树莓派DIY语音告警机：本地TTS+USB声卡+有源音箱实战

1. 从一台吃灰的树莓派说起告警机到底是个什么东西手里有块树莓派4B4GB内存当初买来打算做智能家居中枢结果Home Assistant装完跑了不到两周就吃灰了。后来家里老人需要定时提醒吃药手机闹钟总是被忽略我就琢磨着能不能用这块板子攒一台“会说话的告警机”——到点就出声声音还得够大、够清楚最好能自己合成语音内容而不是循环播放一段录音。这个需求听起来简单但真动手做起来涉及的东西比想象中多TTS语音合成选在线还是离线、USB声卡和板载3.5mm到底差多少、功放和喇叭怎么配、外壳怎么解决、供电怎么稳。我前后折腾了差不多一个月中间换过三套方案也买过市面上的成品终端做对比。这篇文章就把整个DIY过程拆开讲清楚同时诚实地聊聊什么情况下DIY划算什么情况下直接买成品更省心。先明确一下“告警机”在本文里的定义一台能按预设时间或触发条件通过语音播报方式发出提醒的设备。典型场景包括吃药提醒、日程提醒、设备状态告警、定时喊话等。它和普通智能音箱的区别在于——告警机追求的是可靠性和确定性不需要它多聪明但到点必须响声音必须大断网也得能工作。这一点决定了后面所有的技术选型逻辑。适合读这篇的人有树莓派基础、会烧系统会SSH、想做个实用小项目但不想踩太多坑的爱好者以及正在纠结“自己攒还是买成品”的普通用户。我会把每个环节的取舍理由讲透参数怎么算、坑在哪里、实测效果如何都摊开说。2. 方案整体设计为什么我最终选了“本地TTSUSB声卡有源音箱”这条路2.1 三条技术路线的基本盘动手之前我先把可能的方案列了一遍大致分三类方案类型核心组成优点缺点在线TTS方案树莓派联网云端TTS API声卡音质好、发音自然依赖网络、有延迟、长期有成本本地TTS方案树莓派离线TTS引擎声卡断网可用、零调用成本、响应快音质一般、配置有门槛成品终端方案直接买现成告警终端开箱即用、稳定灵活性差、功能固定、价格偏高我一开始试的是在线方案用的是某云厂商的TTS接口合成质量确实好但问题很快就暴露了家里路由器偶尔重启告警就哑了而且每次合成都要等一两秒吃药提醒这种场景倒无所谓但如果是设备告警延迟就很要命。更关键的是我不想让一个每天都要用的东西依赖外部服务。所以最终路线定为树莓派4B 本地TTS引擎 USB声卡 有源音箱。这个组合的核心逻辑是——把不确定性降到最低。本地TTS保证断网可用USB声卡绕开树莓派板载音频的底噪问题有源音箱省去自己搞功放的麻烦。2.2 为什么是树莓派4B而不是Zero或5手头这块4B是现成的但即使重新买我大概率还是选4B。原因很实际Zero系列性能太弱跑本地TTS合成一句话要等好几秒体验很差树莓派5性能过剩价格也高做告警机用不上那么强的算力而且5的供电和散热要求更麻烦4B刚好卡在甜点位上4GB内存跑一个TTS引擎加一个调度脚本绰绰有余社区资料也最全。如果你手里是3B也能用但合成速度会慢一些建议选更轻量的TTS引擎。如果是Zero 2 W勉强能跑但别指望实时性。2.3 系统选择Ubuntu 22.04还是Raspberry Pi OS热词里有人搜“树莓派4b安装ubuntu22.04”我两个都试过。结论是做告警机Raspberry Pi OS64位更省事。Ubuntu在树莓派上的音频配置偶尔会有小毛病而Raspberry Pi OS对板载音频和USB声卡的兼容性开箱即用。如果你已经熟悉Ubuntu且不想换也能跑但需要多花点时间调ALSA。我最终用的是Raspberry Pi OS Bookworm 64位烧录工具用官方Imager烧完后直接在Imager里预设WiFi和SSH省得接显示器。这一步没什么好说的按官方流程走就行。3. 核心细节拆解TTS、声卡、功放、供电这四个环节怎么选3.1 TTS引擎选型piper、espeak、还是在线API本地TTS我试了三个espeak-ng、piper、以及某开源中文TTS模型。直接说结论espeak-ng安装最简单sudo apt install espeak-ng就完事但中文发音机械感极强像机器人念经适合对音质完全没要求的场景。