Wie RelfWolf mit ZimaBoard 2 ein Dr.-Zola-KI-Terminal baut

Eva Wong

IceWhale author

Eva Wong ist die Technische Redakteurin und und leidenschaftliche Tüftlerin bei ZimaSpace. Eine lebenslange Geek mit einer Leidenschaft für Homelabs und Open-Source-Software, sie spezialisiert sich darauf, komplexe technische Konzepte in zugängliche, praktische Anleitungenzu übersetzen. Eva ist der Meinung, dass Self-Hosting Spaß machen und nicht einschüchternd sein sollte. Durch ihre Tutorials befähigt sie die Community, Hardware-Setups zu entmystifizieren, vom Bau ihres ersten NAS bis hin zur Beherrschung von Docker-Containern.

How RelfWolf Builds a Dr. Zola AI Terminal With ZimaBoard 2

Vielen Dank an RelfWolf, der gezeigt hat, wie ein fiktiver Computer zu einem interaktiven Projekt für zu Hause werden kann. In seinem Bauvideo zum Dr.-Arnim-Zola-Terminal kombiniert er ein gedrucktes Gehäuse, ZimaBoard 2, Ollama und Home Assistant zu einem Terminal, das gesprochene Fragen als die Figur beantwortet.

Das Projekt führt mehrere separate Systeme zusammen. Ollama führt das Sprachmodell auf lokaler Hardware aus, Home Assistant koordiniert das Gespräch und ein ESP-basiertes Gerät stellt Mikrofon und Lautsprecher bereit. Ein animiertes Gesicht auf dem Bildschirm verleiht diesen Antworten eine physische Präsenz.

Diese Kombination macht das Projekt über ein von Marvel inspiriertes Requisit hinaus relevant. Sie zeigt, wie ein kompakter Heimserver eine Sprachschnittstelle unterstützen kann, was passiert, wenn eine Integration ein kleines Modell überfordert, und warum die überzeugendste Stimme nicht immer die am besten nutzbare ist.

Vor dem Start: Sehen Sie sich das vollständige Video an, um den Zusammenbau und die Fehlersuche zu verfolgen. Betrachten Sie es als Dokumentation eines experimentellen Projekts und nicht als fertig installierbares Kit; Gehäuseabmessungen, Geräteeinstellungen und Netzwerkadressen hängen von den verwendeten Komponenten ab.

Über dieses Projekt: Der folgende Bericht orientiert sich an RelfWolfs Demonstration, einschließlich der Änderungen, die er nach dem Testen vornimmt. Seine lokale Gesprächslösung verwendet nicht ChatGPT, während die visuellen Elemente separat mit KI-Tools für Bilder und Videos erstellt werden. Das fertige Terminal bleibt ein Prototyp; weitere Arbeiten am Gehäuse, an der Sprachausgabe und an der Reaktionszeit sind geplant.

Dr.-Zola-Gesicht auf RelfWolfs fertiggestelltem KI-Terminal im Retro-Stil — Das fertige Terminal kombiniert ein animiertes grünes Gesicht, physische Bedienelemente und Statusleuchten. Screenshot aus RelfWolfs Video.

Was RelfWolfs Dr.-Zola-KI-Terminal tatsächlich macht

Das Terminal wandelt Sprache in eine Antwort eines lokal gehosteten Sprachmodells um. Home Assistant empfängt Audio vom Mikrofon, übergibt die transkribierten Wörter an Ollama und sendet die generierte Antwort per Text-to-Speech, bevor die Audiodaten an den Lautsprecher zurückgegeben werden.

RelfWolf gibt dem Gesprächsagenten einen System-Prompt, der den Charakter beschreibt. Außerdem konfiguriert er eine benutzerdefinierte Aktivierungsphrase und einen Bildschirm, der zwischen Animationen fürs Zuhören und Sprechen wechselt, sodass sich die Interaktion stärker mit dem Terminal als mit einer separaten Computeroberfläche verbunden anfühlt.

Während eines Gesprächs führt das System folgende Schritte aus:

Erkennt die benutzerdefinierte Aktivierungsphrase und beginnt über das Mikrofon zuzuhören.
Wandelt die gesprochene Nachricht für den Gesprächsagenten in Text um.
Verwendet Ollama auf ZimaBoard 2, um eine Antwort zu generieren, und wandelt diese Antwort in Sprache um.
Gibt die Audiodatei wieder und schaltet das Display auf seine Sprechanimation um.

