Sterowanie głosem przez AI Conversations w Home Assistant: konfiguracja 2026

Czym są AI Conversations w Home Assistant i co zmieniają w 2026 roku

AI Conversations to warstwa Home Assistant, która zamienia komendę głosową w konkretną akcję w domu. Mówisz "zgaś światło w salonie", a system nie szuka sztywnej frazy na liście. Rozumie sens zdania i sam decyduje, którą encję wywołać. To nie czarna magia, tylko połączenie rozpoznawania mowy z modelem językowym.

Jeszcze kilka lat temu asystent głosowy w inteligentnym domu działał jak lista komend. Powiedziałeś coś spoza schematu i odpowiedź brzmiała "nie rozumiem". AI Conversations odwraca ten układ. To model dopasowuje twoje słowa do urządzeń, scen i stanów, zamiast zmuszać cię do zapamiętywania formułek. Różnica jest ogromna w praktyce.

W 2026 roku największa zmiana dotyczy kontekstu. Możesz powiedzieć "zrób tu przyjemniej", a potem dopytać "i trochę ciszej". System łapie, że oba zdania dotyczą tego samego pokoju i tej samej sceny. Wcześniej każde z nich trafiałoby w próżnię.

Drugi przełom to lokalny LLM. Coraz więcej osób stawia model na własnym sprzęcie, żeby głos nie wychodził z domu. Brzmi prosto. Tylko że wymaga to mocniejszego serwera i cierpliwości przy konfiguracji. O tym, jak to poukładać, piszę w osobnym materiale o lokalnym agencie AI w Home Assistant.

Wymagania sprzętowe i wybór modelu LLM do sterowania głosem

Zanim w ogóle dotkniesz konfiguracji AI Conversations, musisz zdecydować, gdzie ten model faktycznie będzie działał. Masz dwie drogi: chmura albo lokalny serwer. Wybór determinuje wszystko, opóźnienie, koszty i prywatność.

Do sterowania głosem liczy się nie tylko rozmiar modelu, ale też czas odpowiedzi. Model, który generuje odpowiedź przez pięć sekund, psuje całe doświadczenie. Opóźnienie poniżej dwóch sekund to realny cel, do którego warto dążyć.

Wyobraź sobie sytuację, w której stawiasz wszystko na model 70B na słabym sprzęcie. Efekt? Komendy wykonują się z opóźnieniem, a domownicy przestają używać sterowania głosem po tygodniu. Diabeł tkwi w szczegółach.

Moim zdaniem do prostego sterowania głosem lepiej sprawdza się mniejszy model lokalny niż duży w chmurze, ponieważ komendy typu "włącz światło w salonie" nie wymagają zaawansowanego rozumowania, a lokalny model nie wysyła nagrań poza dom i nie zależy od jakości internetu. Chmura ma sens wtedy, gdy potrzebujesz złożonych rozmów, nie pojedynczych poleceń.

Pamiętaj o jednym: wybór modelu to kompromis między jakością rozumienia, szybkością i kosztem. Zacznij od mniejszego, sprawdź, czy wystarcza.

Konfiguracja AI Conversations krok po kroku w Home Assistant

Zakładam, że masz już działającą integrację z wybranym modelem językowym, lokalnym albo chmurowym. Jeśli nie, zajrzyj do mojego wcześniejszego tekstu o lokalnych LLM-ach. Sam proces włączenia AI Conversations jest krótki. Diabeł tkwi w szczegółach, czyli w uprawnieniach i opisach encji.

Pierwszy krok to dodanie integracji. Wchodzisz w Ustawienia → Urządzenia i usługi → Dodaj integrację i wybierasz Conversations. System zapyta, którego agenta chcesz przypisać jako domyślnego. Możesz wskazać wbudowany Assist albo własny pipeline z modelem AI. Wybór nie jest ostateczny, zmienisz go później bez utraty konfiguracji.

