Rhasspy на Ubuntu 24.04: пошаговая установка

MAATRIX

Если голосовое управление домом упирается в то, что записи с микрофона уходят в чужое облако — Google, Amazon или Яндекс — Rhasspy решает эту проблему: он распознаёт речь и голосовые команды полностью локально, без единого запроса наружу. Ниже — установка Rhasspy на Ubuntu 24.04 через Docker, с честным разбором того, где такой ассистент справляется хорошо, а где придётся добавить спутниковое устройство с микрофоном.

Что такое Rhasspy и почему для него нужен сервер, а не Raspberry Pi

Rhasspy — открытый офлайн-ассистент, который берёт на себя весь голосовой конвейер: распознавание речи (STT), определение намерения из фразы (intent recognition) и синтез ответа (TTS). Он не заменяет Home Assistant или Node-RED сам по себе — превращает голосовую команду в структурированное событие и передаёт его дальше по MQTT или HTTP webhook, а обвязку логики вы строите в привычной платформе автоматизации.

Ключевая идея проекта — «privacy by design»: ни звук, ни распознанный текст никуда не отправляются, если вы сами не настроили удалённый STT-движок. Это отличает Rhasspy от голосовых колонок с завода, где запись обычно уходит на сервер производителя даже для банального «включи свет».

Почему для этого стоит сервер, а не одноплатник дома: локальные модели распознавания речи и синтеза голоса — заметная нагрузка на CPU и RAM, особенно если брать точные модели вместо облегчённых. На Raspberry Pi распознавание фразы обычно занимает заметно больше времени, чем на сервере с несколькими ядрами в запасе — точные цифры сильно зависят от выбранных движков, здесь их не называю. Сервер также даёт стабильный IP и возможность держать рядом MQTT-брокер и Home Assistant без конкуренции за ресурсы одной платы.

Важная оговорка сразу: Rhasspy не заменяет физический микрофон в комнате — сервер в дата-центре звук из вашей гостиной не услышит. Рабочая схема — «спутник» (satellite) с микрофоном и колонкой дома, который ловит голос и wake word, а тяжёлую часть — распознавание и синтез — делает сервер. Разберём это в отдельной секции ниже.

Подготовка Ubuntu 24.04 и установка Docker

Если сервер только развёрнут, начните с базовой настройки — отдельный пользователь без root, SSH-ключи, firewall. Это подробно разобрано в статье про первичную настройку Ubuntu 24.04.

Ставим Docker Engine из официального репозитория — пакет из штатных репозиториев Ubuntu обычно старее и без docker compose plugin:

sudo apt update
sudo apt install -y ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

sudo apt update
sudo apt install -y docker-ce docker-ce-cli containerd.io docker-compose-plugin

Проверяем демон и добавляем пользователя в группу docker:

sudo systemctl enable --now docker
sudo usermod -aG docker $USER
newgrp docker
docker run --rm hello-world

Если сомневаетесь между Docker и LXC для этой роли — сравнение в статье Docker или LXC: что выбрать для сервера.

Установка Rhasspy через Docker Compose

На сервере без физического микрофона Rhasspy запускается как «мастер» (base station): принимает аудио от спутников по сети, гоняет его через STT/intent/TTS и отдаёт результат. Создаём рабочую директорию и compose-файл:

mkdir -p /opt/rhasspy/profiles
cd /opt/rhasspy
nano docker-compose.yml

Содержимое docker-compose.yml:

services:
  rhasspy:
    container_name: rhasspy
    image: rhasspy/rhasspy
    restart: unless-stopped
    ports:
      - "12101:12101"
      - "12183:12183"
    volumes:
      - ./profiles:/profiles
      - /etc/localtime:/etc/localtime:ro
    command: >
      --user-profiles /profiles
      --profile ru

Порт 12101 — веб-интерфейс, 12183 — встроенный MQTT-брокер Rhasspy по протоколу Hermes (тот же формат сообщений, что использовался в проекте Snips), через который спутники и Home Assistant будут обмениваться событиями. --profile ru сразу поднимает русскоязычный профиль — если нужен английский или другой язык, замените код на en и соответствующий.

Флаг --device /dev/snd:/dev/snd в compose-файле намеренно не указан: серверу в дата-центре звуковая карта не нужна, если весь захват звука идёт со спутника по сети. Добавляйте его только если планируете подключить USB-микрофон прямо к самому серверу — редкий случай для арендованной машины.

Запускаем и смотрим логи первого старта — Rhasspy при первом запуске скачивает базовые файлы профиля, это может занять несколько минут в зависимости от канала:

docker compose up -d
docker compose logs -f rhasspy

Как только в логах появится сообщение о запущенном веб-сервере, открывайте http://IP-сервера:12101.

