Lokale Sprachsteuerung hat in Home Assistant bisher einen Haken, den jeder kennt, der sie mal ausprobiert hat: Man sagt „Licht an“, und dann ist erst mal Pause. In meinem Beitrag zur lokalen Sprachsteuerung lag Whisper lokal bei rund 2,5 bis 3 Sekunden, die Cloud bei 0,2 bis 0,5. Das Open-Source-Projekt Fulloch will diese Lücke schließen: Sein Entwickler misst laut seinem Beitrag auf Reddit rund 300 Millisekunden vom Ende des Satzes bis zum Licht, das tatsächlich angeht, und zwar komplett lokal auf einer RTX 3060 mit 12 GB. Also eine Grafikkarte, die nicht nach Rechenzentrum klingt.
Der Trick: das große Sprachmodell oft gar nicht fragen
Der Name steht für „Fully Local Home“, und das Tempo kommt nicht von Zauberei, sondern von einer Abkürzung. Einfache Befehle wie „turn on the fan“, „set the kitchen lights to 60 percent“ oder „open the blinds“ fängt ein Regex-Schnellweg ab und schickt sie direkt an Home Assistant, ganz ohne Sprachmodell. Erst was komplizierter ist, etwa „mach das aus“ oder zwei Wünsche in einem Satz, landet beim lokalen Sprachmodell, auf der Grafikkarte zum Beispiel Qwen3.5 9B oder Gemma 4 12B. Die Spracherkennung läuft wahlweise mit Qwen3-ASR oder Parakeet, die Sprachausgabe unter anderem mit Kokoro, Pocket TTS oder Qwen3-TTS, Stimmklonen inklusive.
Drumherum gibt es mehr, als man von einem Hobbyprojekt erwartet: Wakeword („Hey Atticus“), Rückfragen ohne erneutes Wakeword, Unterbrechen mitten im Satz, Timer, Kalender-Erinnerungen, Spotify-Suche mit Wiedergabe über deine Home-Assistant-Mediaplayer, Websuche über ein eigenes SearXNG und Notizen per Stimme in Obsidian. Und flüstern kann er auch, für die Ansage um Mitternacht.
So hängt es an Home Assistant
Wichtig zum Einordnen: Fulloch ist keine Erweiterung für die eingebaute Assist-Pipeline, sondern ein eigener Sprachassistent im Docker-Container, der Home Assistant per Langzeit-Token über die API steuert. Das hat eine Folge, die man kennen sollte: Die Freigabe „Für Assist freigeben“ kann Fulloch nicht lesen. Wer Türschloss oder Alarmanlage nicht per Stimme schaltbar haben will, sperrt sie in Fullochs eigenem Dashboard unter „Entities“.
Zusätzlich gibt es eine Integration, die du über HACS als benutzerdefiniertes Repository einbindest. Sie liefert Sensoren für Status, letzten Befehl und letzte Antwort, einen Schalter fürs Mikrofon und Aktionen wie fulloch.speak, mit denen deine Automationen Fulloch etwas sagen lassen. Als Mikrofon dienen der Browser auf Handy oder Tablet, ein Raspberry Pi oder ESP32-S3-Satelliten mit eigener Firmware, wobei dort aktuell nur ein Gerät offiziell unterstützt ist: die Waveshare ESP32-S3 Touch LCD 1.85C Box in Revision 2.
Ohne Grafikkarte geht es auch: Das CPU-Image läuft auf Linux, Mac und Windows, dann aber nur mit dem Regex-Schnellweg oder dem kleinen Befehls-Erkenner „Laya“, also ohne freie Unterhaltung. Alternativ hängst du ein Sprachmodell an, das schon irgendwo im Netz läuft, etwa Ollama oder LM Studio. Dann verkleidet sich das Dino-Maskottchen ehrlicherweise als „Parloch“, der nur noch „partially local“ ist. Selten war ein Datenschutz-Hinweis so niedlich.
Der Haken für deutsche Haushalte
Ausprobiert habe ich Fulloch noch nicht, die Einordnung stützt sich auf das Repository und den Reddit-Beitrag. Und dabei fällt etwas auf: Der Regex-Schnellweg, dem Fulloch die 300 Millisekunden verdankt, kennt nur englische Sätze. Deutsch versteht Fulloch laut Entwickler trotzdem, im Demo-Video klappt ein deutscher Befehl auf Anhieb, aber der läuft dann über das große Sprachmodell. Das heißt: Grafikkarte oder externes Sprachmodell nötig, und die Rekordzeit gilt für den englischen Schnellweg. Auch die CPU-Stimme Pocket TTS ist laut Doku das englische Paket.
Zur Reife: Fulloch gibt es seit Januar 2026, aktuell ist Version 2.4.0 vom 13. Oktober, auf GitHub hat das Projekt rund 160 Sterne. Es ist ein Ein-Personen-Projekt, das laut README mit Hilfe von KI-Coding-Werkzeugen entstanden ist. Fulloch selbst steht unter MIT-Lizenz, einige optionale Bausteine nicht: Das Wakeword-Modell und die Higgs-Stimme sind nur für nicht-kommerzielle Nutzung freigegeben. Für den ersten Start brauchst du je nach Ausstattung rund 5 GB (CPU) bis 13 GB (Grafikkarte) an Modell-Downloads.
Meine Einordnung: Wer schon einen Rechner mit Nvidia-Karte im Keller hat und gern bastelt, bekommt hier einen spannenden Blick darauf, wie flott lokale Sprachsteuerung sein kann. Für den deutschen Alltag ist der eingebaute Weg mit Assist, Satelliten und lokalen Modellen aus meinem Sprachsteuerungs-Beitrag aber weiterhin der rundere. Wer den Echo nicht wegwerfen will, findet bei LocalDot noch einen ganz anderen Ansatz. Und ob lokale Sprachsteuerung ohne Internet überhaupt sinnvoll klappt, diskutiert die simon42 Community im Thread „Sprachsteuerung ohne Internet, geht das?“.
Quellen: Fulloch auf GitHub · fulloch-satellite (ESP32-S3-Firmware) · Vorstellung des Entwicklers auf Reddit
🛒 Passende Geräte
Wer lieber den offiziellen Weg über Assist geht: Ein guter Sprach-Satellit für Home Assistant ist die Home Assistant Voice Preview Edition*.
🔎 Auf der Suche nach dem passenden Gerät?