1. Utwórz pipeline w Ustawienia → Głosowe asystenci i nadaj mu czytelną nazwę, np. Dom AI.
2. W sekcji konwersacji wybierz agenta oraz model, a w rozumieniu mowy wskaż silnik STT, jeśli sterujesz głosem.
3. Dodaj encje do ekspozycji: bez tego model nie zobaczy Twoich świateł, rolet czy termostatów.
4. Nadaj każdej encji alias i krótki opis, bo model rozpoznaje intencje po nazwach, nie po identyfikatorach.
5. Przetestuj pipeline wbudowanym czatem, zanim podłączysz mikrofon czy asystenta w aplikacji mobilnej.

Kluczowy element to ekspozycja encji. Domyślnie Home Assistant pokazuje agentowi tylko część urządzeń, więc reszta po prostu nie istnieje z jego perspektywy. Typowy przykład: masz lampę w salonie o nazwie encji light.salon_1, a model nie kojarzy słowa "żyrandol", bo aliasu nigdy nie ustawiłeś. Efekt? Asystent odpowiada, że nie zna takiego urządzenia, choć wszystko działa poprawnie.

Moim zdaniem własny pipeline z dobrze opisanymi encjami działa lepiej niż domyślny Assist, ponieważ model dostaje precyzyjny kontekst zamiast ogólnikowej listy. Różnica bywa odczuwalna zwłaszcza przy złożonych poleceniach typu "przygaś światło w kuchni i zamknij roletę". Warto poświęcić kwadrans na porządne nazwy. Reszta pójdzie gładko.

Podłączanie asystentów głosowych: Alexa, Google i lokalne rozwiązania

Masz w domu Amazon Echo, Nest Mini albo oba naraz? Da się je wpiąć w Home Assistant, tylko że każda droga wygląda inaczej. Alexa i Google to chmura. Lokalne rozwiązania działają bez internetu. Wybór między nimi to nie kwestia gustu, a tego, ile prywatności i niezawodności potrzebujesz.

Zacznijmy od tego, co realnie łączysz. Home Assistant Cloud (Nabu Casa) to najprostsza ścieżka do Alexy i Asystenta Google. Płacisz abonament miesięczny, logujesz się i eksponujesz wybrane encje. Zero grzebania w konsoli deweloperskiej. Tylko że to wciąż chmura, więc komendy lecą przez serwery zewnętrzne.

Lokalny Assist to serce całego AI Conversations. Podłączasz mikrofon przez Wyoming Protocol, silnik STT rozpoznaje mowę, LLM generuje odpowiedź, a TTS ją wypowiada. Wszystko na twoim sprzęcie. Brzmi skomplikowanie? Na początku tak, ale po pierwszej konfiguracji działa stabilnie i nie zależy od żadnego zewnętrznego serwera.

Moim zdaniem lokalny Assist wygrywa z Alexa w scenariuszach, gdzie liczy się szybkość reakcji i prywatność, ponieważ nie ma opóźnienia sieciowego ani wysyłania nagrań do chmury. Alexa ma lepsze rozpoznawanie mowy w hałasie i więcej gotowych integracji, więc do prostych komend typu "włącz światło" wciąż bywa wygodniejsza. Diabeł tkwi w szczegółach: wybierz jedno główne rozwiązanie, a drugie zostaw jako backup.

Wyobraź sobie sytuację, w której internet pada na kilka godzin. Alexa przestaje reagować. Lokalny pipeline dalej działa, bo wszystko siedzi na twoim serwerze. To właśnie ta różnica sprawia, że wiele osób decyduje się na hybrydę: chmura do codziennych komend, lokalny Assist do automatyzacji krytycznych.

Intencje, encje i automatyzacje reagujące na komendy głosowe

AI Conversations nie działa w próżni. Żeby komenda głosowa cokolwiek uruchomiła, model musi wiedzieć, do jakiej intencji przypisać wypowiedź i którą encję ma za nią pociągnąć. Sam LLM tego nie zgadnie, nawet jeśli brzmi, jakby rozumiał wszystko.

