語音助理三選一：Google、Alexa、還是 HA 自己的 Assist？

charles

2026 年了，這題的答案跟兩年前不太一樣。



先講各自的定位

Google Assistant

• 中文辨識最好（對台灣使用者很重要）
  
• 音箱便宜、選擇多
  
• 生態整合好（YouTube Music、Nest）
  
• 完全依賴雲端
  
• 接 HA 要 Nabu Casa 或自己架
  

Amazon Alexa

• 中文支援在台灣很弱（幾乎不可用）
  
• 英文環境很成熟
  
• 技能（Skills）生態最大
  
• 一樣依賴雲端
  

HA 的 Assist

• 可以完全本地（不用連外網）
  
• 完全開源、完全可控
  
• 可以自訂語句
  
• 中文辨識準確度還有差距
  
• 需要自己準備硬體（或買 Voice PE）
  

台灣使用者的現實

Alexa 基本上可以不用考慮，中文支援太弱。

所以真正的選擇是 Google vs HA Assist，
而且兩個可以並存。



HA Assist 的 2026 年現狀

先講硬體：Home Assistant Voice Preview Edition
是官方推出的語音硬體，韌體版本已經到 2026.9.3。

語音處理的三個階段：

• 喚醒詞偵測 —— 在裝置上跑（microWakeWord），不上傳
  
• 語音轉文字（STT） —— 可以本地（Whisper）或雲端
  
• 意圖理解 + 執行 —— HA 本地處理
  
• 文字轉語音（TTS） —— 本地（Piper）或雲端
  

2026 年的重要變化

一、Android 手機可以當語音入口

2026.3 版本，HA 的 Android companion App 加入了裝置端喚醒詞偵測，
用的是跟 Voice PE 同一套 microWakeWord 引擎。

意思是：手機鎖定的時候也能喊一聲叫出 Assist。

二、雲端語音換供應商

2026.9 提到 HA 正在做一個底層的大改動：
雲端語音辨識改用 Soniox，
一樣保證不記錄、不儲存、不拿去訓練音訊。

而且官方請 Cloud 訂閱者幫忙測試這個改動。

三、官方自己承認還在追趕

HA 在 2026.9 的說明裡講得很坦白：
社群在 Voice PE 推出後大量投入私人語音助理，
但要跟大廠競爭仍然是進行中的工作。

這句話值得當作期待管理。

本地語音的實際體驗（誠實版）

我自己跑過完整本地（Whisper + Piper）：

• 簡單指令（開燈、關燈） —— 可用，準確度大概八成
  
• 複雜指令 —— 辨識錯誤率明顯上升
  
• 中文夾雜英文 —— 很容易出錯
  
• 延遲 —— 本地跑 Whisper 需要不錯的 CPU，
    弱機器可能要 2-4 秒
  
• 自訂語句 —— 這是本地的最大優勢，想教什麼就教什麼
  

用 Nabu Casa 雲端的話：

• 準確度明顯好很多
  
• 延遲更短
  
• 但要付費，而且要連網
  

我的建議策略：分層使用

第一層：Google 音箱當主力

• 放在客廳、廚房這類需要「遠距離喊」的地方
  
• 用來做：開關燈、播音樂、問天氣、設定時鐘
  
• 家人用這個，因為最順、辨識最準
  

第二層：HA Assist 當補充

• 放在書房或臥室
  
• 用來做：需要自訂語句的、隱私敏感的
  
• 手機上的 Assist 當隨身入口
  

第三層：重要的不要用語音

• 開門鎖、關保全 → 用手機 + 生物辨識
  
• 緊急情況 → 用實體按鈕
  

為什麼不要全部押在語音上

三個理由：

一、語音的適用情境比想像中窄

• 手上有東西的時候 → 語音好用
  
• 距離遠的時候 → 語音好用
  
• 其他時候，伸手按開關或滑手機通常更快
  

我自己的統計：語音大概佔我所有操作的 15%，
感應器自動觸發佔 70%，手動操作佔 15%。

二、家裡有人在睡覺或講電話的時候不能用

三、語音辨識永遠不會 100%

而且錯誤的成本可能很高（想關燈結果開了冷氣）。

設定 Assist 的實際步驟

最簡單：先用手機試

• HA App 右上角有一個對話圖示，點進去就是 Assist
  
• 先打字測試，確認指令能被理解
  
• 再試語音
  

加上本地語音處理：

• 裝 Whisper 附加元件（語音轉文字）
  
• 裝 Piper 附加元件（文字轉語音）
  
• 裝 openWakeWord 附加元件（喚醒詞）
  
• 設定 → 語音助理 → 新增助理，把三個串起來
  

硬體需求：

• Whisper 的 tiny 或 base 模型 —— 4GB RAM、雙核心可以跑
  
• small 以上 —— 建議 8GB RAM 而且 CPU 要夠力
  
• 有 GPU 的話快很多，但設定比較複雜
  

中文的注意事項：

• Whisper 要指定語言為 zh，不要用自動偵測
  
• Piper 的中文模型品質參差，建議先聽過再決定
  
• 實體名稱用好唸的中文，不要有英文或數字
  

自訂語句才是本地的殺手鐧

前面有一篇專門講。重點是：

你可以教它聽懂「你家的說法」，
這件事 Google 和 Alexa 都做不到（或者要很麻煩地繞）。

例如：

• 「我要睡了」→ 執行完整的睡前流程
  
• 「狗的水還有嗎」→ 回報餵水器的水位
  
• 「等一下要出門」→ 報天氣 + 預備離家
  

這些用 Google 的話，你要建常式、綁虛擬開關、繞一圈。
用 Assist 就是直接定義。

---

總結成一句：

2026 年，Google 音箱還是日常主力，
HA Assist 是「特定場景的補充」和「未來的方向」。

如果你現在要買音箱，我還是會推 Google（中文最好）。

但如果你是享受折騰、在意隱私、或想學東西的人，
Voice PE 或自己組一台，會是很有趣的專案。

只是不要期待它現在就能取代 Google。官方自己都說還在追趕。