Lokale Sprachausgabe
Unter Einstellungen → Module → Sprachausgabe aktivieren. Die Modul-Seite liegt unter Nachrichten → Sprachausgabe und führt eine eigene, persistente Liste der auf dem Audiobus erkannten Geräte. Pro Geräte-ID lassen sich ein lesbarer Name und ein vorhandener Raum zuweisen. Die Räume stammen aus derselben Verwaltung wie Heizung & Klima und Messen + Schalten. Clientseitige Raumangaben überschreiben diese Zuordnung nicht. Beim Löschen eines Raums wird die Zuordnung aufgehoben.
Voraussetzung
Die Installer für Main und Development installieren Piper 1.8.0 und die neuronale deutsche Stimme Thorsten High (de_DE-thorsten-high) automatisch. Piper liegt in einer eigenen Python-Umgebung unter /opt/home-ess-tts/venv, das Modell und seine Konfiguration unter /opt/home-ess-tts/voices. Beide liegen außerhalb des Git-Checkouts und bleiben bei Updates erhalten. Der Dienst benötigt dort ausschließlich Leserechte.
Für eine manuell eingerichtete Bestandsinstallation kann ausschließlich der TTS-Teil des Installers ausgeführt werden (im Repository-Verzeichnis, als root):
apt-get install -y --no-install-recommends python3-venv
bash -c 'source ./install.sh; install_piper'Das startet homeESS nicht neu und verändert keine Environment-Datei. Für den Wechsel von bereits geladenem Anwendungscode gilt der normale Neustartablauf.
Nur die Installation benötigt Internetzugang für Python-Pakete und Modell (ca. 114 MB für das Modell). Piper ist auf eine Paketversion festgelegt; Modell, Konfiguration und Modellkarte stammen aus einem festen Repository-Stand und werden vor der Übernahme per SHA-256 geprüft. Bei erneuter Installation werden bereits korrekt vorhandene Modelldateien nicht nochmals heruntergeladen. Die Modellkarte mit Herkunft und Lizenzhinweis bleibt neben dem Modell erhalten.
Die Synthese läuft vollständig lokal auf der CPU, mit maximal zwei ONNX- Rechenthreads und ohne GPU oder Cloud-Zugang. ONNX-Telemetrie ist deaktiviert. Piper bringt die zur Aussprachevorbereitung benötigten eSpeak-Daten mit; die hörbare Stimme erzeugt das neuronale Modell. Das separate Systempaket espeak-ng wird nicht mehr aufgerufen oder vom Installer vorausgesetzt.
Das Modul startet pro Ansage einen Python-Prozess ohne Shell und ohne zusätzlichen HTTP-Server. Das Laden des Modells verursacht eine kurze Anlaufzeit. Text läuft über stdin, WAV-Audio wird ausschließlich im Speicher verarbeitet. Text und Audio werden nicht als Dateien abgelegt. Prozesslaufzeit (30 Sekunden), Ausgabemenge (16 MiB) und Warteschlange (höchstens acht laufende/wartende Ansagen) sind begrenzt. Fehlende Piper-Installation oder Modelldateien meldet der Testversand ausdrücklich; es gibt keinen Rückfall auf die alte Stimme.
Unter Nachrichten → Sprachausgabe → Wiedergabeeinstellungen sind Pegel (10–100 %, Standard 70 %), Audiovorlauf (100–5000 ms, Standard 1000 ms), Nachlauf (0–5000 ms, Standard 1000 ms) und Paketdauer (10/20/50/100 ms, Standard 50 ms) einstellbar. Die Werte bleiben in SQLite gespeichert und gelten ab der nächsten Ansage ohne Neustart; laufende Ansagen behalten ihre Werte. Zum Vergleichen dient der Testversand einer Nachrichtenregel.
Der Vorlauf stellt die vorausgesendete Audiomenge ein, nicht den Wiedergabepuffer von Widgetbar. Der Nachlauf verzögert nur das Stream-Ende; er behebt keine Knackser zwischen Wörtern. Dafür müssen gegebenenfalls das erzeugte Signal und die kontinuierliche Wiedergabe im Client getrennt untersucht werden.
Die Stimme wird standardmäßig mit 70 % Spitzenpegel ausgegeben (rund 3 dB Reserve). Beim Versand liefert homeESS standardmäßig bis zu 1000 ms Audio vorab und plant weitere Pakete anhand der absoluten Sample-Zeit. Dadurch summieren sich Timer-Verzögerungen nicht zu Aussetzern. Alle PCM-Samples werden unverändert und in Reihenfolge übertragen; ein kurzer Nachlauf lässt dem Empfänger Zeit für die letzten Samples. Der Client muss weiterhin zusammenhängend puffern und das angekündigte Output-Format verwenden (Thorsten High: 22050 Hz, 16 Bit, mono).
Nachrichten
In jeder Nachrichtenregel stehen bei aktiviertem Modul drei Versandarten zur Wahl: Text über Relay, Sprachausgabe, Text und Sprachausgabe. Bestehende Regeln bleiben bei Text über Relay. Als Audio-Ziel sind ein Endpunkt, ein Raum oder alle Endpunkte wählbar. Gesprochen werden Titel und Nachricht. Die Test-Schaltfläche verwendet dieselben Versandwege wie die automatische Regel. Bei kombiniertem Versand werden beide Wege unabhängig versucht und ihre Ergebnisse getrennt gemeldet. Audio-Ziele werden niemals an den Relay gesendet.
Das Modul beobachtet Session-Starts und -Enden, abonniert aber keine Mikrofon-Audiodaten. Es entdeckt beim Aktivieren auch bereits laufende Sessions. Namen und Räume bleiben bei Neustart, Reconnect und Deaktivierung erhalten. Der Online-Status wird aus aktuellen Sessions abgeleitet. Mehrere Sessions mit derselben Geräte-ID ergeben nur eine Ausgabe (zuletzt gelistete Session).
Ausgegeben wird PCM über den vorhandenen Audiobus. Erreichbar sind ausschließlich Geräte mit aktiver Audio-Session. Clients müssen ihre Session entsprechend den bestehenden Audiobus-Timeouts halten bzw. erneuern; eine bloße WebSocket-Verbindung reicht nicht. Offline-Geräte werden nicht nachträglich beliefert. Ein fehlendes Ziel wird nicht durch einen Rundruf ersetzt. Belegte, getrennte oder dauerhaft überlastete Ausgänge werden als fehlgeschlagen gezählt; andere Ziele können die Ansage weiterhin empfangen. Ein Erfolg bedeutet Übergabe an den Audiobus, keine Bestätigung einer hörbaren Wiedergabe.
Beim Deaktivieren werden der TTS-Prozess und eigene Ausgabestreams beendet; wartende Ansagen werden verworfen. Gespeicherte Nachrichten mit Audio-Ausgabe behalten ihre Auswahl. Bei „beides“ kann der Relay-Teil weiterhin senden.
1 thought on “”