Настройка профиля: STT, TTS, wake word и распознавание намерений

В веб-интерфейсе Rhasspy вкладка Settings — это конструктор из независимых движков под каждый этап конвейера. Для полностью офлайн-режима на сервере разумный практичный набор:

После выбора движков нажмите «Download» рядом с профилем — Rhasspy подтянет недостающие файлы моделей в директорию /opt/rhasspy/profiles/ru. Дальше на вкладке Sentences описываются шаблоны фраз в формате, близком к JSGF-грамматике:

[IncludiSvet]
включи (свет | освещение) [в (кухне | спальне | гостиной)] {room}

[VyklySvet]
выключи (свет | освещение) [в (кухне | спальне | гостиной)] {room}

Каждый такой блок после сохранения и «Train» превращается в intent с именем (IncludiSvet) и слотом (room), который прилетит в Home Assistant или Node-RED как JSON-событие. Это удобнее, чем обучать нейросетевую модель на своих командах — правило работает предсказуемо с первой фразы, без датасета.

Честно: качество офлайн-распознавания на русском у Rhasspy заметно скромнее, чем у облачных решений или локального Whisper — модели русского профиля не так проработаны, как для английского. Для короткого фиксированного набора команд этого достаточно; для свободной речи стоит присмотреться к голосовому боту через Whisper или к голосовому ассистенту на локальной модели как к альтернативному STT-движку внутри того же Rhasspy — он умеет работать и с внешним HTTP STT-эндпоинтом вместо встроенного.

Спутник с микрофоном: архитектура master/satellite и доступ к дому

Здесь та же физика, что и в любой связке «сервер в дата-центре плюс железо дома»: сервер не слышит микрофон, которого физически рядом нет. Rhasspy решает это режимом satellite — отдельный лёгкий инстанс (обычно на Raspberry Pi с USB-микрофоном и колонкой) слушает wake word локально, а после срабатывания стримит аудио на сервер по MQTT.

Схема выглядит так:

• Дома: Raspberry Pi запускает свой Rhasspy в режиме сателлита — тот же Docker-образ, но профиль настроен так, чтобы STT, Intent Recognition и TTS работали «удалённо» через MQTT на внешний брокер.
• Между домом и сервером: сайт-ту-сайт туннель WireGuard, чтобы MQTT-трафик (порт 12183) не торчал в открытый интернет. Настройка туннеля — в статье WireGuard на Ubuntu 24.04.
• На сервере: базовый Rhasspy принимает поток аудио, гонит через STT → intent → (если нужно) TTS и публикует итоговое intent-событие обратно в MQTT — спутник забирает синтезированный ответ и проигрывает его через колонку.

В настройках профиля спутника на вкладках Speech to Text, Intent Recognition и Text to Speech переключаете источник с «Local» на «Hermes MQTT» и указываете адрес сервера и порт 12183. Wake word остаётся локальным на спутнике — гонять по сети непрерывный поток звука ради ожидания одного слова расточительно, а короткую команду после срабатывания — уже нормально.

Если основа умного дома у вас уже держится на MQTT-брокере для Zigbee-устройств, взгляните на статью про Zigbee2MQTT на Ubuntu 24.04 — часто оба сервиса удобно держать на одном сервере, используя общий брокер вместо встроенного в Rhasspy.

Интеграция с Home Assistant, HTTPS и защита доступа

Rhasspy отдаёт intent-события через HTTP webhook или через тот же MQTT — под Home Assistant есть готовая интеграция «Rhasspy», которая подписывается на события и превращает их в срабатывания автоматизаций. Установка самого Home Assistant на сервере разобрана в статье Home Assistant на Ubuntu 24.04 — если он ещё не поднят, начните оттуда.

После добавления интеграции укажите адрес Rhasspy (http://rhasspy:12101 при общей docker-сети или прямой IP) — дальше каждый intent из шаблонов Sentences появится в Home Assistant как событие rhasspy_intent, на которое вешаются обычные автоматизации через Node-RED или встроенный редактор.

Веб-интерфейс на порту 12101 лучше не светить наружу напрямую — это управление вашим домом. Ставим reverse proxy с автоматическим HTTPS, например на Caddy (подробная настройка — в статье Caddy с авто-SSL на Ubuntu 24.04):

rhasspy.example.com {
    reverse_proxy 127.0.0.1:12101
}

Firewall ограничиваем так, чтобы наружу торчали только 80/443 для прокси и WireGuard-порт для туннеля к спутнику, а прямой доступ к 12101 и 12183 — только с localhost и из VPN-подсети:

sudo ufw allow 80/tcp
sudo ufw allow 443/tcp
sudo ufw deny 12101/tcp
sudo ufw deny 12183/tcp

Бэкап у Rhasspy нештатный — важен весь каталог /opt/rhasspy/profiles, там лежат и обученные Sentences, и скачанные модели. Общий подход к автоматическим бэкапам директорий сервера — в статье автоматические бэкапы на Ubuntu 24.04: достаточно добавить этот путь в список того, что копируется по расписанию.

Частые вопросы