Nach der Wiedergabe kehrt der Bildschirm zu seiner Leerlaufschleife zurück. Die Bedienfeldleuchten machen die einzelnen Phasen sichtbar und zeigen an, ob das Terminal eingeschaltet ist, zuhört, eine Anfrage verarbeitet oder spricht.

Was du vor dem Start benötigst

Für RelfWolfs Aufbau sind Vorbereitungen am Gehäuse, Netzwerk und der Sprachsoftware erforderlich. Zu den gezeigten Komponenten gehören:

Ein ZimaBoard 2 mit 16 GB RAM und ZimaOS
Ollama und ein lokal heruntergeladenes Sprachmodell
Eine funktionierende Home-Assistant-Installation mit einer konfigurierten Sprachpipeline
Ein ESP-basiertes Mikrofon- und Lautsprechergerät mit ESPHome
Ein Display, Schalter, Tasten und Anzeige-LEDs für das Bedienfeld
Ein gedrucktes Gehäuse, Befestigungsmaterial, Verkabelung und für das Gehäuse geeignete Lautsprecher

Der Workflow hängt davon ab, dass das Mikrofon, Home Assistant und der Ollama-Server miteinander kommunizieren können. Teste diese Verbindungen, bevor du die Elektronik im Gehäuse installierst, und überprüfe die Displayabmessungen und Anschlusspositionen anhand der tatsächlichen Komponenten, die du verwenden möchtest.

Warum ZimaBoard 2 zu einem solchen lokalen KI-Terminal passt

RelfWolf wählt ZimaBoard 2 als Computer im Inneren des Terminals. Die 16-GB-Konfiguration bietet ihm eine kompakte Plattform, auf der er ein lokales Sprachmodell testen, Ollama über ZimaOS verwalten und die Charakteranzeige ansteuern kann, ohne das Projekt um einen Desktop-Tower herum aufzubauen.

Die Demonstration zeigt außerdem, warum die Speicherkapazität allein nicht über das Nutzungserlebnis entscheidet. Die Arbeitslast des Modells, die Kühlung, die Home-Assistant-Konfiguration und die Sprachgenerierung beeinflussen allesamt, wie lange der Nutzer auf eine Antwort wartet.

Teil 1: Terminalgehäuse und Bedienfeld bauen

Der erste Teil verleiht dem Assistenten eine physische Form. RelfWolf entwirft ein Retrocomputer-Gehäuse rund um einen Bildschirm und ein Bedienfeld und bereitet anschließend die gedruckten Teile für den Zusammenbau vor.

Schritt 1: Gehäuse entwerfen und drucken

Erstelle ein Gehäuse nach den tatsächlichen Abmessungen des Displays und der internen Hardware. RelfWolfs Erfahrung zeigt, warum die Positionierung der Anschlüsse ebenso wichtig ist wie die sichtbare Bildschirmgröße: Ein leicht abweichendes Displaymodell kann später beim Zusammenbau unerwartete Probleme mit dem Kabelabstand verursachen.

Ender-3D-Drucker bei der Herstellung eines Bauteils für das Gehäuse des Dr.-Zola-Terminals — Das Gehäuse wird mit einem Desktop-3D-Drucker gefertigt, weshalb Abmessungen und der nötige Abstand für Anschlüsse wichtige Bestandteile des Aufbaus sind.

Schritt 2: Bedienelemente und Befestigungspunkte vorbereiten

Montieren Sie Schalter, Tasten, LEDs und Verkabelung am Bedienfeld, bevor Sie das Gehäuse schließen. Gewindeeinsätze ermöglichen es, das Bedienfeld mit Schrauben zu befestigen und während der Tests der Elektronik wieder abzunehmen.

Schritt 3: Das Display einsetzen und den Kabelabstand prüfen

Testen Sie die HDMI-Verbindung mit dem Bildschirm in seiner Einbauposition. Wenn das Kabel mit dem Gehäuse kollidiert, verwendet RelfWolf einen abgewinkelten HDMI-Adapter, damit die Verbindung passt. So vermeidet er eine sofortige Neukonstruktion des Gehäuses und einen weiteren langen Druckvorgang.

