Création d'un Assistant Vocal avec OpenClaw, Alexa et un LLM Local

Un développeur a partagé son implémentation d'un assistant vocal qui utilise OpenClaw comme ossature d'agent IA, intégré avec Alexa pour l'interaction vocale et un LLM local pour un traitement de requêtes économique.

Fonctionnement

Le système est déclenché en disant "Alexa, ouvre Lucy" à une compétence Alexa personnalisée. Les requêtes sont traitées via un système de routage à quatre niveaux :

• Chemin rapide (0ms) : Gère l'heure, la date et les réponses prédéfinies
• LLM local Ollama (<1s) : Utilise Qwen 2.5 3B pour les requêtes de connaissances générales, fonctionnant sur un Mac Mini avec puce Apple Silicon
• Agent Claude (5-12s) : Gère le contexte personnel, la mémoire et le raisonnement complexe
• Différé + outils (jusqu'à 2min) : Gère les e-mails, la recherche web et les requêtes de base de données via TTS Home Assistant

Les réponses reviennent au même appareil Alexa qui a initié la requête, détecté automatiquement via la fonctionnalité last_called de Home Assistant. Le système utilise Piper TTS sur Home Assistant pour une sortie vocale neuronale en espagnol sur les enceintes Sonos et peut fournir des briefings matinaux avec des données de marché, des informations de calendrier et des indicateurs commerciaux.

Stack technique

• OpenClaw : Ossature d'agent IA supportant Telegram, Alexa et les interfaces vocales
• Compétence Alexa personnalisée : Proxy Node.js avec authentification par code PIN et chaînage de sessions
• Ollama + Qwen 2.5 3B : LLM local fournissant des réponses en ~0.5s
• Home Assistant : Intègre Alexa Media Player, Piper TTS et le routage des appareils
• Piper TTS : Voix neuronale espagnole pour les enceintes Sonos

Détails clés d'implémentation

Le développeur a constaté que l'utilisation d'un LLM local permet d'économiser environ 80 % des coûts d'API pour les questions simples qui ne nécessitent pas Claude. Cependant, il a noté que les modèles locaux "hallucinent librement" et a ajouté un filtre de contournement pour les requêtes commerciales et financières.

La reconnaissance vocale d'Alexa a été identifiée comme le goulot d'étranglement, avec AMAZON.SearchQuery et plusieurs énoncés d'exemple aidant à améliorer la précision. L'authentification utilise userId plutôt que sessionId car Alexa génère de nouvelles sessions pour chaque invocation. Le développeur persiste l'authentification dans un fichier car les Maps en mémoire ne survivent pas aux redémarrages du proxy.

Le code du proxy est disponible en open source : openclaw-alexa-voice. Les projets futurs incluent la détection de mot d'éveil ("Hey Lucy"), le contrôle de la maison intelligente et le routage des enceintes basé sur la présence.