FHEMWEB/VoiceControl: Web-STT & Hardware-Wakeword: Unterschied zwischen den Versionen

Aktuelle Version vom 31. Mai 2026, 11:28 Uhr

VoiceControl – Sprachsteuerung via Browser und Atom Echo s3r

Diese Lösung ermöglicht eine flexible Sprachsteuerung für FHEM. Sprache wird in Text (Speech-to-Text) umgewandelt und als Reading STT im Device global bereitgestellt. Dieses Reading kann anschließend zentral (z. B. über notify oder DOIF) ausgewertet werden.

Unterstützt werden nur Chrome-basierte Browser (Chrome, Edge, Fully Browser). Firefox und Chromium haben leider kein Backend.

Es gibt zwei unterschiedliche Wege zur Spracherfassung:

Weg 1️⃣ (Software): Browser-basierte Komplettlösung
Weg 2️⃣ (Hybrid): Hardware-Wakeword + Browser-Spracherkennung

Hilfe

Forenthread zum VoiceControl Sprachsteuerung

Funktionen

Grundprinzip

Sprache → Speech-to-Text
Ergebnis → Reading STT im Device global
Zentrale Logik verarbeitet Befehle

Betriebsarten

Push-to-Talk (nur Browser)
Always-On mit Wakeword
Hardware-Wakeword (Hybrid)

Rückmeldungen

Sprachausgabe (TTS)
Visuelle Bubble im Browser
Optional gezielte Rückmeldung per Client-ID

Weg 1️⃣: Browser-Lösung (voicecontrol.js)

Das Script nutzt nur die Google Web Speech API.

Bedienung

Push-to-Talk

Button gedrückt halten
Wakeword erforderlich (Standard: „James“)
Nach Aktivierung ca.6sek Zeit für Befehl

Always-On

Kurzer Klick aktiviert Dauerbetrieb
Wakeword erforderlich (Standard: „James“)
Nach Aktivierung ca.6sek Zeit für Befehl
JS wird neu gestartet udn Schleife fängt von vorne an

Wakeword

Standard: james
Anpassbar im Script:

const wakewords = ["james"];

Installation

Datei kopieren

{ Svn_GetFile('contrib/voicecontrol.js', 'www/pgm2/voicecontrol.js') }

Einbindung

attr WEBphone JavaScripts www/pgm2/voicecontrol.js

Hinweis (HTTP ohne HTTPS)

Chrome benötigt Freigabe für Mikrofon:

chrome://flags/#unsafely-treat-insecure-origin-as-secure
Eigene URL hinzufügen
Auf Enabled setzen

Weg 2️⃣: Hybrid-Lösung mit Fully Kiosk Browser + Atom Echo (voicecontrol_echo.js)

Diese Variante kombiniert Hardware und Software. Daher ist sie besonders geeignet für ein Tablet mit Fully Kiosk Browser oder ähnlich, welches das Webinterface dauerhaft anzeigt.

Wakeword-Erkennung erfolgt auf dem ESP (Atom Echo s3r)
Die eigentliche Sprachverarbeitung (Speech-to-Text) erfolgt im Browser

Funktionsweise

Wakeword wird auf dem ESP erkannt
FHEM erzeugt Event (z. B. james_detected)
Browser empfängt Event via WebSocket
Speech-to-Text startet im Browser
Ergebnis wird an FHEM übertragen

Aktivierung

Kurzer Klick auf Button aktiviert/deaktiviert System
Baut WebSocket-Verbindung zu FHEM auf
Kein Push-to-Talk-Modus

Installation

Datei kopieren

Die Datei voicecontrol_echo.js ist hier zu finden: VoiceControl Sprachsteuerung und muss nach www/pgm2/voicecontrol_echo.js kopiert werden.

Die echo_s3r.yaml ist für den Atom Echo s3r. Die Konfuguration ist weiter unten beschrieben.

