OpenClawボイス：DIYハードウェアによる音声対音声スマートホーム制御

開発者がHome Assistant Voice PE（59ドルのスピーカーパック）をOpenClaw専用のハードウェア音声インターフェースに改造し、声紋によるアクセス認証を備えたサブ秒の音声合成スマートホーム制御を実現しました。スタック全体はGitHubでオープンソース化されています。

主な機能

• 真の音声合成: OpenAI Realtimeがサブ秒のレイテンシで会話を処理。途中で割り込むことも可能。
• 瞬時の記憶呼び出し: ブリッジがMEMORY.md、日記、個人ファイルを直接検索。エージェントを介さず、「おばあちゃんの電話番号は？」と聞けば約1秒で回答。
• 自己改善型検索: 検索で見つからない場合、フルOpenClawターン（iMessageなどもスキャン）にエスカレーションし、回答を個人ファイルに書き込みます。次回はサブ秒で応答。
• 結果を部屋に報告する長時間タスク: 「10月のロンドン行き航空券の価格を調べて」— タスクはOpenClawに渡され、回答はリクエスト元の部屋で音声再生。部屋タグ付きで詳細はテキスト送信。処理が長引くとタイムアウトではなく「まだ作業中」の通知が届きます。
• 電話発信: 別のopenclaw-voice-call-realtimeプラグイン（Twilio + OpenAI Realtime）を使用し、OpenClawが実際に電話を発信。「薬局に電話して処方箋ができているか聞いて」— 電話がかけられ、会話が文字起こしされ、結果がキッチンで音声再生されます。
• 音声記憶: 「覚えておいて…」で発話者ごとに書き込み制御。声紋はガイド付き登録で動作し、デバイス上でネイティブC++実行。
• カスタムウェイクワード: コミュニティトレーナー搭載。デフォルトは「Hey Leonard」で、ドロップダウンで切り替え可能。
• 誤認識対策フライホイール: ボタンをダブルタップすると誤検出を記録し、毎週の再トレーニングに反映してモデルを改善。
• アナウンスエンドポイント: Bearer認証のPOST — 任意のスクリプトやcronジョブから「15分後に学校の送迎に出発してください」と発声可能。

統合契約

ブリッジパターンは最小限 — 1つのURL、2つのPOST形式（{'question'}と{'recall'}）とアナウンスエンドポイント。エージェント非依存ですがOpenClawでテスト済み。ドキュメント: agent-integration.md

設計方針

Voice PE自体は知識を持たず、すべてのエスカレーションは同じワークスペース（MEMORY.md、TOOLS.md、同じスクリプト）でOpenClawターンとして実行されます。OpenClawをチャットで一度教えれば、音声パスが即座にそれを認識します。

コスト

一般的な家庭での使用では、1日あたり数十セントです。