W praktyce wygląda to tak: mówisz „jest mi zimno", a system musi zamienić tę luźną frazę na konkretną akcję, na przykład podniesienie temperatury w salonie o dwa stopnie. Bez zdefiniowanej intencji i przypisanej encji usłyszysz uprzejmą odpowiedź i nic się nie stanie.

Typowy przykład: masz termostat, lampę i roletę w jednym pokoju. Mówisz „dobranoc" i oczekujesz, że wszystko się wyłączy, rolety opuszczą, a światło w korytarzu zostanie przygaszone. Model musi rozpoznać jedną intencję i wywołać trzy osobne akcje. Jeśli mapa encji jest niekompletna, część zadań po prostu przepadnie.

Najwięcej problemów sprawia nazewnictwo. „Światło w salonie" i „lampa salon" to dla człowieka to samo, dla systemu dwie różne rzeczy. Warto zadbać o spójne nazwy encji i aliasy, zanim zabierzesz się za sceny głosowe.

Moim zdaniem lepiej budować osobne, wąskie intencje dla każdej domeny niż jedną wielką, która „ogarnia wszystko". Wąska intencja jest łatwiejsza do przetestowania, a gdy coś przestanie działać, od razu wiadomo gdzie szukać. Szeroka brzmi efektownie, tylko że przy błędzie debugowanie zamienia się w koszmar.

Diabeł tkwi w szczegółach. Nazwy encji, aliasy i kolejność akcji w scenie decydują o tym, czy komenda głosowa zadziała za pierwszym razem, czy skończy się powtarzaniem jej trzy razy.

Najczęściej zadawane pytania (FAQ)

Zebrałem tutaj pytania, które wracają najczęściej przy konfiguracji AI Conversations w Home Assistant. Odpowiedzi opieram na aktualnej dokumentacji integracji i tym, co realnie działa w praktyce. Jeśli coś się zmieniło od publikacji, dajcie znać w komentarzu.

Czy AI Conversations wymaga chmury? Nie musi. Integracja obsługuje zarówno zewnętrznych dostawców przez API, jak i lokalne modele przez Ollamę czy podobne serwery. Wybór zależy od tego, ile jesteś gotów poświęcić na sprzęt i konfigurację. Lokalnie masz prywatność i brak opłat za tokeny, zdalnie zwykle lepszą jakość rozumienia języka więcej na ten temat znajdziesz w naszym przewodniku: "Home assistant ai agent lokalny llm 2026".

Szybkie porównanie trybów

Pozostałe wątpliwości

• Czy działa po polsku? Tak, ale jakość zależy od modelu. Większe modele radzą sobie z polskimi komendami wyraźnie lepiej niż małe.
• Czy opóźnienie jest odczuwalne? Przy lokalnym modelu na słabszym sprzęcie potrafi wynosić kilka sekund. To psuje wrażenie płynnej rozmowy.
• Czy trzeba pisać własne skrypty? Nie zawsze. Część scenariuszy ogarniesz przez gotowe encje i automatyzacje, reszta wymaga odrobiny pracy.
• Czy to zastąpi zwykłe Assist? Moim zdaniem nie zastąpi, tylko uzupełni. Zwykłe Assist jest szybsze dla prostych komend, a AI Conversations błyszczy przy złożonych pytaniach i kontekście.
• Czy warto zaczynać od razu od lokalnego modelu? Jeśli masz odpowiedni sprzęt, tak. W innym razie zacznij od API i sprawdź, czy w ogóle polubisz ten sposób sterowania.

Diabeł tkwi w szczegółach, zwłaszcza przy doborze modelu i promptu systemowego. To nie czarna magia, ale wymaga kilku prób, zanim trafisz w swój setup.