Einbindung in Fhem

attr WEBtablet JavaScripts www/pgm2/voicecontrol_echo.js

Das Skript voicecontrol_echo.js muss in dem FHEMWEB-Device angelegt werden, das für den Fully Kiosk Browser zuständig ist

attr WEBtablet additionalInform atom_echos3r_9888e00f4280,global

atom_echos3r_9********** = da kommt das Wakeword an, bzw. der Devicename vom Echo
global = das ist zum auswerten der Sprachausgabe wichtig

Konfiguration im Javascript

const DEVICE  = "atom_echos3r_9888e00f4280";
const TRIGGER = "james_detected";
const FHEM_IP = "192.168.1.76:8085";

DEVICE → FHEM-Device des ESP
TRIGGER → Event bei Wakeword
FHEM_IP → FHEM-Server

Konfiguration in der Yaml

Damit sich der ESP mit eurem MQTT-Server und WLAN verbindet, müssen folgende Stellen angepasst werden.

  wifi:
    ssid: "YOUR_SSID"
    password: "YOUR_PW"
    fast_connect: true

  mqtt:
    broker: 192.168.1.76
    port: 1884
    username: "YOUR_USERNAME"
    password: "YOUR_PW"
    topic_prefix: atom_echo

Wakeword (ESP / ESPHome)

Das Wakeword wird direkt auf dem ESP definiert:

Umsetzung über ESPHome
Eine große Auswahl an Wakewords sind hier zu finden:

  https://github.com/TaterTotterson/microWakeWords

Hier ein Beispiel, wie das Wakeword definiert wird.

  micro_wake_word:
    id: mww
    microphone: echo_mic
    models:
      - model: "https://github.com/TaterTotterson/microWakeWords/raw/main/microWakeWordsV2/james.json"
        id: james_model
        probability_cutoff: 0.45

Kommunikation

WebSocket-Verbindung zu FHEM
Lauscht auf Device-Events
Automatischer Reconnect bei Abbruch

Ablauf nach Wakeword

System sagt „Ja?“
Browser startet SpeechRecognition
Nutzer spricht Befehl
Befehl wird verarbeitet
Rückmeldung „Erledigt“

Zentrale Auswertung (Logik)

Beide Wege schreiben in:

global:STT_output

Die Verarbeitung erfolgt zentral über ein notify. Ein Device wird in der Mappingtabelle eingetragen.

Beispiel: "esszimmer:licht|lampe|deckenlampe" => { dev => "Lampe01_Ez", label => "Licht Esszimmer", cmdOn => "on", cmdOff => "off" }

Aufschlüsselung: "hauptkeyword:Filter1|Filter3|Filter3" => { dev => "Devicename", label => "Übersichtname", cmdOn => "on", cmdOff => "off" }

