OpenClaw Voice: DIY-Hardware für sprachgesteuerte Smart-Home-Steuerung

Ein Entwickler hat den Home Assistant Voice PE (59 $-Lautsprecher-Puck) in eine dedizierte Hardware-Sprachschnittstelle für OpenClaw umfunktioniert, die eine Sprach-zu-Sprach-Smart-Home-Steuerung in weniger als einer Sekunde mit stimmabdruckbasierter Zugriffsverifizierung ermöglicht. Der gesamte Stack ist auf GitHub als Open Source verfügbar.

Wichtige Funktionen

• Echte Sprach-zu-Sprach: OpenAI Realtime verarbeitet Gespräche mit einer Latenz von unter einer Sekunde. Du kannst es mitten im Satz unterbrechen.
• Sofortiger Gedächtnisabruf: Die Brücke durchsucht direkt MEMORY.md sowie tägliche und Personen-Dateien — kein Agenten-Durchlauf. Frage „Wie ist Omas Nummer?“ und erhalte eine Antwort in etwa 1 Sekunde.
• Selbstverbessernde Suchvorgänge: Falls die Suche fehlschlägt, wird ein vollständiger OpenClaw-Durchlauf gestartet (durchsucht iMessage usw.) und die Antwort in einer Personen-Datei gespeichert. Beim nächsten Mal ist es unter einer Sekunde.
• Langlaufende Aufgaben mit Rückmeldung: „Recherchiere Flugpreise nach London für Oktober“ — Aufgabe an OpenClaw übergeben, Antwort wird im Raum vorgelesen, in dem die Anfrage gestellt wurde. Raumgekennzeichnet, Details werden per SMS gesendet. Falls der Durchlauf länger dauert, erhältst du eine „arbeite noch daran“-Benachrichtigung statt einer Zeitüberschreitung.
• Telefonanrufe ausführen: Mit einem separaten openclaw-voice-call-realtime-Plugin (Twilio + OpenAI Realtime) kann OpenClaw tatsächliche Telefonanrufe tätigen. Beispiel: „Ruf die Apotheke an und frag, ob mein Rezept fertig ist“ — der Anruf wird getätigt, das Gespräch transkribiert und das Ergebnis in der Küche vorgelesen.
• Sprachgedächtnis: „Erinnere dich, dass…“ mit sprechergebundenen Schreibvorgängen. Stimmabdrücke funktionieren mit geführter Registrierung, laufen nativ in C++ auf dem Gerät.
• Benutzerdefiniertes Weckwort: Community-Trainer; „Hey Leonard“ ist standardmäßig eingestellt, mit einem Dropdown-Menü zum Wechseln.
• Schwungrad gegen Fehlauslösungen: Doppeltippen auf die Taste protokolliert einen Fehlalarm, der in das wöchentliche erneute Training einfließt, um das Modell zu verbessern.
• Ansage-Endpunkt: Bearer-authentifizierter POST — jedes Skript oder jeder Cron-Job kann sprechen: „In fünfzehn Minuten losfahren für den Schulweg.“

Integrationsvertrag

Das Brückenmuster ist minimal — eine URL, zwei POST-Formen ({'question'} und {'recall'}) plus den Ansage-Endpunkt. Agentenunabhängig, aber gegen OpenClaw getestet. Dokumentation: agent-integration.md

Designregel

Der Voice PE hat kein eigenes Wissen — alle Eskalationen laufen als OpenClaw-Durchläufe im selben Arbeitsbereich (MEMORY.md, TOOLS.md, gleiche Skripte). Bringe OpenClaw einmal im Chat etwas bei, und der Sprachpfad weiß es sofort.

Kosten

Leichter Haushaltsgebrauch kostet wenige Cent pro Tag.