Anleitung: Freie Amazon-Alexa-Alternative selber bauen

Amazon bietet mit Alexa und Echo sicherlich die bekannteste Sprachsteuerung, aber es gibt auch Alternativen. Und das nicht nur von Google, sondern auch in der Open-Source-Welt: Mit Jarvis verwandelt Ihr einen Raspberry Pi erstaunlich einfach in einen solchen Sprachcomputer, der Antworten geben, Web-Inhalte abfragen und beliebige Aktionen auslösen kann. Absolut Einsteiger-tauglich!

Übersicht der Anleitung

Vorweg: Jarvis bitte nicht mit Jasper verwechseln – Jarvis ist das mit der französischen Webseite, Jasper das Ding, das nervt.

Das ganze Prozedere ist ziemlich einfach, erfordert aber viele Klicks – und da wir hier jeden Schritt samt Bild zeigen, ist die Anleitung extrem lang. Aber keine Sorge: Die meisten Screens verlangen einfach nach einem Klick auf einen OK-Button. Geteilt ist das ganze in mehrere Phasen: API-Keys (was das ist, kommt später) für Microsoft Bing besorgen, SD-Karte mit Raspbian bespielen, Jarvis installieren, Jarvis starten und nutzen, Plug-ins installieren, eigene Kommandos erstellen.

Was dabei rauskommt: Am Ende könnt Ihr einfache Frage-Antwort-Paare eingeben (Du: Wie heiße ich? Jarvis: Trötentom.), die Wikipedia abfragen, Webseiteninhalte vorlesen lassen und noch ein wenig Kleinkram. Das Beste: Ihr könnt Skripte starten und somit alles steuern!

Voraussetzungen: Raspberry Pi (wir haben eine 2er Version genutzt), SD-Karte mit 16 Gigabyte (eventuell reichen auch 8 GB), USB-Mikrofon, Lautsprecher. Zugreifen könnt Ihr entweder über SSH, oder Ihr schließt einfach Maus und Tastatur an und hängt den Raspi per HDMI an einen Monitor/Fernseher.

UPDATE: Gerade mal durchprobiert: Jarvis funktioniert auch einwandfrei auf einem (hier virtuellen) Linux Mint, ganz ohne Raspberry Pi. So eignet sich Jarvis auch als Steuerung für den normalen Rechner! Einzige Einschränkung: Die Hotword-Engine Snowboy (Schritt 20) gibt es nur für Raspbian als fertiges Paket. Wählt stattdessen einfach eine der beiden anderen Optionen.

UPDATE 2: Wenn Ihr mit der Installation Erfolg habt – hier zeigen wir Euch, wie Ihr mit dem System eine Sprachsteuerung für Kodi (oder sonstwas) bastelt.

Die Kurzversion: Erfahrene Nutzer können auch gleich die Kurzversion nehmen, da der Großteil wie gesagt aus einem Setup-Wizard mit vielen Bestätigungsfenstern besteht.

1. Raspbian in Jessie-Version mit Win32 Disk Imager auf SD-Karte flashen.
2. Dateisystem über raspi-config erweitern.
3. Jarvis aus git klonen.
4. Bing API-Keys besorgen (für nächsten Schritt).
5. Jarvis über jarvis/jarvis.sh installieren
6. Jarvis über jarvis starten.
7. Wikipedia-Abfrage über Plug-ins installieren.
8. Befehls-Syntax über den Bereich Commands anschauen; und vorletzten Schritt anschauen.

Noch ein wichtiger Hinweis: Wenn Ihr in einem Menü im Setup-Wizard auf Cancel klickt, landet Ihr nicht im vorherigen Menü! Der Schritt wird übersprungen und Ihr müsst den Wizard komplett neu durchlaufen oder nachträglich manuell erledigen. Wenn Jarvis nach der Installation startet, bekommt Ihr ein grafisches Menü samt Konfiguration.

Da viele Schritte ziemlich trivial sind, verzichten wir dann auf weiteren Text – Überschrift und Bildunterschrift sollten genügen.

Übrigens: Wir halten uns durchweg an die Empfehlungen der Entwickler – das müssen für Eure Zwecke nicht die besten Settings und Engines sein! Aber so bekommt Ihr auf jeden Fall ein laufendes System. Anpassen und umstellen und experimentieren solltet Ihr später.

1. API-Keys besorgen

Jarvis kann diverse Backends für die Spracherkennung verwenden, standardmäßig ist das Bing. Und damit Programme auf Services zugreifen dürfen, brauchen sie sehr häufig solche API-Keys (Schnittstellen-Schlüssel), um sich zu authentifizieren. Für Bing ruft zunächst die Seite für die Keys auf und wechselt zum Reiter Speech:

Meldet Euch mit einem Konto an:

Und kopiert Euch die beiden Keys, Ihr benötigt nur einen davon – allerdings erst später.

