- Tres enfoques reales: chat con GPT, voz local + LLM remoto y asistente 100% local en Raspberry Pi.
- Piezas clave: Vosk, Faster‑Whisper, modelos ligeros (Qwen3, Gemma3), y front‑end tipo Nuxt.
- Hardware práctico: Raspberry Pi 4/5, micrófonos (PlayStation Eye), pantalla GPIO y red fiable.
- Seguridad: actualizaciones, segmentación de red y cifrado para proteger el entorno IoT.
Transformar una Raspberry Pi en un asistente personal de IA es hoy más viable que nunca y, si te apetece cacharrear, las opciones van desde soluciones conectadas a la nube hasta proyectos 100% locales. En este recorrido vas a encontrar ejemplos reales, requisitos, software clave y matices técnicos para que elijas el enfoque que mejor encaja con tu equipo y tus objetivos.
En los últimos meses han aparecido proyectos muy distintos entre sí: desde un asistente sencillo que se ejecuta en el navegador y tira de un modelo de lenguaje alojado en la nube, hasta propuestas que funcionan íntegramente en una Raspberry Pi 5 con 16 GB, con activación por palabra clave, transcripción y LLM corriendo en la placa sin dependencias externas. Te los contamos uno a uno, con detalles prácticos y recomendaciones de seguridad.
Qué es un asistente personal de IA en Raspberry Pi y cómo encaja en tu hogar
Un asistente personal de IA en Raspberry Pi combina captura de audio, reconocimiento de voz, comprensión del lenguaje y respuesta hablada o visual, orquestando sensores, conectividad y un modelo lingüístico para atender comandos y consultas. Puede responder a preguntas, controlar dispositivos domésticos, mostrar información contextual o ejecutar automatizaciones.
La gracia de usar una Pi está en el control y el coste: personalización total y hardware asequible. Según el enfoque, el asistente puede funcionar con un modelo en la nube (más potencia y menos consumo local) o con un stack completamente local (más privacidad y menor latencia a Internet, pero con límites de rendimiento).
RaspiGPT: un asistente sencillo basado en GPT para consultas sobre Raspberry Pi
Un ejemplo claro del enfoque conectado a la nube es RaspiGPT, una herramienta creada para integrarse en un entorno tipo PiCockpit, pensada para contestar dudas relacionadas con Raspberry Pi y temas afines a la tecnología. Está diseñada como una aplicación web con un campo de texto para escribir mensajes y botones para crear, renombrar, denunciar o borrar chats.
Para levantar tu propia variante necesitas una clave de la API de OpenAI, sin este token el asistente no podrá generar respuestas. La aplicación está orientada a la temática Pi, pero puede responder a otras cuestiones con el recordatorio de que su foco principal sigue siendo el ecosistema Raspberry Pi.
Preparación del entorno e instalación de dependencias
RaspiGPT se puede ejecutar en una Raspberry Pi 4, aunque cualquier sistema con Node.js funcionará igual, lo importante es contar con Node.js, npm y yarn correctamente instalados. El primer paso suele ser clonar el repositorio desde GitHub en tu directorio de trabajo.
Después, instala Node.js desde su página de descargas escogiendo el paquete apropiado a tu arquitectura; en una Raspberry Pi 4 encaja la variante ARMv8. Una vez descargado, extrae e instala el paquete siguiendo los pasos habituales de la distribución que uses en tu Pi.
Comprueba que la instalación ha ido bien mirando la versión de Node.js y de npm; si los comandos de versión no devuelven lo esperado, revisa la instalación. Si te surge alguna duda, el archivo README del proyecto amplía las instrucciones con más detalle.
Con Node y npm listos, instala yarn, el gestor que facilitará la instalación de dependencias y los scripts de construcción. A partir de ahí, el entorno está preparado para construir y ejecutar la aplicación.
Configurar la clave de API y construir la app
Ve a la sección de claves API de tu cuenta de OpenAI y genera una nueva. Puedes apodarla, por ejemplo, "RaspiGPT-Key" para identificarla cómodamente. Copia el valor y pégalo en la línea correspondiente del archivo de configuración de la app (en este caso, dentro de "nuxt.config.ts").
Una vez configurado el token, lanza los scripts de instalación, construcción y arranque desde el directorio del proyecto (por ejemplo, "gpt-demo"). Estos scripts instalan dependencias, compilan y ponen a funcionar la app. No es necesario escribir código adicional para tener lo básico en marcha.
Puesta en marcha y uso en local
Al final del proceso, el asistente queda alojado en tu máquina y podrás abrirlo en "http://localhost:3000". La respuesta se transmite en streaming mientras se genera, lo que hace más fluida la experiencia. En el proyecto original se preveía un vídeo demostrativo que se publicaría más adelante para mostrar la app en acción.