Schritt 4: Die Frontplatte befestigen

Setzen Sie das vorbereitete Bedienfeld in die Vorderseite des Terminals ein und schrauben Sie es in den Gewindeeinsätzen fest. Lassen Sie die interne Elektronik zugänglich, bis Software, Audio und Display gemeinsam getestet wurden.

Die montierte Hülle verleiht dem Terminal sein Erscheinungsbild, ist aber zunächst nur das Gehäuse. Als Nächstes muss der Computer lokal Antworten erzeugen und diese mit Mikrofon und Lautsprecher verbinden.

Teil 2: Einen lokalen Konversationsagenten mit ZimaOS und Ollama ausführen

In 6:01RelfWolf stellt die lokale KI-Hardware vor. Zuerst testet er das Modell in der Befehlszeile, wechselt dann zur ZimaOS-Oberfläche und verbindet Ollama mit Home Assistant.

Schritt 1: Ollama auf ZimaBoard 2 testen

Beginnen Sie mit einem direkten Textaustausch, bevor Sie die Sprachpipeline hinzufügen. RelfWolf erhält in seinem Befehlszeilentest schnell eine Antwort. Dadurch wird bestätigt, dass das Board das Modell ausführen kann, bevor die zusätzlichen Integrationen zum Einsatz kommen.

Dieses erste Ergebnis dient später als nützliche Referenz. Wenn dasselbe Projekt über Home Assistant langsamer läuft, kann er untersuchen, was die Integration zur Anfrage hinzufügt, anstatt vorschnell anzunehmen, dass das Board grundsätzlich keine lokale KI ausführen kann.

Schritt 2: Ollama über ZimaOS einrichten

Verwenden Sie die ZimaOS-Anwendungsoberfläche, um Ollama wie im Video gezeigt zu installieren und zu verwalten. Das Modell muss verfügbar sein und Antworten liefern, bevor ein anderer Dienst es als Konversations-Backend verwenden kann.

RelfWolf möchte das Konversationsmodell auf seiner eigenen Hardware ausführen. ZimaOS stellt die Oberfläche zur Anwendungsverwaltung bereit, während Ollama das lokale Modell und dessen Antworten verarbeitet.

Schritt 3: Home Assistant mit dem Ollama-Server verbinden

Fügen Sie die Ollama-Integration in Home Assistant hinzu und verweisen Sie sie auf die lokale Adresse des Servers. Erstellen Sie einen Assist-Agenten, der Ollama für die Konversation verwendet, damit über Home Assistant eingegebene Nachrichten das auf dem ZimaBoard 2 ausgeführte Modell erreichen.

Schritt 4: Den Charakter konfigurieren und unnötige Arbeit reduzieren

Legen Sie einen System-Prompt fest, der das Verhalten des Charakters definiert, und testen Sie ihn anschließend, indem Sie eine Nachricht eingeben.

Home-Assistant-Ollama-Einstellungen mit dem System-Prompt von Dr. Arnim Zola — RelfWolf konfiguriert die Charakteranweisungen des Konversationsagenten in Home Assistant, wobei in den gezeigten Einstellungen llama3.2:1b ausgewählt ist.

Bei RelfWolfs erstem integrierten Test erreicht die CPU-Auslastung 100 %, die Temperaturen steigen auf über 80 °C, und die Antwort dauert deutlich länger als erwartet. Ein kleiner Lüfter senkt die Temperatur, doch das zurückgegebene JSON offenbart ein weiteres Problem: Die Smart-Home-Steuerungsinformationen überfordern das Modell. Durch Deaktivieren der zugehörigen Steuerungsoption funktioniert die Konversation effektiver.

RelfWolf befestigt einen Kühllüfter am Kühlkörper des ZimaBoard 2 — Nach dem integrierten KI-Test, bei dem hohe Temperaturen festgestellt werden, wird ein kleiner Lüfter an ZimaBoard 2 angebracht.