2. Raspbian aufspielen

Für diese Anleitung haben wir gemäß (veralteter) Empfehlung das alte Raspbian auf Debian-Jessie-Basis verwendet. Da später ein Upgrade durchgeführt wird, wird vermutlich auch die aktuelle Version funktionieren. Legt also eine SD-Karte ein, öffnet den Win32 Disk Imager, wählt als Device die Karte, als Image die entpackte Raspbian-IMG-Datei und startet den Schreibvorgang mit Write.

Stöpselt jetzt Netzwerk, Mikrofon, SD-Karte und letztlich Strom in den Raspie und wartet den Start ab. Die Login-Daten sind übrigens: Nutzer „Pi“, Passwort „Raspberry“.

3. Dateisystem erweitern

Standardmäßig verwendet Raspbian leider nur 4 Gigabyte der Karte – was für die Installation nicht genügt. Öffnet einen Terminal und ruft die Raspi-Konfiguration über

raspi-config

auf. Gleich der erste Punkt Expand filesystem weitet die Partition auf den gesamten Speicherplatz aus. In solchen Menüs navigiert Ihr mit den Pfeiltasten, setzt Häkchen mit der Leertaste und bestätigt mit Enter.

4. Jarvis installieren

Um jarvis herunterzuladen, bemüht Ihr folgenden Befehl:

git clone https://github.com/alexylem/jarvis.git

Damit wird Jarvis in das Verzeichnis jarvis heruntergeladen. Wechselt dorthin und startet das Installationsskript:

cd jarvis/
./jarvis.sh

5. Setup-Wizard startet

6. Sprache wählen

Die Beispiele sind auf Französisch, teils auf Englisch – falls Ihr eines davon beherrscht, bleibt vorerst dabei. Aber Deutsch funktioniert natürlich auch.

7. Warnhinweis

Der Wizard selbst ist komplett auf Englisch.

8. Nutzernamen vergeben

9. Lautsprecher-Test

Jarvis spielt ein Geräusch, eine Art Applaus oder so – wenn Ihr etwas hört, bestätigt. Falls nicht, müsst Ihr „card“ und „device“ selbst angeben. Welche es gibt, zeigt Euch der Dialog aber auch an. Wie das aussieht, seht Ihr gleich beim selben Dialog für das Mikrofon.

10. Mikro-Test 1

Hier bestätigt Ihr und redet anschließend drei Sekunden lang ins Mikro, am besten laut und deutlich! Ist alles OK, wird, was Ihr gesprochen habt wiedergegeben. Wenn nicht, müsst Ihr manuell Hand anlegen:

11. Mikro-Test 2

In dem kurzen Dialog gebt Ihr card und device über die eingeblendeten Ziffern an und bestätigt:

12. Mikro-Test 3

Wenn die Kombination das Mikro findet, folgt der 3-Sekunden-Reden-Dialog. Wenn nicht, gehts wieder zurück zu den Ziffern.

13. Mikro-Test 4

Irgendwann solltet Ihr etwas hören – zumindest fragt Jarvis danach – bestätigt.

14. Mikro-Konfiguration beginnt

15. Stille wird bestimmt

Zunächst wird dem Mikrofon gezeigt, was in Eurem Raum Stille ist. Also bestätigen und dann drei Sekunden absolute Stille! Es kann hier zu einer Warnmeldung kommen, dass es nicht leise genug ist. In dem Fall könnt Ihr die Empfindlichkeit herunterschrauben. Wie diese Dialoge aussehen, seht Ihr gleich bei der Sprach-Empfindlichkeit, das sind nämlich dieselben.

16. Sprach-Empfindlichkeit

Dieses mal bestätigt Ihr und redet dann wieder drei Sekunden laut und deutlich in das Mikrofon.

17. Fehlermeldung

Wenn Ihr zu leise seid, solltet Ihr es zunächst noch einmal versuchen und das Mikro gegebenenfalls näher heran holen. Ansonsten versucht es mit einer Erhöhung der Lautstärke über Increase microphone gain:

18. Gain erhöhen

Erhöht sachte in 5er Schritten und bestätigt. Wieder wiederholt Ihr diesen Schritt, bis alles sitzt.

19. Mikro-Konfiguration endet

20. Hotword-Engine

Das Hotword ist das Aktivierungswort (bei Amazon „alexa“). Installiert die vorgegebene Software snowboy.

21. snowboy-Installation

22. snowboy-Installation 2

23. snowboy-Konfiguration 1

24. snowboy-Konfiguration 2

Bleibt zunächst beim vorgegebenen snowboy – das funktioniert gut, ändern könnt Ihr später.

25. STT-Engine

Jetzt wählt Ihr die Speech-To-Text(SST)-Engine, die für die Erkennung Eurer Sprache zuständig ist. Bleibt auch hier beim vorgegebenen bing. Eine Übersicht der Unterschiede findet Ihr auf der Jarvis-Homepage.

