Home Assistant实现真正本地化语音控制需端到端闭环，DeepSeek可替代云端LLM完成意图解析与指令生成，路径包括：一、通过Extended OpenAI Conversation直连DeepSeek API；二、用Environment Variable插件注入参数并绑定定制Prompt；三、本地部署Ollama运行DeepSeek-Coder并反向代理；四、结合FunASR与Piper构建全离线STT/TTS环路。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在Home Assistant中实现真正本地化、高响应、强隐私的语音控制能力，但当前系统仍依赖Google Assistant或Alexa等外部云服务，则很可能是由于语音识别、语义理解与设备控制链路未完成端到端本地闭环。DeepSeek作为高性能国产大语言模型，可替代云端对话引擎，承担意图解析、上下文管理与指令生成的核心任务。以下是将DeepSeek接入Home Assistant并用于智能家居控制的多种可行路径：
一、通过Extended OpenAI Conversation插件直连DeepSeek API
该方法利用兼容OpenAI API规范的集成插件，将DeepSeek作为远程LLM后端调用，无需本地部署模型，适合中等算力设备且对延迟容忍度较高的场景。其核心在于复用标准API接口协议，使HA能将自然语言指令转发至DeepSeek，并接收结构化响应以触发设备动作。
1、进入HACS界面，点击右上角“三点”图标，选择“Custom repositories”，输入仓库地址：https://github.com/jekalmin/extended_openai_conversation，类型选“Integration”，添加后安装插件。
2、重启Home Assistant，在“设置→设备与服务→添加集成”中搜索并添加“Extended OpenAI Conversation”。
3、在configuration.yaml中添加环境变量配置段落：environment_variable: OPENAI_BASE_URL: "https://api.deepseek.com/v1"，保存后再次重启。
4、进入该集成配置页，填写模型名称（如deepseek-chat）、API Key（从DeepSeek官网获取），Base URL留空（由环境变量覆盖），提交保存。
5、前往“设置→语音助手→添加助手”，选择代理为“Extended OpenAI Conversation”，完成创建并启用。
二、使用Environment Variable插件注入DeepSeek参数并绑定自定义Prompt
此方案强化了指令约束与设备上下文注入能力，通过预置结构化提示词模板，引导DeepSeek严格按Home Assistant实体语法生成服务调用指令，显著提升设备控制准确率，避免自由生成导致的误操作风险。
1、在HACS中添加自定义仓库：https://github.com/Athozs/hass-environment-variable，安装“Environment Variable for Home Assistant”插件并重启。
2、编辑configuration.yaml，在末尾追加以下内容：environment_variable: OPENAI_API_KEY: "sk-xxx", OPENAI_BASE_URL: "https://api.deepseek.com/v1"（请替换sk-xxx为真实密钥）。
3、进入Extended OpenAI Conversation配置页，在“Prompt Template”字段粘贴定制化模板：I want you to act as a smart home manager of Home Assistant. You will only generate valid Home Assistant service calls in YAML format, using exact entity_id and service names from the list below. Never invent devices or services. Current time: {{ now() }}. Available devices: {% for state in states %}{% if state.entity_id starts with 'light.' or state.entity_id starts with 'switch.' %}{{ state.entity_id }} ({{ state.state }}){% endif %}{% endfor %}。
4、保存配置，重启HA，确保新Prompt在日志中生效。
三、本地部署DeepSeek推理服务并反向代理接入
该方式彻底切断对外网络依赖，所有LLM推理均在局域网内完成，适用于对数据主权要求极高的家庭环境。需在NAS或x86主机上部署Ollama或vLLM容器，加载DeepSeek-VL或DeepSeek-Coder量化版本，再通过Nginx反向代理暴露符合OpenAI格式的API端点供HA调用。
SumiNote
一款服务留学生的AI学习神器
下载
1、在Ubuntu主机执行：curl -fsSL https://ollama.com/install.sh | sh，安装Ollama运行时。
2、拉取轻量级模型：ollama run deepseek-coder:1.3b-q4_K_M（支持代码与指令理解，内存占用低于1.5GB）。
3、配置Nginx反向代理，将/v1/chat/completions路径映射至http://localhost:11434/v1/chat/completions，启用proxy_set_header保留原始Host头。
4、修改HA中OPENAI_BASE_URL为http://192.168.1.100/v1（替换为实际Nginx服务器IP），确保HA主机能访问该地址。
5、测试curl命令：curl -X POST http://192.168.1.100/v1/chat/completions -H "Content-Type: application/json" -d '{"model":"deepseek-coder:1.3b-q4_K_M","messages":[{"role":"user","content":"打开客厅灯"}]}'，确认返回有效JSON响应。
四、结合本地STT与TTS构建全链路离线语音环路
仅替换LLM层不足以达成真正离线语音控制，必须同步替换语音识别与合成环节。本方案采用FunASR进行实时语音转文本，Piper TTS生成中文语音，再经由MQTT桥接至HA事件总线，形成从“说出口”到“听回应”的完整闭环，全程无外网流量。
1、在Linux主机部署FunASR服务：克隆官方仓库，执行pip install funasr，启动funasr_server.py监听0.0.0.0:10086端口。
2、下载Piper中文模型：wget https://github.com/rhasspy/piper/releases/download/v1.2.0/piper_am-zh.tar.gz，解压后运行piper --model zh_CN-huayan-medium.onnx --port 5000。
3、编写Python脚本监听HA MQTT主题homeassistant/speech/input，接收音频流后调用FunASR返回文本，再送入Extended OpenAI Conversation处理，最终将回复文本POST至Piper接口获取WAV流。
4、将WAV流发布至homeassistant/speech/output主题，由HA前端播放组件订阅并自动播放。
5、在HA中禁用所有云语音服务，确保“语音助手→首选STT/TTS”选项指向本地MQTT集成。