Schritt 5: Die Konversation vor dem Hinzufügen der Stimme bestätigen

Wiederholen Sie den Texttest über Home Assistant und prüfen Sie, ob die Antwort dem Charakter-Prompt folgt. Dadurch wird die Integration des Sprachmodells von der Mikrofon-, Weckwort- und Lautsprecherkonfiguration getrennt, die als Nächstes folgt.

Die Verbesserung ist spezifisch für diesen Aufbau und seine auf Gespräche ausgerichtete Nutzung. RelfWolf muss den Charakter nicht zur Steuerung seiner Smart-Home-Geräte verwenden, sodass das Entfernen dieser zusätzlichen Aufgabe dem Modell ermöglicht, sich auf das Beantworten zu konzentrieren.

Teil 3: Weckwort, Stimme und animiertes Gesicht hinzufügen

Im letzten Teil verbindet er den funktionierenden Konversationsagenten mit dem physischen Terminal. ESPHome stellt Home Assistant Mikrofon und Lautsprecher zur Verfügung, und ein benutzerdefiniertes openWakeWord-Modell ermöglicht es RelfWolf, den Assistenten durch das Aussprechen des Charakternamens zu aktivieren. Er trainiert die Weckphrase, lädt die resultierenden Dateien herunter und fügt sie seinem Home-Assistant-Setup hinzu.

Anschließend testet er Kokoro für eine natürlichere Sprachausgabe und erstellt zwei kurze visuelle Schleifen: eine Leerlaufanimation und eine Sprechanimation. Ein kleines Programm spielt beim Start die Leerlaufschleife ab und wechselt die Clips als Reaktion auf die Wiedergabeaktivität von Home Assistant. ESPHome verbindet außerdem die Anzeigen des Panels mit dem Status des Assistenten, während größere 5-W-Lautsprecher den kleinen Testlautsprecher ersetzen.

Vorschau des KI-Videotools mit einem animierten grünen Gesicht von Dr. Zola — Ein generierter Sprechclip liefert die Bildschirmanimation; der Wiedergabezeitpunkt bestimmt, wann das Terminal zwischen seinen visuellen Schleifen wechselt.

Die vollständige Montage macht Probleme sichtbar, die bei den einzelnen Tests nicht offensichtlich waren. Das Umstecken des Ethernetkabels auf den anderen Netzwerkport ändert die Adresse des Boards und unterbricht die Verbindungen. Außerdem startet der Bildschirm seine Sprechschleife, bevor hörbare Sprache beginnt. Nach der Anpassung des Wiedergabeauslösers kehrt RelfWolf zum schnelleren ursprünglichen Sprachmodell zurück, da Kokoro die Verzögerung so stark erhöht, dass die gesamte Wartezeit über 20 Sekunden steigt.

Montiertes Dr.-Zola-Terminal mit dem Gesicht auf dem Bildschirm und sichtbarem ZimaBoard 2 dahinter — Das montierte Terminal wird mit seinem Bildschirm, Bedienfeld, Statusleuchten und der angeschlossenen lokalen KI-Hardware getestet.

Basissprache vs. Kokoro vs. endgültige Konfiguration

Sprachkonfiguration	Hauptvorteil	Haupteinschränkung	Rolle beim Aufbau
Ursprüngliches Sprachmodell	Schnellere Sprachgenerierung in der Demonstration	Die ursprüngliche Stimme klingt gewöhnlich	Frühe Tests und das endgültig funktionierende Terminal
Kokoro	Natürlichere Sprachoptionen	Fügt im aufgezeichneten Test ungefähr neun Sekunden Verzögerung bei der Sprachgenerierung hinzu	Experiment zur Sprachqualität
Endgültige integrierte Konfiguration	Kombiniert die schnellere Stimme mit dem Charakter-Prompt, dem Aktivierungswort und dem Bildschirm	Sprachqualität und Antwortzeit müssen noch verbessert werden	Abgeschlossene Prototyp-Demonstration

Zeitleiste mit Zuhören, Abschluss der KI-Antwort und verzögerter Audiowiedergabe — Die Zeitleiste trennt die Antwortzeit des Modells von der zusätzlichen Wartezeit für die Sprachwiedergabe und hilft dabei, die gesamte Latenz des Terminals zu erklären.