26. API-Key einfügen

Hier kommt nun der kopierte API-Key ins Spiel.

27. TTS-Engine

Nun folgt die Wahl der Text-To-Speech(TTS)-Engine, schließlich soll Jarvis ja nicht nur zuhören, sondern auch antworten. Bleibt bei der Vorgabe svox_pico.

28. svox_pico-Installation

29. Update und Upgrade

Direkt nach der svox_pico-Installation startet der Wizard ein Upgrade – das kann schon mal zwei Stunden dauern! Statusmeldungen bekommt Ihr nicht unbedingt, also Geduld …

30. Installation fertig

31. Und nochmal: Fertig.

32. Jarvis starten 1

Startet nun Jarvis aus dem Terminal mit dem Befehl

jarvis

und wählt im Menü, natürlich, Start Jarvis.

33. Jarvis starten 2

Startet normal …

34. Jarvis nutzen

Jarvis startet mit einer simplen Statusmeldung im Terminal und listet freundlicherweise alle Befehle auf. Blöd nur: Die Sprachversion muss stimmen. Bye bye zum Beenden funktioniert hier bei allen Sprachen und auch test sollte eine Antwort bringen. Aber erst mal: Denkt dran snowboy zu sagen, damit Euch zugehört wird! Tipp: Wenn die Kommandos nicht ordentlich verstanden werden oder nur der letzte Teil davon, versucht es mal mit etwas wie „hey“ davor – das triggert das Zuhören an, stört aber das Kommando nicht.
Zum Beenden versucht bye bye oder drückt Strg+C im Terminal.

35. Plugins installieren

Jarvis kann mit Plugins erweitert werden. Sonderlich viele gibt es leider nicht, und viele davon sind auch noch auf Französisch, aber immerhin. Das Wikipedia-Plugin gibt es nur auf Englisch – also müsst Ihr als Sprache in Jarvis auch Englisch einstellen (im ersten Jarvis-Menü über „Settings“).

Startet Jarvis erneut und wählt den Punkt Plugins und anschließend Browse zum Stöbern.

36. Wikipedia-Abfrage

Lasst einfach alle Plugins anzeigen und sucht die Wikipedia-Erweiterung. Zum Installieren müsst Ihr wieder nur ein paar mal bestätigen. Anschließend könnt Ihr Wikipedia-Abfragen wie folgt anstoßen: Give me the definition of SOMETHING – versucht es statt SOMETHING mit „train“, das funktioniert gut und ist kurz.

37. Eigene Kommandos

Wenn Ihr im Jarvis-Menü den Punkt Commands anwählt, öffnet sich einfach eine Textdatei im Editor nano. Die Syntax ist ganz popelig einfach:

mein name== say „Was soll ich sagen, Alter?“

Wenn Ihr also mein name ins Mikro säuselt, pampt Jarvis mit Was soll ich sagen, Alter? zurück. Und es lassen sich auch Befehle innerhalb des Antworttexts nutzen:

lies vor== say „Auf der Website steht heute $(curl Und jetzt tschüss.“

Der curl-Befehl lädt die angegebene URL herunter. Sofern sich dort reiner Text befindet, funktioniert das so ziemlich gut. Bei echten (HTML-)Webseiten ließe sich das weiterspinnen und beispielsweise nach Suchworten filtern und von HTML nach Text umwandeln:

lies vor== say „$(curl | html2text | grep -A5 „Mein Suchbegriff“)“

Man kann also auch Pipes innerhalb der Antwort nutzen. Hier würde erst mit html2text in menschenlesbaren Text gewandelt und anschließend mit grep nach einem Suchwort gefahndet (und mit -A5 würden die folgenden 5 Zeilen ausgegeben). Wenn Ihr also lies vor ins Mikro sagt, antwortet Jarvis mit dem heruntergeladenen, konvertierten und gefilterten Text.

Skripte: Ihr könnt auch Skripte starten – und somit alles steuern, was Ihr wollt!

banana== /home/pi/banana-script.sh

Und genau damit, ist Jarvis Alexa/Echo funktional überlegen.

38. Fantasie benutzen

Zugegeben, Amazon Echo kann auf Anhieb ein ganz klein wenig mehr. Allerdings ist es mit Jarvis unendlich viel einfacher, eigene Anwendungen umzusetzen. Dafür mag ein wenig Fleißarbeit erforderlich sein, dafür aber kaum technische Expertise. Bei Alexa ist das Erstellen eigener Skills ein wahnwitzig komplizierter Vorgang, da alles in der Amazon-Cloud stattfinden muss.

Wir werden auf jeden Fall dran bleiben – spannend ist das Projekt allemal. Mehr zum Raspberry Pi haben wir hier.