Ich wollte mich mit einem Sprachassistenten so unterhalten können wie mit Gemini oder ChatGPT: in ganzen Sätzen, mit Rückfragen und auch zu aktuellem Geschehen. Alexa und Siri bieten mir bei solchen Fragen meist nur eine Websuche an oder sagen, dass sie nicht weiterhelfen können.
Google hat mit dem Google Home Speaker genau so ein Gerät herausgebracht, mit Gemini Live. Dafür hätte ich aber neue Hardware kaufen müssen – und bei mir lag noch ein alter Echo Show 5 von Amazon mit Bildschirm, Lautsprecher und Mikrofonen. Ihm fehlte nur das richtige Gehirn. Also habe ich ihm eins gegeben.
Die Idee
Den Echo Show 5 mit LineageOS neu aufsetzen, Alexa rauswerfen und eine eigene App als Launcher bauen, die direkt mit Gemini Live spricht. Native Audio-Modelle machen das überhaupt erst realistisch: Audio rein, Audio raus – keine Pipeline aus Spracherkennung und Sprachausgabe mehr.
Was blieb zu bauen?
- Ein lokales Hotword, damit nichts zu Google geht, bevor jemand den Assistenten anspricht.
- Eine Sitzungssteuerung mit Sprachaktivitätserkennung, die merkt, wann ein Gespräch vorbei ist.
- Kontext: der Hausstatus aus Home Assistant, ein Gedächtnis und die Erkennung, wer gerade spricht.
Das Ganze läuft auf einem Gerät mit 1 GB RAM. Ganz ohne Kompromisse geht es nicht – der Echo Show hat keine Echo-Unterdrückung, also funktioniert Unterbrechen nur per Hotword. Im Alltag ist das gut verschmerzbar.
Kostenlos ist das übrigens nicht: Statt eines Abos bezahle ich die verbrauchten Tokens der Gemini-API. Der Punkt war aber ein anderer – vorhandene Hardware weiterverwenden und endlich einen Assistenten haben, mit dem man wirklich reden kann.