Con este enfoque obtienes un asistente tipo chat con interfaz web lista para usar, ideal para resolver dudas sobre Raspberry Pi directamente desde tu navegador. Es una solución ligera y directa si no te importa depender de la API de OpenAI para la generación de respuestas.
ASRAI: asistente por voz en Raspberry Pi 4 con VOSK y un LLM accesible vía Ollama
Si te va más la interacción por voz, hay un proyecto llamado ASRAI que combina una Raspberry Pi 4 Modelo B con una cámara Sony PlayStation Eye y una pantalla GPIO de 3,5 pulgadas, convirtiendo la placa en un asistente personal con captura de audio multicanal. La PlayStation Eye es especialmente golosa porque integra un array de cuatro micrófonos fácil de desmontar e integrar en la Pi, y de segunda mano ronda unos 4 dólares.
En este diseño, el reconocimiento de voz ocurre localmente en la Pi usando VOSK, así la activación y la captura no dependen de la nube. Para la generación de lenguaje, la Pi se conecta a un modelo grande alojado en otro ordenador a través de un endpoint compatible con OpenAI (expuesto con Ollama).
Gracias a Meshnet de NordVPN, el creador puede acceder a ese endpoint desde cualquier parte, logrando una arquitectura flexible que separa el reconocimiento local del modelo de lenguaje remoto. Es un equilibrio razonable: el audio y la activación se procesan en casa y el LLM de mayor tamaño se ejecuta donde hay más músculo.
Para redondear la experiencia, el asistente muestra una imagen distinta cuando "duerme" y cuando está "escuchando"; si reproduces el proyecto, puedes cambiar esas imágenes a tu gusto. Eso sí, prepara impresora 3D y soldador, porque hacen falta en el montaje.
En la misma línea, otros autores han probado a convertir su Raspberry Pi en asistente de IA y han evaluado varios modelos en Raspberry Pi 5, de modo que hay referencias prácticas para medir expectativas de rendimiento en la plataforma más reciente. El abanico de posibilidades crece si combinas voz, pantalla y automatización.
Max Headbox: todo en local en una Raspberry Pi 5 con 16 GB
En el extremo opuesto, Max Headbox destaca por funcionar completamente en local en una Raspberry Pi 5 con 16 GB de RAM, sin mandar nada fuera: palabra clave, transcripción y modelo de lenguaje corren en la propia placa. Aquí no hay dependencia de Internet para operar.
Para conseguirlo, el proyecto recurre a Vosk para la detección de la palabra de activación, Faster-Whisper para la transcripción y modelos ligeros como Qwen3 y Gemma3, adaptados para aprovechar al máximo el hardware de la Pi 5. Esa combinación hace viable la experiencia pese a las limitaciones de cómputo.
Uno de sus rasgos más simpáticos es una interfaz con rostro animado, que humaniza la interacción y da feedback visual del estado del asistente. Si te interesa replicarlo, su autor ha publicado detalles técnicos y código fuente tanto en su blog como en GitHub.
Aunque no alcanza la potencia de los grandes modelos en la nube, resulta idóneo para tareas domésticas sencillas: consultar el tiempo, encender luces o ejecutar pequeñas automatizaciones preservando la privacidad. Si lo que buscas es cero dependencia externa, este enfoque encaja como un guante.
El creador también compartió que el proyecto funciona sobre una Pi 5 de 16 GB y emplea variantes como Qwen3:1.7b y Gemma3:1b, demostrando que con modelos compactos y optimizados se puede lograr una experiencia útil. Es una ruta ideal si valoras la soberanía de tus datos por encima de todo.
Raspberry Pi 5: hardware, sensores y conectividad al servicio del asistente
Raspberry Pi 5 ofrece un salto interesante en rendimiento y sigue siendo comedida en consumo, lo que la convierte en base sólida para asistentes con más ambición. Su arquitectura ARM corre sistemas ligeros con solvencia y lleva bien la multitarea cuando se combina con memoria suficiente.
En el apartado sensórico, los micrófonos y la cámara son claves si vas a trabajar con voz e imagen, mientras que una pantalla pequeña en el GPIO puede servir para estados, indicadores o respuestas breves. De nuevo, el caso de la PlayStation Eye con su array de 4 micrófonos es una jugada maestra por precio y facilidad.
La conectividad Wi‑Fi y Bluetooth integradas permiten conectar con otros dispositivos del hogar, así como con brokers, APIs o servicios locales que quieras orquestar. Con esto puedes ampliar el alcance del asistente a domótica, notificaciones o sensores distribuidos.
