Как я собираю робота на Raspberry Pi 5 для дочери: локальный ИИ, аниме-образ и голос
Я задумал сделать для дочери робота-помощника, с которым можно общаться даже без интернета. Хотелось, чтобы он не просто отвечал на вопросы, а помогал заниматься с интересом. При этом обычная умная колонка с часами и светящимися глазами не подходила: роботу требовался собственный характер и запоминающийся образ.
Сначала я подготовил на компьютере несколько вариантов анимированного лица - без конкретных персонажей и украшений. Дочь посмотрела на результат и предложила превратить робота в аниме-кошечку. Мы обсудили детали: причёску, одежду, глаза и выражение лица. В итоге появились два эскиза: один - с тёмными волосами и розовым кимоно, другой - в более светлой гамме. Так техническая задумка стала проектом персонажа, которого ребёнку действительно хочется видеть рядом.
Сначала - лицо и эмоции
До покупки электроники я сделал приложение на Python с использованием Tkinter. Оно отрисовывает глаза, зрачки, брови и рот, а также показывает моргание и разные выражения. Отдельно я предусмотрел состояния "слушаю" и "думаю": если между вопросом и ответом возникает пауза, неподвижное лицо может создать впечатление, будто устройство зависло.
Обработку голоса и генерацию ответа я отделил от анимации. Благодаря этому ожидание не должно останавливать движение глаз и мимику. Когда робот говорит, рот также должен двигаться в соответствии со звуком. Ранние варианты лица я сохранил в настройках, чтобы можно было сравнивать образы и выбирать подходящий.
Raspberry Pi 5 и выбор модели
Для локального диалога Arduino оказалось недостаточно, поэтому я стал искать одноплатный компьютер. В результате остановился на Raspberry Pi 5 с 8 ГБ памяти: такой вариант удалось найти на "Авито" по приемлемой цене. Целью было запустить модель примерно на четыре миллиарда параметров - без постоянного обращения к облачным сервисам.
Пока ехал компьютер, я продолжал разработку и тестировал языковые модели. Всего рассмотрел около двадцати вариантов. Одни плохо сохраняли заданный характер, другие путались в длинных репликах или неубедительно справлялись с простыми вопросами. Для сравнения я проверял арифметику, связность речи, способность объяснять и следовать инструкциям. Важно было оценивать не только качество текста, но и то, сколько ребёнку придётся ждать, пока ответ прозвучит.
В финале осталось четыре модели в формате GGUF. Основной для Raspberry Pi 5 стала Qwen3-4B-Instruct-2507: в моих испытаниях она лучше других сочетала качество и скорость. Gemma_4_E2B отвечала быстрее и подошла для коротких диалогов. Gemma_4_E4B в некоторых объяснениях выглядела убедительнее, но работала медленнее. Qwen3.5_9B_DeepSeek_Distill я оставил для экспериментов: её более длинные ответы на небольшом устройстве воспринимались как затянувшееся ожидание.
В одном из тестов скорость составила примерно 4,3 токена в секунду для Qwen3 4B и 7,1 - для Gemma E2B. Эти показатели относятся к моим задачам и настройкам, а не являются универсальным рейтингом. На практике разница проста: ребёнок задаёт вопрос и ждёт ответа. Поэтому в повседневном разговоре быстрота иногда важнее дополнительной подробности. О ходе проекта и выбранных решениях можно прочитать в материале о роботе на Raspberry Pi 5 с локальным ИИ.
Локальное распознавание и озвучка
Речь я тоже решил обрабатывать локально. Для распознавания микрофонного звука использовал Vosk, а для синтеза ответа - Piper. Стандартный голос "Ирина" звучал хорошо, но для аниме-персонажа хотелось более мультяшной подачи. Отдельную голосовую модель я не обучал: вместо этого замедлил готовый синтез и изменил высоту звука. Такой способ позволил приблизить звучание к нужному образу без дополнительного обучения.
Выбор комплектующих - только одна часть задачи. Если вы планируете купить Raspberry Pi 5, стоит заранее продумать, хватит ли памяти для выбранной модели и какие компоненты потребуются для корпуса, экрана и звука. Запрос "комплектующие для Raspberry Pi купить" обычно приводит к множеству вариантов, но полезнее сначала составить список требований: питание, охлаждение, подключение микрофона и динамика, а также способ крепления дисплея.
Что важно в таком проекте
Робот для ребёнка - это не только мини-компьютер с языковой моделью. Нужны понятные реакции на паузы, удобный интерфейс и предсказуемое поведение. Если устройство долго формулирует ответ, а лицо при этом остаётся неподвижным, даже сильная модель может показаться неисправной. Поэтому анимация, звук и вычисления должны работать согласованно.
Следующий шаг - превратить экранного персонажа в физическое устройство. Для этого предстоит решить вопросы корпуса, размещения камеры и механики, если голова робота должна поворачиваться. Пока эти детали нельзя считать готовыми: сначала нужно понять, как они повлияют на размеры, питание и устойчивость конструкции.
Тем, кто хочет робототехнический конструктор купить, полезно заранее определить, что важнее: готовая механическая платформа или возможность самостоятельно выбирать каждую деталь. А запрос "набор для сборки робота Raspberry Pi" может означать очень разные комплекты - от простого шасси до набора с датчиками и приводами. В этом проекте особенно важно, чтобы механика не ограничивала будущую работу с экраном, микрофоном и камерой.
В перспективе такая сборка может стать и набором для робототехники с искусственным интеллектом: локальная языковая модель уже отвечает за диалог, а распознавание речи и озвучка позволяют обходиться без обязательного подключения к интернету. Но важнее не количество функций, а то, насколько естественно и понятно робот взаимодействует с ребёнком. Именно поэтому проект начался не с платы и моторов, а с вопроса дочери: какой персонаж ей хотелось бы видеть рядом?
