Hoe RelfWolf een Dr. Zola-AI-terminal bouwt met ZimaBoard 2

Dank aan RelfWolf voor het laten zien hoe een fictieve computer kan uitgroeien tot een interactief project voor thuis. In zijn video over de bouw van Dr. Arnim Zola combineert hij een geprinte behuizing, ZimaBoard 2, Ollama en Home Assistant om een terminal te maken die gesproken vragen in karakter beantwoordt.

Het project brengt verschillende afzonderlijke systemen samen. Ollama draait het taalmodel op lokale hardware, Home Assistant coördineert de conversatie en een apparaat op basis van ESP levert de microfoon en luidspreker. Een geanimeerd gezicht op het scherm geeft die antwoorden een fysieke aanwezigheid.

Die combinatie maakt de build relevant naast een door Marvel geïnspireerd rekwisiet. Het project onderzoekt hoe een compacte homeserver een spraakinterface kan ondersteunen, wat er gebeurt wanneer een integratie een klein model overbelast en waarom de meest overtuigende stem niet altijd de bruikbaarste keuze is.

Voordat je begint: Bekijk de volledige video voor de montage- en debugvolgorde. Beschouw dit als een verslag van een experimentele build en niet als een installatieklare kit; de afmetingen van de behuizing, apparaatinstellingen en netwerkadressen zijn afhankelijk van de componenten die je gebruikt.

Over deze build: Het onderstaande verslag volgt de demonstratie van RelfWolf, inclusief de wijzigingen die hij na het testen aanbrengt. Zijn lokale conversatieopstelling gebruikt geen ChatGPT, terwijl de visuele elementen afzonderlijk met AI-tools voor afbeeldingen en video worden gemaakt. De voltooide terminal blijft een prototype; verdere werkzaamheden aan de behuizing, spraak en reactietijd zijn gepland.

Wat RelfWolfs Dr. Zola AI-terminal daadwerkelijk doet

De terminal zet spraak om in een antwoord van een lokaal gehost taalmodel. Home Assistant ontvangt audio van het microfoonapparaat, stuurt de getranscribeerde woorden naar Ollama en stuurt het gegenereerde antwoord via tekst-naar-spraak terug naar de luidspreker.

RelfWolf geeft de conversatieagent een systeemprompt die het personage beschrijft. Hij configureert ook een aangepaste wekzin en een scherm dat wisselt tussen animaties voor luisteren en spreken, zodat de interactie verbonden voelt met de terminal in plaats van met een afzonderlijke computerinterface.

Tijdens een gesprek doet het systeem het volgende:

1. Detecteert de aangepaste wekwake-upzin en begint via de microfoon te luisteren.
2. Zet het gesproken bericht om in tekst voor de conversatieagent.
3. Gebruikt Ollama op de ZimaBoard 2 om een antwoord te genereren en zet dat antwoord om in spraak.
4. Speelt de audio af en schakelt het display over naar de spreekanimatie.

Na het afspelen keert het scherm terug naar de inactieve lus. De paneelverlichting maakt de verschillende fasen zichtbaar en geeft aan wanneer de terminal stroom krijgt, luistert, een verzoek verwerkt of spreekt.

Wat je nodig hebt voordat je begint

Voor de build van RelfWolf is voorbereiding nodig voor de behuizing, het netwerk en de spraaksoftware. De getoonde componenten omvatten:

• Een ZimaBoard 2 met 16 GB RAM waarop ZimaOS draait
• Ollama en een lokaal gedownload taalmodel
• Een werkende Home Assistant-installatie met een geconfigureerde spraakpipeline
• Een op ESP gebaseerd microfoon- en luidsprekerapparaat dat ESPHome gebruikt
• Een display, schakelaars voor het bedieningspaneel, knoppen en indicatie-leds
• Een geprinte behuizing, bevestigingsmateriaal, bedrading en luidsprekers die geschikt zijn voor de behuizing

De workflow is afhankelijk van de communicatie tussen het microfoonapparaat, Home Assistant en de Ollama-server. Test deze verbindingen voordat je de elektronica in de behuizing installeert en controleer de afmetingen van het display en de posities van de connectoren aan de hand van de daadwerkelijke componenten die je wilt gebruiken.

Waarom ZimaBoard 2 geschikt is voor dit type lokale AI-terminal

RelfWolf kiest de ZimaBoard 2 als computer in de terminal. De configuratie met 16 GB biedt een compact platform waarop hij een lokaal taalmodel kan testen, Ollama via ZimaOS kan beheren en het karakterdisplay kan aansturen, zonder het project rond een desktopcomputer op te bouwen.

De demonstratie laat ook zien waarom alleen de geheugencapaciteit niet bepalend is voor de ervaring. De werklast van het model, de koeling, de Home Assistant-configuratie en de spraakgeneratie beïnvloeden allemaal hoelang de gebruiker op een antwoord wacht.