Cadena de procesamiento de voz y alternativas de software
En un asistente típico por voz hay varias etapas que deben encajar como un guante, desde la palabra de activación hasta la síntesis de la respuesta. Elegir bien las piezas te ahorrará dolores de cabeza más adelante.
Para la activación y el reconocimiento, Vosk es una opción popular en la Pi por su rendimiento local, y Faster-Whisper acelera la transcripción con modelos optimizados. Si prefieres otras rutas, también se usan bibliotecas como Google Speech Recognition o PocketSphinx según el proyecto.
Una vez tienes texto, entra el modelo de lenguaje: puedes apuntar a un endpoint compatible con OpenAI servido por Ollama en otra máquina, o cargar un modelo compacto en la propia Raspberry Pi si tu prioridad es no depender de Internet. Aquí el equilibrio es entre calidad de respuesta y recursos disponibles.
Para la voz de salida, librerías como pyttsx3 permiten síntesis en local sin quebraderos de licencias, aunque también puedes optar por voces cloud si aceptas el intercambio privacidad‑calidad. En pantalla, un rostro animado o estados visuales aportan claridad al usuario.
Si lo tuyo es el desarrollo web, un front-end con una app tipo Nuxt facilita una experiencia de chat limpia, y la transmisión en streaming del texto mejora la percepción de rapidez. Es el planteamiento que viste en el asistente estilo RaspiGPT.
Buenas prácticas de seguridad y mantenimiento en proyectos IoT
Al abrir servicios y conexiones en casa, la seguridad es tan importante como la funcionalidad, sobre todo si expones endpoints o aceptas tráfico de redes externas. Mantener el sistema y las librerías al día reduce el riesgo de exploits conocidos.
Segmenta la red si es posible: tener una VLAN o SSID separado para dispositivos IoT minimiza el impacto de un incidente, y limita la superficie de ataque sobre tus equipos personales. No cuesta tanto y marca una diferencia notable.
Activa cifrado en las comunicaciones entre dispositivos y utiliza autenticación robusta en endpoints y paneles, evitando contraseñas por defecto y tokens sin caducidad. Si orquestas desde fuera, revisa con lupa reglas de cortafuegos y túneles.
En el mundo IoT hay vulnerabilidades frecuentes; conviene estar al día de CVEs relevantes. Por ejemplo, han sido referenciadas CVE‑2021‑22945 y CVE‑2021‑22946 en contextos relacionados, y seguir estos avisos te ayuda a anticipar mitigaciones.
¿Local, mixto o nube? Elegir el enfoque adecuado
Si priorizas privacidad y autonomía, la ruta "todo local" tipo Max Headbox es tu aliada, con la contrapartida de un rendimiento más modesto en modelos de lenguaje. Para tareas domésticas sencillas, va sobrada.
Si buscas más potencia en la generación, el enfoque mixto como ASRAI encaja genial: la voz se resuelve en la Pi y el LLM corre en una máquina más potente accesible por API. Es un buen compromiso entre calidad y control.
Si quieres empezar rápido con una interfaz cuidada y mínima fricción, la vía del asistente estilo RaspiGPT te sacará de dudas, siempre que aceptes depender de la API de OpenAI para las respuestas. Perfecto para consultas técnicas y flujos de chat.
Orientación para quien se inicia: un asistente doméstico por voz y en local
Si estás arrancando y te preocupa que tus conversaciones no salgan de casa, toma como referencia lo que ya se ha probado: combinaciones con Vosk para activación, Faster‑Whisper para transcripción y un LLM compacto funcionan bien en Pi 5. Empieza con funciones básicas como clima, temporizadores y luces.
La clave está en modular: añade primero el "wake word" y la transcripción, y una vez estable, integra el modelo de lenguaje y la voz de salida. Así podrás aislar problemas y mantener la experiencia usable desde el minuto uno.
Si te quedas corto de rendimiento, considera mover el LLM a un PC y exponerlo con un endpoint compatible con OpenAI mediante Ollama, uniéndolo a través de tu red o con soluciones como Meshnet para acceso remoto. Te dará aire sin ceder completamente la privacidad.
Cuando avances, piensa en la experiencia de usuario: una pantalla pequeña con estados o un rostro animado, como el de Max Headbox, aporta cercanía y claridad sobre lo que "piensa" el asistente. Los detalles visuales importan más de lo que parece.
Con todo este material, ya tienes sobre la mesa tres caminos bien documentados: un asistente web apoyado en GPT con streaming de respuestas, un sistema por voz que reconoce localmente y delega el LLM por API, y una propuesta todo‑en‑uno que vive íntegramente en la Raspberry Pi 5; elige según tu prioridad entre privacidad, potencia y sencillez de puesta en marcha, y no olvides blindar el proyecto con buenas prácticas de seguridad.