Beispiel: notify zur Steuerung

defmod n_VoiceControl notify global:STT_output:.* {\
    my ($cleanEvent, $clientId) = $EVENT =~ /^(.*)\s\[(.*)\]$/;;\
    $cleanEvent //= $EVENT;;\
    $clientId   //= "unknown";;\
    \
    my @responses;;\
    my %vacRooms = map { $_ => ucfirst($_) } qw(arbeitszimmer badezimmer esszimmer flur küche wohnzimmer);;\
    my $onRegEx  = qr/\b(an|ein|einschalten|starte|aktivier|aktiviere|öffne|öffnen|auf|hoch|lade)\b/;;\
    my $offRegEx = qr/\b(aus|ausschalten|stop|stoppe|beende|deaktivier|deaktiviere|schließe|schließen|zu|runter)\b/;;\
\
    # --- 1. Geräte-Liste ---\
    my %devices = (\
        "esszimmer:licht|lampe|deckenlampe" => { dev => "Lampe01_Ez", label => "Licht Esszimmer (an/aus)" },\
        "esszimmer:aquarium" => { dev => "Aquarium_Aktor", label => "Aquarium (an/aus)" },\
        "küche:licht|lampe|deckenlampe" => { dev => "Deckenlampe_Kue", label => "Licht Küche (an/aus)" },\
        "küche:radio" => { dev => "MPD", label => "Radio Küche(an/aus)", cmdOn => "play", cmdOff => "stop" },\
        "wohnzimmer:licht|lampe|deckenlampe" => { dev => "Lampe06_Dek", label => "Licht Wohnzimmer (an/aus)" },\
        "fernseher|tv" => { dev => "VuPlus", label => "Fernseher (an/aus)" },\
        "rechner|pc" => { dev => "PC_Aktor", label => "PC (an/aus)" },\
        "garage|tor" => { dev => "Garagentor_Aktor", label => "Garagentor (öffnen/schließen)", cmdOn => "open", cmdOff => "close" },\
        "kaffee" => { dev => "Kaffeemaschine (an/aus)", label => "Kaffeemaschine" },\
        "roberto" => { dev => "MQTT2_valetudo_FlusteredUnequaledFish", label => "Lade Roberto (an/aus)", cmdOn => "charge" },\
        \
        # Komplexe Sonderfunktionen (erkennbar am "run"-Eintrag)\
        "ambiente"  => { dev => "LampeSzeneAlle", label => "Ambiente", run => sub {\
            my ($d, $c, $on, $off) = @_;;\
            if ($c =~ /(\d+)/) {\
                fhem("set $d->{dev} brightness " . int($1 * 2.55));;\
                return "$d->{label} auf $1 Prozent";;\
            }\
            fhem("set $d->{dev} " . ($off ? "off" : "on")) if $on || $off;;\
            return $on || $off ? "$d->{label} " . ($off ? "aus" : "an") : undef;;\
        }},\
        "sauge|reinige|putze|staubsauger|roboter" => { dev => "MQTT2_valetudo_FlusteredUnequaledFish", label => "Reinige/Sauge (Robosauger)", run => sub {\
            my ($d, $c) = @_;;\
            my @found = grep { $c =~ /\b$_\b/ } keys %vacRooms;;\
            fhem(@found ? "set $d->{dev} clean_segment " . join(",", map { $vacRooms{$_} } @found) : "set $d->{dev} start");;\
            return @found ? "Reinigung gestartet in " . join(" und ", map { $vacRooms{$_} } @found) : "Staubsauger gestartet";;\
        }},\
        "ambilight" => { label => "Ambilight (umschalten)", run => sub {\
            system("sshpass -p '1431Fhem1982' ssh -o StrictHostKeyChecking=no root\@192.168.1.46 '/usr/share/hyperhdr/scripts/hyperhdr_toggle.sh'");;\
            return "Ambilight erledigt";;\
        }}\
    );;\
\
    # --- 2. TEXTBEREINIGUNG ---\
    my $text = lc($cleanEvent);;\
    $text =~ s/^stt_output:\s*//;;  \
    $text =~ s/\[\d+\.?\d*\]//g;;   \
    $text =~ s/^\s+|\s+$//g;;       \
\
    # --- 3. SPEZIALFÄLLE (KI & HILFE) ---\
    if ($text =~ /\bfrage\s+(.*)$/) {\
        my $q = $1;;\
        my ($sec,$min,$hour,$mday,$mon,$year) = localtime;;\
        fhem(sprintf("set GeminiAI ask [Aktuelle Systemzeit: %02d.%02d.%04d %02d:%02d:%02d] %s", $mday, $mon+1, $year+1900, $hour, $min, $sec, $q));;\
        fhem("sleep 2;; setreading global TTS_input erledigt");;\
        return;;\
    }\
\
    if ($text =~ /(hilfe|kommandos|übersicht)/) {\
        my $h = '<div style="text-align:left;;min-width:250px;;font-family:sans-serif;;"><b>Befehlsübersicht:</b><br><br>';;\
        my %seen;;\
        for my $k (sort keys %devices) {\
            my $d = $devices{$k};;\
            next if $seen{$d->{label}}++;;\
            # Nur noch das Prozent-Suffix für das Ambiente-Licht wird dynamisch angehängt\
            my $suffix = ($d->{run} && $k eq "ambiente") ? " [0-100%]" : "";;\
            $h .= "• $d->{label}$suffix<br>";;\
        }\
        $h .= '<br><u>Staubsauger Räume</u><br>• ' . join(", ", sort values %vacRooms) . '<br></div>';;\
        $h =~ s/'/\\"/g;;\
        my $js = "if((document.querySelector('input[name=\"fw_id\"]')||{}).value==='$clientId'){FW_okDialog('$h')}";;\
        FW_directNotify("#FHEMWEB:$_", $js, "") for devspec2array("TYPE=FHEMWEB");;\
        fhem("sleep 2;; setreading global TTS_input erledigt");;\
        return;;\
    }\
\
    # --- 4. AKTIONSERKENNUNG LOOP ---\
    my $global_on  = $text =~ /$onRegEx/ ? 1 : 0;;\
    my $global_off = $text =~ /$offRegEx/ ? 1 : 0;;\
\
    my @parts = split(/\s*(?:dann|,)\s*|(?<=\ban\b)\s*und\s*|(?<=\baus\b)\s*und\s*/, $text);;\
    @parts = ($text) if @parts == 1;;\
\
    for my $part (@parts) {\
        $part =~ s/^\s+|\s+$//g;;\
        next unless $part;;\
\
        my $is_on  = $part =~ /$onRegEx/ ? 1 : ($part =~ /$offRegEx/ ? 0 : $global_on);;\
        my $is_off = $part =~ /$offRegEx/ ? 1 : ($part =~ /$onRegEx/ ? 0 : $global_off);;\
\
        # Trennung: Original-Part bleibt für "run"-Blöcke, clean_part kriegt die Füllwortbereinigung\
        my $clean_part = $part;;\
        $clean_part =~ s/\b(ich|brauche|mach|bitte|kannst du|würdest du|mal|doch|den|das|die|im|in der|und|sowie|,)\b/ /g;;\
\
        # Schleife durch die Geräte (Sonderfunktionen mit "run" werden zuerst bewertet)\
        for my $key (sort { ($devices{$b}{run} ? 1:0) <=> ($devices{$a}{run} ? 1:0) } keys %devices) {\
            my ($main, $must) = split(/:/, $key);;\
            \
            if ($part =~ /\b($main)\b/ || $clean_part =~ /\b($main)\b/) {\
                next if $must && $part !~ /\b($must)\b/;;\
\
                my $d = $devices{$key};;\
                if ($d->{run}) {\
                    my $res = $d->{run}->($d, $part, $is_on, $is_off);;\
                    push @responses, $res if $res;;\
                } elsif ($is_on || $is_off) {\
                    my $fhem_cmd = $is_off ? ($d->{cmdOff} // "off") : ($d->{cmdOn} // "on");;\
                    fhem("set $d->{dev} $fhem_cmd");;\
                    push @responses, "$d->{label} " . ($is_off ? "aus" : "an");;\
                }\
            }\
        }\
    }\
\
    # --- 5. FINALE SPRACHAUSGABE ---\
    fhem("sleep 2;; setreading global TTS_input erledigt") if @responses;;\
}

