{"id":1936,"date":"2021-07-05T10:34:58","date_gmt":"2021-07-05T08:34:58","guid":{"rendered":"http:\/\/miniprojets.net\/?p=1936"},"modified":"2022-12-17T17:08:55","modified_gmt":"2022-12-17T16:08:55","slug":"installation-de-rhasspy-avec-jeedom-un-assistant-vocal-open-source-et-free-software-adapte-a-la-domotique","status":"publish","type":"post","link":"https:\/\/miniprojets.net\/index.php\/2021\/07\/05\/installation-de-rhasspy-avec-jeedom-un-assistant-vocal-open-source-et-free-software-adapte-a-la-domotique\/","title":{"rendered":"Installation de Rhasspy avec Jeedom, un assistant vocal Open Source et Free Software adapt\u00e9 \u00e0 la domotique"},"content":{"rendered":"\n

Dans le cadre de mon stage au sein du G2ELab, j’\u00e9tudie actuellement les assistants vocaux afin de rendre plus interactif et \u00e9ducatif la gestion de l’\u00e9nergie. J’\u00e9volue sur la plateforme de d\u00e9monstration Pr\u00e9dis-MHI situ\u00e9e au sein du b\u00e2timent GreenER.<\/p>\n\n\n\n

Dans cet article, nous allons apprendre \u00e0 installer l’assistant vocal open source Rhasspy sur une RaspberryPi et \u00e0 le connecter \u00e0 Jeedom pour pouvoir g\u00e9rer sa maison intelligemment. On introduira le sujet sur les assistants vocaux de mani\u00e8re g\u00e9n\u00e9rale et \u00e0 la suite de l’introduction d\u00e9bute le tutoriel d’installation. Vous pouvez vous rendre directement au tutoriel en cliquant ici<\/a>.<\/p>\n\n\n\n

Introduction <\/h2>\n\n\n\n

Les assistants vocaux sont des outils, des services informatiques permettant un \u00e9change via une communication orale et audio entre des utilisateurs et leurs appareils connect\u00e9s. L\u2019usage est tr\u00e8s utile dans la domotique et l\u2019habitat intelligent qui \u00ab La domotique est l\u2019ensemble des techniques de l’\u00e9lectronique, de physique du b\u00e2timent, d’automatisme, de l’informatique et des t\u00e9l\u00e9communications utilis\u00e9es dans les b\u00e2timents, plus ou moins \u00ab interop\u00e9rables \u00bb et permettant de centraliser le contr\u00f4le des diff\u00e9rents syst\u00e8mes et sous-syst\u00e8mes de la maison et de l’entreprise (chauffage, volets roulants, porte de garage, portail d’entr\u00e9e, prises \u00e9lectriques, etc.). La domotique vise \u00e0 apporter des solutions techniques pour r\u00e9pondre aux besoins de confort (gestion d’\u00e9nergie, optimisation de l’\u00e9clairage et du chauffage), de s\u00e9curit\u00e9 (alarme) et de communication (commandes \u00e0 distance, signaux visuels ou sonores, etc.) que l’on peut retrouver dans les maisons, les h\u00f4tels, les lieux publics, etc. \u00bb. [1]<\/a><\/p>\n\n\n\n

Ces assistants qui ont comme leur nom l\u2019indique pour but d\u2019assister et permettent de faciliter la vie usagers en s\u2019int\u00e9grant parfaitement dans l\u2019environnement quotidien. Les assistants vocaux peuvent soit r\u00e9pondre \u00e0 des questions simples que lui posent l\u2019utilisateur (ex : \u00ab Quelle heure est-il ? \u00bb, \u00ab Quelle est la m\u00e9t\u00e9o \u00e0 Grenoble ? \u00bb, etc.) mais ils peuvent \u00e9galement effectuer des t\u00e2ches et donner des ordres \u00e0 des appareils \u00e9lectroniques connect\u00e9s au r\u00e9seau de l\u2019assistant (ex : allumer une lampe, fermer les volets, jouer de la musique sur une enceinte, etc.).<\/p>\n\n\n\n

