Un assistente vocale su ESP32, con l'intelligenza artificiale che gira tutta in locale. Prima prova completa: funziona!
Sto progettando in KiCad una scheda audio con ESP32, microfono I²S (INMP441) e amplificatore (MAX98357A). Prima di avere il PCB in mano volevo sapere una cosa: il giro completo voce → risposta parlata regge con i tempi?
Così ho simulato la scheda.
L'ESP32 vero tiene in flash una frase registrata ("Ciao! Come ti chiami e che cosa sai fare?") e la invia via WiFi al ritmo di un microfono vero, come se qualcuno stesse parlando. Sul laptop:
🎙️ la voce viene trascritta in testo
🧠un modello linguistico scrive la risposta
🔊 la risposta torna voce, in italiano
📡 l'audio rientra nell'ESP32, che stampa sul monitor seriale testo, durata, volume e tempi
Niente cloud e nessun abbonamento: tutto gira su un normale portatile.
Dalla fine della frase al primo audio di risposta, la prima prova impiegava circa 20 secondi. Dopo un po' di messa a punto, siamo a 2–4,5 secondi: abbastanza per una conversazione.
Il bello di simulare prima: quando arriverà la scheda, che si chiamerà Parlino, cambieranno solo due funzioni nello sketch, una che legge dal microfono e una che scrive sull'amplificatore. Tutto il resto resta com'è.
Prossimo passo: PCB, microfono e altoparlante veri.
Configurare il sever LM (assistente-pc) sarà un gioco da ragazzi..