piper音质明显好一截接近早期导航语音的水平但中文模型确实存在“发音不标准”的问题——热词里有人搜“piper tts中文发音不标准”我实测下来主要是多音字和轻声处理不好比如“药”和“要”偶尔会混。解决办法是在文本里手动标注拼音或者把容易读错的词替换成同音字。在线API音质最好但违背了断网可用的初衷只适合作为备选。我最终用的是piper配合一个中文模型。安装方式是从GitHub release下载对应架构的二进制包解压后把模型文件放到指定目录。具体命令# 下载piperaarch64架构 wget https://github.com/rhasspy/piper/releases/download/v1.2.0/piper_arm64.tar.gz tar -xzf piper_arm64.tar.gz # 下载中文模型 wget https://huggingface.co/rhasspy/piper-voices/resolve/main/zh/zh_CN/huayan/medium/zh_CN-huayan-medium.onnx wget https://huggingface.co/rhasspy/piper-voices/resolve/main/zh/zh_CN/huayan/medium/zh_CN-huayan-medium.onnx.json合成一句话测试echo 该吃药了 | ./piper --model zh_CN-huayan-medium.onnx --output_file test.wav aplay test.wav第一次听到声音出来的时候还挺有成就感的。合成速度方面4B上生成一句10个字左右的话大约0.8到1.2秒对于告警场景完全够用。注意piper的中文模型对数字和英文的处理比较粗糙“8点”可能会读成“八点”也可能读成“eight点”建议在文本预处理阶段把数字转成中文汉字。3.2 USB声卡为什么板载3.5mm不够用树莓派4B板载的3.5mm音频输出底噪是出了名的大。我一开始直接插耳机听安静环境下能明显听到“嘶嘶”声音量调大后更明显。这是因为板载音频走的是PWM方式天生就不干净。换USB声卡后底噪基本消失。我买的是一个十几块钱的免驱USB声卡芯片是CM108插上就能识别aplay -l能看到新设备。这里有个关键操作要把默认音频输出切到USB声卡否则系统还是走板载。查看声卡列表aplay -l输出里会看到类似card 1: Device [USB Audio Device]的条目。然后创建或编辑/etc/asound.confdefaults.pcm.card 1 defaults.ctl.card 1把数字换成你实际USB声卡对应的card号。改完后重启ALSA或直接重启系统再用speaker-test -c 2测试声音应该从USB声卡出来了。提示USB声卡不要买太便宜的杂牌有些芯片在Linux下识别不稳定插拔后card号会变。CM108和CM6206这两款芯片实测比较稳。3.3 功放与喇叭有源音箱是最省心的选择树莓派GPIO输出的音频信号功率极低直接接无源喇叭声音小得可怜。两条路一是加功放板比如PAM8403二是直接上有源音箱。我选的是有源音箱——就是那种插USB供电、3.5mm输入的桌面小音箱几十块钱一对。理由很简单功放板需要额外供电、额外接线、额外调试而有源音箱插上就用。对于告警机这种追求稳定的设备少一个环节就少一个故障点。音量方面有源音箱自带旋钮把旋钮调到合适位置后软件层面再用amixer或alsamixer微调。实测在卧室环境下音量开到60%左右就足够把人叫醒。如果你想要更大的声音可以考虑带功放的喇叭模块但要注意供电——PAM8403这类功放板需要5V供电直接从树莓派取电可能会引起板子重启最好单独供电。3.4 供电别小看这一环树莓派4B对供电比较敏感官方推荐5V 3A。我一开始用的是一个5V 2A的旧充电头结果插上USB声卡和WiFi后偶尔会出现欠压警告彩虹屏。后来换了个5V 3A的电源问题消失。如果你还要接功放板或屏幕建议电源留足余量5V 4A更稳妥。另外告警机是要7x24小时运行的电源质量直接决定长期稳定性别在这上面省钱。4. 