Un assistant vocal est une interface homme-machine (ou homme-environnement) interactive qui permet d\u2019acqu\u00e9rir un signal (reconnaissance vocale), de le traiter, et d\u2019en renvoyer un autre (action \u00e0 effectuer, r\u00e9ponse \u00e0 l\u2019humain via un haut-parleur)<\/p>\n\n\n\n

<\/div>\n\n\n\n

Fonctionnement d’un assistant vocal par \u00e9tape : <\/h3>\n\n\n\n
  1. L\u2019utilisateur prononce un mot cl\u00e9 et \u00ab r\u00e9veille \u00bb l\u2019assistant. Ce mot cl\u00e9 utilise un algorithme interne de reconnaissance de sch\u00e9ma vocaux et ne n\u00e9cessitent donc pas d\u2019acc\u00e8s \u00e0 internet. Ensuite un canal d\u2019\u00e9coute s\u2019ouvre et le contenu audio est transmis \u00e0 la vol\u00e9e (stream).<\/li>
  2. Dans bien des cas, si le traitement est r\u00e9alis\u00e9 de fa\u00e7on distante, une seconde v\u00e9rification de la prononciation du mot-cl\u00e9 est faite c\u00f4t\u00e9 serveur afin de limiter les d\u00e9clenchements intempestifs.<\/li>
  3. \u00c9ventuellement, et s\u2019il a \u00e9t\u00e9 pr\u00e9alablement enr\u00f4l\u00e9 \u2013c\u2019est-\u00e0-dire si un apprentissage de ses caract\u00e9ristiques vocales a \u00e9t\u00e9 r\u00e9alis\u00e9 \u00e0 partir d\u2019\u00e9chantillons de voix qu\u2019il aura produits \u2013 le locuteur peut \u00eatre identifi\u00e9 (speaker identification).<\/li>
  4. L\u2019utilisateur \u00e9nonce sa requ\u00eate et celle-ci est transmise aux instances de traitement. Il peut s\u2019agir de serveurs distants, ou dans le cas d\u2019un traitement local, de ressources mat\u00e9rielles embarqu\u00e9es dans l\u2019\u00e9quipement. La s\u00e9quence de parole prononc\u00e9e est alors automatiquement transcrite (speech to text).<\/strong><\/li>
  5. \u00c0 l\u2019aide de technologie de traitement automatique du langage naturel (TALN)<\/strong>, la parole est interpr\u00e9t\u00e9e. Les intentions du message sont extraites et les variables d\u2019informations (slots) identifi\u00e9es.<\/li>
  6. Un gestionnaire de dialogue permet de pr\u00e9ciser le sc\u00e9nario d\u2019interaction \u00e0 mettre en \u0153uvre avec l\u2019utilisateur en apportant le sch\u00e9ma de r\u00e9ponse appropri\u00e9.<\/li>
  7. Une r\u00e9ponse adapt\u00e9e \u00e0 la requ\u00eate de l\u2019utilisateur est identifi\u00e9e et le cas \u00e9ch\u00e9ant, des ressources distantes sont utilis\u00e9es : base de connaissance publiquement accessibles (encyclop\u00e9die en ligne, etc.) ou par authentification (compte bancaire, application musicale, compte client pour achat en ligne, etc.).<\/li>
  8. Les variables d\u2019informations (slots) sont remplies avec les connaissances r\u00e9cup\u00e9r\u00e9es.<\/li>
  9. Une phrase de r\u00e9ponse est cr\u00e9\u00e9e et\/ou une action est identifi\u00e9e (monter les stores, augmenter la temp\u00e9rature, jouer un morceau de musique, r\u00e9pondre \u00e0 une question, etc.).<\/li>
  10. Cette phrase est synth\u00e9tis\u00e9e (text to speech)<\/strong> et\/ou l\u2019action \u00e0 op\u00e9rer est envoy\u00e9e \u00e0 l\u2019\u00e9quipement.<\/li>
  11. La r\u00e9ponse et\/ou la commande est mise en \u0153uvre par l\u2019\u00e9quipement embarquant l\u2019assistant vocal.<\/li>
  12. L\u2019assistant vocal repasse en veille.