Wichtige Einschränkungen bei Leistung, Netzwerk und Synchronisierung

Das fertige Gespräch zeigt, dass die Komponenten zusammenarbeiten können, legt aber keine feste Antwortzeit für jedes Modell oder jede Installation fest. Die Tests von RelfWolf zeigen, dass eine Integration erheblichen zusätzlichen Aufwand verursachen kann und dass die Sprachgenerierung auch nach Abschluss der Antwort des Sprachmodells langsam bleiben kann.

Das vollständige Gespräch messen. Der Benutzer wartet auf Spracherkennung, Modellinferenz und Sprachgenerierung, bevor er eine Antwort hört.
Die dem Agenten zugewiesenen Aufgaben überprüfen. Nicht benötigte Informationen zur Smart-Home-Steuerung verursachten in dieser speziellen Gesprächskonfiguration Probleme.
Kühlung unter Last überwachen. Der zusätzliche Lüfter senkte die gemeldete Temperatur bei einem anschließenden Test auf den mittleren Bereich der 60 °C.
Serveradressen konsistent halten. Die Änderung des Netzwerkports unterbrach die vom Terminal verwendeten Verbindungen.
Stimme die Animation auf die hörbare Wiedergabe ab. Ein frühes Lautsprecherereignis bedeutete nicht, dass die generierte Sprache bereits wiedergegeben wurde.
Wähle die Sprachqualität mit Blick auf die Latenz. Für die abschließende Interaktion bevorzugte RelfWolf das schnellere ursprüngliche Modell.

Fehlerbehebung bei einem lokalen KI-Sprachterminal

Wenn das Terminal nach dem Zusammenbau ausfällt, verfolge dieselben drei Verbindungen zurück, die während RelfWolfs Tests Probleme verursacht haben:

Überprüfe, ob Home Assistant weiterhin auf die richtige Ollama-Serveradresse verweist, insbesondere nachdem Netzwerkkabel umgesteckt wurden.
Überprüfe die Konfiguration des Gesprächsagenten, wenn ein zuvor schnelles Modell langsam wird oder unerwartete strukturierte Ausgaben zurückgibt.
Überprüfe die Audio- und Wiedergabeprotokolle, wenn sich das Gesicht bewegt, bevor der Lautsprecher Ton erzeugt.

Vergleiche außerdem den Zeitpunkt, an dem das Modell seine Antwort beendet, mit dem Zeitpunkt, an dem die Audiowiedergabe tatsächlich beginnt. In den gezeigten Protokollen handelte es sich um getrennte Verzögerungen. Teste jede Komponente unabhängig und wiederhole anschließend ein vollständiges gesprochenes Gespräch mit allen im Gehäuse installierten Komponenten.

Ein kompakter Heimserver verleiht einem fiktiven Terminal eine funktionierende Stimme

RelfWolfs Projekt verwandelt ein von einer Figur inspiriertes Gehäuse in eine funktionierende lokale KI-Schnittstelle. Das Ergebnis hängt ebenso sehr von den Verbindungen zwischen Modell, Sprachpipeline, physischen Bedienelementen und Display ab wie vom gedruckten Gehäuse.

ZimaBoard 2 stellt die lokale Rechenplattform bereit, ZimaOS unterstützt die Anwendungsverwaltung, und Home Assistant koordiniert die Interaktion. Die nützlichsten Erkenntnisse ergeben sich aus den während des Tests vorgenommenen Änderungen: die Auslastung des Gesprächsagenten zu reduzieren, Netzwerkadressen zu überprüfen, das Timing der Wiedergabe zu korrigieren und ein schnelleres Sprachmodell auszuwählen.

Sieh dir RelfWolfs vollständigen Dr.-Zola-Aufbau an, um die Fertigung, die Fehlersuche und das abschließende Gespräch zu verfolgen. Seine abschließende Einschätzung lässt Raum für Änderungen am Gehäuse, eine bessere Druckqualität und weitere Verbesserungen bei Sprache und Reaktionszeit.

Wenn du mit lokaler KI experimentierst, ein Sprachterminal baust oder Zima-Hardware mit Home Assistant kombinierst, besuche die ZimaSpace-Community, um dein Setup zu teilen und die Komponenten zu diskutieren, die du als Nächstes verbessern würdest.