实操过程从烧系统到定时播报的完整落地4.1 系统烧录与基础配置烧录用Raspberry Pi Imager选Raspberry Pi OS 64位。在Imager的高级选项里预设好WiFi、SSH、用户名密码烧完后直接插电就能SSH连上省去接显示器的麻烦。连上后先更新源。热词里有人搜“树莓派修改源”国内网络环境下确实需要换源才能顺畅更新。编辑/etc/apt/sources.list和/etc/apt/sources.list.d/raspi.list把raspberrypi.org替换成国内镜像站即可。换完执行sudo apt update sudo apt upgrade -y这一步可能要跑十几分钟取决于网络和TF卡速度。说到TF卡热词里有人问“怎么把树莓派400的TF卡内容全部复制到另一张更大更快的TF卡”——如果你也想换卡最简单的方法是用dd命令做整盘镜像或者用树莓派官方的SD Card Copier工具图形界面操作插上读卡器就能克隆。4.2 安装TTS引擎与音频调试按3.1节的步骤装好piper和中文模型。然后测试USB声卡是否正常工作speaker-test -t wav -c 2 -D plughw:1,0如果听到测试音说明声卡通了。接着把piper合成和播放串起来echo 测试告警机 | ./piper --model zh_CN-huayan-medium.onnx --output_file /tmp/alert.wav aplay -D plughw:1,0 /tmp/alert.wav这里-D plughw:1,0是指定用USB声卡播放1是card号0是device号。如果你已经在/etc/asound.conf里设了默认设备可以省略这个参数。4.3 编写告警调度脚本核心逻辑很简单一个Python脚本读取配置文件里的告警时间和文本到点就调用piper合成并播放。我用的是schedule库轻量够用。import subprocess import schedule import time import datetime def speak(text): wav_path /tmp/alert.wav # 合成 subprocess.run( fecho {text} | /home/pi/piper/piper --model /home/pi/piper/zh_CN-huayan-medium.onnx --output_file {wav_path}, shellTrue, checkTrue ) # 播放 subprocess.run(faplay -D plughw:1,0 {wav_path}, shellTrue, checkTrue) def job_medicine(): speak(该吃药了请按时服药) # 每天早上8点和晚上8点提醒吃药 schedule.every().day.at(08:00).do(job_medicine) schedule.every().day.at(20:00).do(job_medicine) while True: schedule.run_pending() time.sleep(30)把这个脚本用systemd做成服务开机自启崩了自动重启。创建/etc/systemd/system/alert.service[Unit] DescriptionAlert Machine Service Afternetwork.target sound.target [Service] ExecStart/usr/bin/python3 /home/pi/alert.py Restartalways Userpi [Install] WantedBymulti-user.target然后sudo systemctl daemon-reload sudo systemctl enable alert.service sudo systemctl start alert.service用systemctl status alert.service确认运行状态。到这里一台基本的告警机就跑起来了。