    Un assistant vocal n\u2019est donc pas \u00e0 proprement parler \u00ab intelligent \u00bb. Les \u00e9l\u00e9ments de connaissance proviennent de sources tierces : donn\u00e9es en libre acc\u00e8s (encyclop\u00e9dies en ligne), bases de donn\u00e9es contenant des informations renseign\u00e9es par l\u2019utilisateur (son agenda, son carnet d\u2019adresse, etc.), etc.     [<\/a>2<\/a>]<\/a><\/strong><\/li><\/ol>\n\n\n\n

    Les assistants vocaux sont pourtant tous diff\u00e9rents, ils d\u00e9pendent tous des algorithmes et des logiciels utilis\u00e9s pour les faire fonctionner. Chacun de ces programmes peuvent \u00eatre diff\u00e9rents : programme de d\u00e9tection du mot cl\u00e9, la reconnaissance vocale effectu\u00e9 par des algorithmes de Speech To Text, le traitement des donn\u00e9es faites par des algorithmes de Machine Learning appliqu\u00e9es \u00e0 des base des donn\u00e9es, la cr\u00e9ation de la commande ou action \u00e0 effectuer, le calcul de la r\u00e9ponse \u00e0 donner, et la traduction de cette r\u00e9ponse en action et\/ou vocal par un Text-To-Speech.<\/p>\n\n\n\n

    Selon le cr\u00e9ateur d\u2019assistant vocaux, tout peut \u00eatre cr\u00e9\u00e9e par le cr\u00e9ateur\/d\u00e9veloppeur de l\u2019assistant vocal (c\u2019est le cas des GAFAMs) ou alors passer par des programmes d\u00e9j\u00e0 existants qui sont Open Source ou alors utilisable gr\u00e2ce \u00e0 des API.<\/p>\n\n\n\n