Beispiel: notify für Sprachausgabe mit dem TTS-Modul

defmod n_global_TTS_output notify global:TTS_output:.* { my $text = $EVENT;;;; $text =~ s/^TTS_output:\s*//;;;; fhem("set TTS tts $text") }

Unterschiede der Wege

Feature	Browser	Hybrid (Atom Echo S3)
Wakeword	Browser	ESP (Hardware)
Push-to-Talk	Ja	Nein
Always-On	Ja (bedingt)	Ja
Architektur	Software	Software + Hardware
Stabilität	Sehr stabil	Sehr stabil (Wakeword extern)

FireOS mit Fully Browser (Plus)

Damit die Spracherkennung funktioniert:

Apps installieren:

  Google
  Speech Recognition & Synthesis
  Activity Launcher (Für bessere Sprachausgabe)

FireOS:

  „Tastatur und Sprache“ → „Text-to-Speech“

Fully Browser:

  Enable JavaScriptInterface (PLUS) aktivieren

Bessere Stimme für Sprachausgabe (4 Googlestimmen):

Damit konnte ich die roboterhafte Stimme von Hans gegen eine bessere Stimme tauschen.

App Activity Launcher aus Playstore installieren
Die App starten
Suche nach Google
Öffne --> Spracherkennung und -Synthese von Google
Öffne --> Sprache hinzufügen
Starte Aktivität
Deutsch downloaden
Deutsch anklicken. Nun stehen 4 Stimmen zur Auswahl. 2 weibliche und 2 männliche Stimmen.
Zum Abschluss noch per adb shell auf das Device connecten und folgendes eingeben:

settings put secure tts_default_synth com.google.android.tts reboot

Wer zurück zu Amazon möchte: settings put secure tts_default_synth com.ivona.tts.oem reboot