4.4 外壳与散热别让板子裸奔长期运行的设备外壳和散热不能省。我用的是一个便宜的亚克力外壳带风扇位。树莓派4B发热不小尤其夏天不加散热片的话CPU温度能到70度以上。加个散热片加小风扇温度能压到50度左右。外壳的选择上如果你要接USB声卡和音箱线注意留出接口空间。有些外壳装完后USB口被挡住插不进声卡买之前看清楚。5. 常见问题与排查技巧实录5.1 声音出不来或从板载输出这是最常见的问题。排查顺序aplay -l确认USB声卡被识别检查/etc/asound.conf里的card号是否正确用aplay -D plughw:X,0 test.wav强制指定设备测试如果还是不行alsamixer里检查是否被静音。我踩过的坑USB声卡插拔后card号从1变成2导致脚本里写死的设备号失效。解决办法是用plughw:CARDDevice,DEV0这种按名称指定的方式比数字稳定。5.2 piper中文发音不标准热词里搜这个问题的人不少。实测下来piper的中文模型对多音字处理确实一般。我的做法是在文本预处理阶段做替换比如把“银行”写成“银航”来强制发音。另外模型对数字和英文的处理也不稳定建议统一转成中文。如果对音质要求更高可以考虑用在线TTS作为补充——平时用本地网络可用时用在线做个降级策略。5.3 树莓派欠压警告彩虹屏或dmesg里出现Under-voltage detected说明供电不足。换5V 3A以上的电源换质量好的USB线。如果接了多个USB设备考虑用带供电的USB Hub。5.4 定时任务不执行先确认systemd服务在跑再看脚本里的时间格式对不对。schedule库用的是24小时制at(08:00)表示早上8点。另外注意时区设置树莓派默认可能是UTC用timedatectl检查并改成Asia/Shanghai。5.5 常见问题速查表现象可能原因解决方法没声音默认设备不对检查asound.conf用aplay -l确认card号声音有底噪用了板载3.5mm换USB声卡欠压警告电源功率不足换5V 3A以上电源TTS发音怪多音字/数字文本预处理替换定时不触发时区或服务问题检查timedatectl和systemctl status合成太慢板子性能不足换4B或降低模型精度6. DIY方案与成品终端的诚实对比6.1 成本对比先算DIY的账项目价格元树莓派4B 4GB350TF卡32GB30电源5V 3A40USB声卡20有源音箱60外壳散热40合计约540成品告警终端市面上带语音播报功能的便宜的在一两百功能全的带屏幕和联网的在三五百。单看硬件成本DIY并不便宜尤其是你手里没有现成树莓派的话。6.2 时间成本对比DIY这边从烧系统到调通TTS和音频我花了大概一个周末中间还踩了几个坑。成品终端开箱配置一下半小时能用。6.3 灵活性与可靠性对比DIY的优势在于完全可控想加什么功能加什么想改播报内容改一行代码就行不依赖厂商服务器。成品终端的优势在于稳定和省心但功能固定想改往往改不了而且有些成品依赖厂商云服务服务停了设备就废了。6.4 我的结论如果你满足以下条件DIY值得做手里有树莓派、喜欢折腾、需要定制化功能、在意数据本地化。如果你只是想有个东西到点提醒不想花时间调试直接买成品更划算。DIY的乐趣在于过程成品的价值在于结果想清楚自己要哪个。7. 后续可以扩展的方向这台告警机跑了一个多月稳定性没问题。后面我打算加几个功能一是接入温湿度传感器超过阈值自动播报二是加个物理按钮按一下重复播报当前提醒三是把播报记录写到日志里方便回溯。热词里有人搜“树莓派5上部署yolov5”和“树莓派opencv物体识别”如果你想把告警机升级成“视觉告警”比如检测到陌生人就播报树莓派4B跑轻量模型也能凑合但帧率不会太高5会更合适。不过那是另一个项目了先把语音这条链路跑稳再说。最后分享一个小技巧piper合成出来的wav文件默认采样率是22050Hz有些USB声卡对非44100/48000Hz的支持不好播放时会有变调。如果遇到声音发尖或发闷用sox重采样一下sox /tmp/alert.wav -r 44100 /tmp/alert_44k.wav再播放就正常了。这个坑我调了半天才发现希望对你有用。