    <\/div>\n\n\n\n

    Comparatif entre les assistants vocaux libres et non-libres<\/h3>\n\n\n\n
    Type d’assistants vocaux<\/strong><\/td>Les Assistants vocaux “non-libres<\/strong>“<\/td>Les assistants vocaux “libres”<\/strong><\/td><\/tr>
    Descriptif<\/strong><\/td>Les Assistants vocaux “non-libres” les plus utilis\u00e9s sont les assistants d\u00e9velopp\u00e9s par les GAFAM (Google Assistant, Siri de Apple et Cortana d\u2019Amazon -> liste non-exhaustive).  <\/td>Les assistants vocaux “libres” sont des assistants vocaux qui peuvent \u00eatre librement exploit\u00e9s ou \u00e0 minima analys\u00e9 (transparence du code).  <\/td><\/tr>
    La propri\u00e9t\u00e9 (Libre ou priv\u00e9es, transparence, base de donn\u00e9es)<\/strong><\/td>Les assistants vocaux de cette cat\u00e9gorie-l\u00e0 appartiennent \u00e0 des grands groupes du num\u00e9rique (Google, Amazon, Apple, etc.), ils sont leur propri\u00e9t\u00e9 et donc ne sont pas libre d\u2019utilisation. Ces entreprises-l\u00e0 se veulent transparente sur le fonctionnement de leur assistant mais n\u2019en reste pas n\u00e9anmoins opaque sur le code source qui n\u2019est pas exploitable ou analysable. De plus, ces grands groupes ont le net avantage de poss\u00e9der des bases de donn\u00e9es gigantesques leur permettant d\u2019obtenir une qualit\u00e9 de produit tr\u00e8s importante.<\/td>Les assistants vocaux de cette cat\u00e9gorie-l\u00e0 sont libres et permettent au minimum de pouvoir \u00eatre analys\u00e9s (sans \u00eatre modifi\u00e9). Et la plupart sont des logiciels qui sont totalement modifiables. La transparence est totale.
    Le probl\u00e8me majoritaire est que ce sont souvent des logiciels d\u00e9velopp\u00e9s par des entreprises beaucoup moins influentes que les GAFAM et qui n\u2019ont pas les avantages de poss\u00e9der des bases de donn\u00e9es gigantesques. Beaucoup de ces assistants libres utilisent les API de reconnaissance vocale des grands groupes (comme Google Speech API ou Bing Speech API).<\/td><\/tr>
    La confidentialit\u00e9 (Exploitation des donn\u00e9es, l\u2019\u00e9coute, l\u2019anonymat, s\u00e9curit\u00e9 des donn\u00e9es, etc.)<\/strong><\/td>La confidentialit\u00e9 de ces assistants vocaux est dite priv\u00e9es, que les donn\u00e9es r\u00e9cup\u00e9r\u00e9es sont s\u00e9curis\u00e9es et prot\u00e9g\u00e9es, qu\u2019elles ne servent qu\u2019\u00e0 l\u2019am\u00e9lioration du logiciel. De plus, les assistants vocaux ne sont pas cens\u00e9s \u00e9couter en ligne jusqu\u2019\u00e0 la d\u00e9tection du mot cl\u00e9. Cependant, diff\u00e9rents scandales ont \u00e9clat\u00e9 accusant les entreprises d\u2019avoir \u00e9cout\u00e9 des utilisateurs \u00e0 leur insu.<\/td>La confidentialit\u00e9 de ces assistants d\u00e9pend beaucoup des programmes utilis\u00e9s. Beaucoup de ces assistants vocaux sont l\u2019assemblage de plusieurs programmes (STT, TTS, Database) qui selon leur provenance assure une confidentialit\u00e9 des donn\u00e9es ou non. Si le programme de reconnaissance vocale est l\u2019API de Google, les donn\u00e9es seront r\u00e9cup\u00e9r\u00e9es par Google.
    Beaucoup de programme peuvent fonctionner off-line ce qui pr\u00e9sentent un certain avantage mais l\u2019inconv\u00e9nient d\u2019\u00eatre bien moins efficace, pr\u00e9cis et peu \u00e9volutif.<\/td><\/tr>
    L\u2019accessibilit\u00e9 tarifaire (les assistants sont en tant que tel gratuits mais n\u00e9cessitent d\u2019avoir des appareils pouvant les exploiter qui eux ont un co\u00fbt)<\/strong><\/td>Les assistants sont gratuits cependant ils n\u00e9cessitent l\u2019achat d\u2019une enceinte pour pouvoir leur parler de plus, le nombre d\u2019appareils fonctionnant avec est limit\u00e9 par les protocoles impos\u00e9s par les entreprises. Ce qui renforce le co\u00fbt car pour un usage en domestique, l\u2019achat est guid\u00e9 par la compatibilit\u00e9.<\/td>Les assistants sont gratuits cependant ils n\u00e9cessitent l\u2019achat d\u2019un appareil pour l\u2019impl\u00e9menter, beaucoup de ces assistants sont l\u00e9gers et peuvent s\u2019impl\u00e9menter dans un Raspberry Pi. Pour un usage domestique, il est beaucoup plus simple d\u2019utiliser les composants comme on veut. Que \u00e7a soit des produits d\u00e9j\u00e0 en vente sur les march\u00e9s ou que \u00e7a soit de cr\u00e9er ses propres appareils connect\u00e9s avec capteurs etc.<\/td><\/tr>
    La facilit\u00e9 d\u2019utilisation (Est-ce que l\u2019assistant est simple \u00e0 mettre en place, est ce que le compl\u00e9ter par des appareils connect\u00e9s est simple (kit d\u00e9j\u00e0 tout pr\u00eat ?)<\/strong><\/td>C\u2019est surement l\u2019avantage premier de ce genre de logiciel non libre, c\u2019est la facilit\u00e9 d\u2019utilisation et de mise en place. Tout est guid\u00e9, ces assistants vocaux sont parfaits pour des personnes non-f\u00e9rus d\u2019informatique et d\u2019\u00e9lectronique. <\/td>Ces logiciels sont souvent plus durs \u00e0 mettre en place. Il est n\u00e9cessaire d\u2019avoir quelques connaissances de base en informatique, \u00e9lectronique\/domotique. Les assistants libres les plus c\u00e9l\u00e8bres sont relativement simple (ex : MyCroft) mais d\u2019autres comme OpenJarvis sont beaucoup moins accessible au grand public.<\/td><\/tr>
    Modifiable et modulable (Peuvent-ils \u00eatre modifi\u00e9s, modul\u00e9s, personnalis\u00e9s ?)<\/strong><\/td>Ces logiciels sont difficilement voire carr\u00e9ment impossibles \u00e0 modifier et \u00e0 personnaliser.  Les entreprises ont quand m\u00eame chang\u00e9 un peu leur politique en d\u00e9voilant des API que les d\u00e9veloppeurs exploitent pour cr\u00e9er leurs propres modules. Cependant, ces modules sont limit\u00e9s par l\u2019API fournie et donc d\u00e9pendante de la volont\u00e9 de l\u2019entreprise.<\/td>Ces logiciels sont totalement modulable gr\u00e2ce \u00e0 la transparence dont fait par les cr\u00e9ateurs. De plus, cette libert\u00e9 permet de moduler l\u2019utilisation quasi \u00e0 volont\u00e9. <\/td><\/tr>
    Protocole d\u2019utilisation (WiFi)<\/strong><\/td>Ces assistants vocaux n\u00e9cessitent une connexion internet pour fonctionner (mis \u00e0 part la d\u00e9tection de mots cl\u00e9s. <\/td>Ces assistants vocaux fonctionnent pour la plupart \u00e0 l\u2019aide de connexion internet, mais cela n\u2019est pas syst\u00e9matique. (Rappel : certains programmes de reconnaissance vocale ou autre peut fonctionner off-line).
    De plus, les capteurs et appareils connect\u00e9s peuvent utiliser d\u2019autres protocoles de communication (bluetooth, Z-wave, EnOcean).<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
    <\/div>\n\n\n\n

