mas é «much slower» e «really needs a desktop or server CPU» (documentação do app Piper). - Aprofundamento: análise do Piper TTS.
MacWhisper não é um componente do Home Assistant
O MacWhisper é um app de desktop para Mac, não um componente do Home Assistant: para o Assist, use o app Whisper ou outro servidor Wyoming de voz-para-texto. O MacWhisper transcreve localmente no seu Mac áudio, vídeo, reuniões e áudio do sistema; o site não menciona o Home Assistant nem o protocolo Wyoming.
- MacWhisper para arquivos, reuniões e ditado no Mac: análise do MacWhisper.
- Os motores lado a lado: comparação de STT Whisper locais.
Atividade dos projetos
As ferramentas acima são atualizadas ativamente, exceto a ponte Wyoming do whisper.cpp, que está arquivada. As datas são lidas no repositório do GitHub de cada projeto.
Projeto | Última versão | 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) | Sem versão | 2024-02-29 |
⚠️Aviso: O rhasspy/wyoming-whisper-cpp está arquivado e não recebe atualização desde 2024-02-29, então pode estar sem manutenção: verifique o estado atual de uma ponte antes de depender dela. O repositório original rhasspy/piper também está arquivado (última atualização 2025-08-26).
Perguntas frequentes
O que é o protocolo Wyoming?
Wyoming é o protocolo de rede leve que o pipeline Assist do Home Assistant usa para se comunicar com os complementos de voz — reconhecimento de voz (como o complemento Whisper), síntese de voz e detecção de palavra de ativação. Ele permite que o complemento rode como seu próprio serviço, mesmo em uma máquina separada e mais potente, e se registre automaticamente no Assist em vez de exigir conexão manual via API. Você não configura o Wyoming diretamente — instalar o complemento Whisper expõe um endpoint Wyoming que o Assist detecta e que você pode selecionar no seu pipeline.
Qual modelo Whisper devo usar para o Home Assistant?
Use small como padrão em uma CPU de mini PC, tiny ou base em uma Raspberry Pi, e medium ou large só se você tiver uma GPU e precisar de maior precisão com sotaques ou salas ruidosas. Suba um tamanho por vez e teste de novo.
Preciso de uma GPU para o Whisper local?
Não para small e abaixo — esses rodam na CPU. Uma GPU principalmente torna os modelos medium e large rápidos o bastante para uso em tempo real. Você também pode descarregar o Whisper para uma máquina mais potente sobre o protocolo Wyoming.
Quão preciso é o Whisper local offline?
A precisão é forte com o modelo certo e um bom microfone; modelos maiores lidam melhor com sotaques e ruído. Para comandos do lar claros, o modelo small em um mini PC costuma ser preciso o bastante, e roda totalmente offline.
O Whisper local é multilíngue?
Sim. O Whisper suporta muitos idiomas, então comandos em outros idiomas são transcritos localmente sem nenhum serviço na nuvem. Defina o idioma na configuração do add-on para melhores resultados.
faster-whisper ou whisper.cpp: qual é melhor para o Home Assistant?
O faster-whisper é o caminho mais simples porque o app Whisper oficial do Home Assistant é baseado nele: instala-se em Configurações > Apps e é detectado pela integração Wyoming. O whisper.cpp não tem app oficial e precisa de um servidor compatível com Wyoming à parte. Os projetos publicam benchmarks com hardware e configurações diferentes, então não existe comparação de velocidade direta em hardware do Home Assistant.
Posso usar o whisper.cpp com o Home Assistant?
Sim, mas não por um app oficial. O Home Assistant fala com os motores de voz-para-texto pelo protocolo Wyoming, enquanto o whisper-server do whisper.cpp fala HTTP. A ponte rhasspy/wyoming-whisper-cpp está arquivada (última atualização 2024-02-29) e existem pontes da comunidade que não testamos. Adicione um servidor Wyoming em Configurações > Dispositivos e serviços com host e porta.
O que é o Piper no Home Assistant?
O Piper é um motor local de texto-para-voz neural. O app Piper do Home Assistant o expõe via Wyoming para respostas faladas, com vozes nomeadas como en_US-lessac-medium. O desenvolvimento continua em OHF-Voice/piper1-gpl; o repositório original rhasspy/piper está arquivado.
O MacWhisper é um add-on do Home Assistant?
Não. O MacWhisper é um app de desktop para Mac que transcreve áudio, vídeo e reuniões; o site não menciona o Home Assistant nem o Wyoming. Para o Assist, use o app Whisper ou outro servidor Wyoming de voz-para-texto.