syxanash/maxheadbox

何を解決するか

Max Headbox は、Raspberry Pi 上に完全にローカルで動作する音声認識型AIアシスタントを構築する方法を提供します。クラウドベースのAIプロバイダーの必要性を排除し、プライバシーを確保しながらオフラインでも動作可能にし、デバイス上の物理的なハードウェアと対話・制御できるようにします。

動作方法

このシステムは、音声処理とLLM推論にローカルツールを組み合わせて使用します：

• 音声起動：起動語検出には Vosk を、音声をテキストに変換するには faster-whisper を使用。
• 脳：Ollama を通じてローカルでLLMを実行（例：gemma3:1b や gemma4:e2b などのモデル）。
• 実行：Node.js/Express で構築されたフロントエンドがエージェントロジックとツールのオーケストレーションを処理し、PythonバックエンドがRaspberry Piのハードウェア操作を管理。
• ツール：ユーザーはカスタムJavaScriptモジュールを定義して、エージェントに特定のアクションを実行させることができ、危険なタスクには「危険」フラグを設定し、ユーザーの手動確認を要求できる。

対象ユーザー

Raspberry Pi 5 を使って物理的なAIデスクトイやローカルホームオートメーションハブを構築したいハッカー・マーカー向けに設計されています。

特徴

• 100% ローカル：クラウド依存なしで、完全にデバイス上で動作。
• 音声駆動：統合された起動語と音声認識パイプライン。
• 拡張可能なツール：カスタム自動化機能を追加できるシンプルなJSベースのシステム。
• 安全制御：危険とマークされたツールに対して、組み込みの確認フローを提供。
• 視覚フィードバック：エージェントの状態（思考中、スリープ中など）を示すアニメーションキャラクタUIを搭載。