    Comparatif entre les assistants vocaux Open Source (Cliquez sur l’image pour la voir en grand)<\/em><\/strong><\/h3>\n\n\n\n

    Comparatif de diff\u00e9rents assistants vocaux Open Source (MyCroft, Jasper, S.A.R.A.H, OpenJarvis, Linto, Rhasspy). Pour voir l’image, cliquez dessus.<\/strong><\/p>\n\n\n\n

    Nous avons choisi de travailler sur Rhasspy dans un premier temps car il s’agissait de l’assistant vocal le mieux document\u00e9, le plus accessible avec beaucoup de possibilit\u00e9s de personnalisation, et un plugin pour Jeedom.<\/p>\n\n\n\n

    \"\"<\/a><\/figure>\n\n\n\n
    \n
    <\/div>\n\n\n\n

    Tutoriel d’installation <\/h1>\n\n\n\n

    Sommaire :<\/strong><\/p>\n\n\n\n

    1. Mat\u00e9riel<\/a><\/li>
    2. Installation de RaspberryPi OS Lite<\/a><\/li>
    3. Installation de Rhasspy<\/a><\/li>
    4. Configuration de Rhasspy<\/a><\/li>
    5. Installation et configuration de Jeedom<\/a><\/li>
    6. Liaison entre Rhasspy et Jeedom<\/a><\/li>
    7. Usages<\/a><\/li><\/ol>\n<\/div><\/div>\n\n\n\n
      \n

      1. Mat\u00e9riel <\/h2>\n\n\n\n

      Le mat\u00e9riel n\u00e9cessaire est le suivant :<\/p>\n\n\n\n