Deel 1: Bouw de terminalbehuizing en het bedieningspaneel

Het eerste onderdeel geeft de assistent een fysieke vorm. RelfWolf ontwerpt een retrocomputerbehuizing rond een scherm en een bedieningspaneel en maakt de geprinte onderdelen klaar voor montage.

Stap 1: Ontwerp en print de behuizing

Maak een behuizing op basis van de werkelijke afmetingen van het display en de interne hardware. De ervaring van RelfWolf laat zien waarom de plaatsing van connectoren net zo belangrijk is als de zichtbare schermgrootte: een iets ander displaymodel kan later in het bouwproces voor een onverwacht probleem met de kabelruimte zorgen.

Stap 2: De bedieningselementen en bevestigingspunten voorbereiden

Monteer de schakelaars, knoppen, leds en bedrading op het bedieningspaneel voordat je de behuizing sluit. Dankzij draadinzetstukken kan het paneel met schroeven worden vastgezet en tijdens het testen van de elektronica weer worden verwijderd.

Stap 3: Het scherm plaatsen en de kabelruimte controleren

Test de HDMI-verbinding met het scherm in de geïnstalleerde positie. Wanneer de kabel tegen de behuizing komt, gebruikt RelfWolf een haakse HDMI-adapter om de verbinding passend te maken. Zo voorkomt hij een onmiddellijke herziening van de behuizing en opnieuw een lange printcyclus.

Stap 4: Het voorpaneel vastzetten

Plaats het voorbereide bedieningspaneel aan de voorkant van de terminal en schroef het vast in de inzetstukken. Laat de interne elektronica toegankelijk totdat de software, audio en het scherm samen zijn getest.

De gemonteerde behuizing geeft de terminal zijn uiterlijk, maar is nog slechts de buitenkant. De volgende taak is om de computer lokaal reacties te laten genereren en die reacties met de microfoon en luidspreker te verbinden.

Deel 2: Een lokale conversatieagent uitvoeren met ZimaOS en Ollama

Bij 6:01, RelfWolf introduceert de lokale AI-hardware. Eerst test hij het model via de opdrachtregel, waarna hij naar de ZimaOS-interface gaat en Ollama met Home Assistant verbindt.

Stap 1: Ollama testen op ZimaBoard 2

Begin met een directe tekstuitwisseling voordat je de spraakketen toevoegt. RelfWolf krijgt een snelle reactie in zijn test via de opdrachtregel, waarmee wordt bevestigd dat het board het model kan uitvoeren voordat de extra integraties worden toegevoegd.

Dit eerste resultaat wordt later een nuttige referentie. Wanneer hetzelfde project via Home Assistant trager wordt, kan hij onderzoeken wat de integratie aan het verzoek toevoegt, in plaats van aan te nemen dat het board überhaupt geen lokale AI kan draaien.

Stap 2: Ollama instellen via ZimaOS

Gebruik de applicatie-interface van ZimaOS om Ollama te installeren en te beheren, zoals in de video wordt getoond. Het model moet beschikbaar zijn en reageren voordat een andere service het als conversiebackend kan gebruiken.

Het doel van RelfWolf is om het conversatiemodel op zijn eigen hardware te draaien. ZimaOS biedt de interface voor applicatiebeheer, terwijl Ollama het lokale model en de reacties daarop afhandelt.

Stap 3: Verbind Home Assistant met de Ollama-server

Voeg de Ollama-integratie toe in Home Assistant en wijs deze naar het lokale adres van de server. Maak een Assist-agent die Ollama gebruikt voor conversaties, zodat berichten die via Home Assistant worden ingevoerd het model bereiken dat op ZimaBoard 2 draait.

Stap 4: Configureer het personage en beperk onnodig werk

Stel een systeemprompt in die het gedrag van het personage definieert en test dit door een bericht te typen.

Tijdens RelfWolfs eerste geïntegreerde test loopt het CPU-gebruik op tot 100%, stijgt de temperatuur boven 80 °C en duurt het veel langer dan verwacht voordat het antwoord verschijnt. Een kleine ventilator verlaagt de temperatuur, maar de geretourneerde JSON onthult een ander probleem: de smart-homebedieningsinformatie overspoelt het model. Door de bijbehorende bedieningsoptie uit te schakelen werkt de conversatie effectiever.

Stap 5: Bevestig de conversatie voordat je spraak toevoegt

Herhaal de teksttest via Home Assistant en controleer of het antwoord de prompt van het personage volgt. Zo wordt de integratie van het taalmodel losgekoppeld van de configuratie van de microfoon, het wekwoord en de luidspreker die hierna komt.

De verbetering is specifiek voor deze opstelling en het conversatiegerichte gebruik ervan. RelfWolf heeft het personage niet nodig om zijn smart-homeapparaten te bedienen, dus door die extra taak te verwijderen kan het model zich concentreren op antwoorden.

