智能音箱问世之初，曾被寄予成为智能家居控制中枢的厚望。然而多年过去，这一愿景并未兑现，商业智能音箱的技术进步微乎其微。相比之下，利用闲置旧手机或自行组装的硬件，往往能获得更出色的使用体验。
商业智能音箱的成长困境
自2014年首款搭载Alexa的Echo发布以来，智能音箱领域鲜有实质性变革。尽管亚马逊和谷歌等巨头试图引入AI能力，但Alexa+等新一代产品的表现仍令人失望。大多数商业设备的功能逻辑与十多年前相比并无本质区别。
此外，封闭的生态系统严重限制了用户体验。用户仅能使用受支持的设备，自动化场景创建选项基础且有限，导致语音交互的实际可操作性大打折扣。
旧安卓手机的潜力挖掘
闲置的安卓手机具备麦克风、Wi-Fi模块、扬声器及屏幕等完整硬件，是改造智能音箱的理想载体。通过免费开源的Home Assistant软件及其配套应用中的“Assist”实验性功能，用户可将手机变身为智能中控。
启用后，手机可监听“Hey Jarvis”等唤醒词，并通过本地语音助手控制智能家居。由于唤醒词检测完全在本地运行，无需将录音上传至云端服务器，有效保障了隐私。不过在嘈杂环境中，受限于单麦克风硬件，其识别效果略逊于专业阵列。
ESP32打造高性价比自制音箱
若对麦克风性能有更高要求，基于ESP32微控制器的自制方案是更佳选择。这类芯片成本低廉且广泛适用于智能家居项目。市面上已有如M5Stack Atom等集成麦克风和扬声器的现成模块，虽音质普通，但足以满足基础需求。
进阶用户可选择如Seeed Studio reSpeaker Lite等套件进行组装。该套件包含配备双麦克风阵列的ESP32开发板、独立扬声器及外壳，总成本不到30美元。得益于硬件优势，其在嘈杂环境下的语音识别能力显著优于旧手机，即使在大音量播放音乐时也能准确响应唤醒词。
本地化与AI赋能的核心优势
相较于商业产品依赖云端处理指令，Home Assistant的Assist功能支持本地运行语音转文字及文字转语音引擎，数据完全保留在本地硬件中。默认状态下，Assist可执行家电控制、计时器设置及音乐播放等基础任务。
更具吸引力的是，Assist可接入本地或云端的LLM（大型语言模型），从而获得超越Alexa+或Gemini for Home的智能水平。例如，用户可查询家庭办公室的历史存在传感器数据，或让LLM分析自动化脚本日志以排查故障。更重要的是，用户拥有数据的完全掌控权，若搭配本地LLM，所有交互数据均无需离开家庭网络。
尽管DIY语音助手并非完美无缺，但其响应速度已能与商业产品持平。在主流商业智能音箱体验乏善可陈的当下，自建系统不仅规避了隐私风险，更提供了高度定制化的功能体验，综合优势明显。