Deel 3: Voeg het wekwoord, de stem en het geanimeerde gezicht toe

In het laatste deel koppelt hij de werkende conversatieagent aan de fysieke terminal. ESPHome stelt de microfoon en luidspreker beschikbaar in Home Assistant, en met een aangepast openWakeWord-model kan RelfWolf de assistent activeren door de naam van het personage te zeggen. Hij traint de wekzin, downloadt de resulterende bestanden en voegt ze toe aan zijn Home Assistant-installatie.

Daarna test hij Kokoro voor natuurlijkere spraak en maakt hij twee korte visuele loops: één inactieve animatie en één spreekanimatie. Een klein programma speelt de inactieve loop af bij het opstarten en schakelt tussen clips als reactie op afspeelactiviteit in Home Assistant. ESPHome koppelt ook de paneelindicatoren aan de status van de assistent, terwijl grotere luidsprekers van 5 W de kleine testluidspreker vervangen.

De volledige assemblage brengt problemen aan het licht die bij de afzonderlijke tests niet duidelijk waren. Door de Ethernetkabel naar de andere netwerkpoort te verplaatsen, verandert het adres van het board en worden verbindingen verbroken. Het scherm begint ook met de spreeklus voordat er hoorbare spraak klinkt. Na het aanpassen van de afspeeltrigger schakelt RelfWolf terug naar het snellere oorspronkelijke spraakmodel, omdat Kokoro genoeg vertraging toevoegt om de totale wachttijd tot boven de 20 seconden te brengen.

Basis-spraak versus Kokoro versus de definitieve configuratie

Belangrijke beperkingen op het gebied van prestaties, netwerk en synchronisatie

Het voltooide gesprek laat zien dat de onderdelen kunnen samenwerken, maar legt geen vaste responstijd vast voor elk model of elke installatie. De tests van RelfWolf tonen aan dat een integratie aanzienlijk extra werk kan opleveren en dat spraakgeneratie traag kan blijven, zelfs nadat het taalmodel klaar is met antwoorden.

• Meet het volledige gesprek. De gebruiker wacht op spraakherkenning, modelinferentie en spraakgeneratie voordat hij een antwoord hoort.
• Controleer de toegewezen taken van de agent. Onnodige informatie over smarthomebediening veroorzaakte problemen in deze specifieke gespreksconfiguratie.
• Houd de koeling onder belasting in de gaten. De extra ventilator verlaagde de gemeten temperatuur tijdens een daaropvolgende test tot halverwege de 60 °C.
• Houd serveradressen consistent. De wijziging van de netwerkpoort onderbrak de verbindingen die door de terminal werden gebruikt.
• Stem de animatie af op de hoorbare weergave. Een vroeg luidsprekerevent betekende niet dat de gegenereerde spraak al werd afgespeeld.
• Kies de spraakkwaliteit met de latentie in gedachten. RelfWolf gaf voor de uiteindelijke interactie de voorkeur aan het snellere oorspronkelijke model.

Problemen oplossen met een lokale AI-spraakterminal

Als de terminal na de montage niet werkt, controleer dan dezelfde drie verbindingen die tijdens de tests van RelfWolf problemen veroorzaakten:

1. Controleer of Home Assistant nog steeds naar het juiste Ollama-serveradres verwijst, vooral nadat je netwerkkabels hebt verplaatst.
2. Controleer de configuratie van de conversatieagent wanneer een voorheen snel model traag wordt of onverwachte gestructureerde uitvoer retourneert.
3. Controleer de audio- en afspeellogs wanneer het gezicht begint te bewegen voordat de luidspreker geluid produceert.

Vergelijk ook het tijdstip waarop het model zijn antwoord voltooit met het tijdstip waarop audio daadwerkelijk begint. In de getoonde logs waren dat afzonderlijke vertragingen. Test elk onderdeel afzonderlijk en herhaal daarna een volledig gesproken gesprek wanneer alles in de behuizing is geïnstalleerd.

Een compacte homeserver geeft een fictieve terminal een werkende stem

Het project van RelfWolf verandert een door een personage geïnspireerde behuizing in een werkende lokale AI-interface. Het resultaat hangt net zo goed af van de verbindingen tussen het model, de spraakpipeline, de fysieke bedieningselementen en het display als van de geprinte behuizing.

ZimaBoard 2 levert het lokale computerplatform, ZimaOS ondersteunt het applicatiebeheer en Home Assistant coördineert de interactie. De nuttigste lessen komen voort uit de wijzigingen tijdens het testen: de werklast van de conversatieagent verminderen, netwerkadressen controleren, de afspeeltiming corrigeren en een sneller spraakmodel kiezen.

Bekijk RelfWolfs volledige Dr. Zola-bouwproject om de fabricage, het debuggen en het uiteindelijke gesprek te volgen. Zijn afsluitende beoordeling laat ruimte voor aanpassingen aan de behuizing, een betere printkwaliteit en verdere verbeteringen aan de spraak en reactietijd.

Als je experimenteert met lokale AI, een spraakterminal bouwt of Zima-hardware combineert met Home Assistant, bezoek dan de ZimaSpace-community om je configuratie te delen en te bespreken welke onderdelen je vervolgens zou verbeteren.