Raspberry Pi 5とAI HAT+ 2でエッジAI音声アシスタント

OSのインストール

Raspberry Pi 5のOSをSDカードに書き込みます。今回はRaspberry Pi Imagerを利用しました。

ソフトをダウンロードしたら起動します。
以下のように項目を選択、入力します。

全て設定が終わったらWRITEをクリックして書き込みます。

Raspberry Pi AI HAT+ 2の取り付け

次にRaspberry Pi AI HAT+ 2をRaspberry Pi 5へ取り付けます。

箱には以下のパーツが入ってます。

• AI HAT+ 2ボード
• I/O延長用ピンヘッダ
• ヒートシンク
• スペーサー、ネジ

まず、ヒートシンクを取り付けましょう。ヒートシンク裏のシートを剥がします。説明カードを見ながら向きを合わせてピンを差し込みましょう。AI HAT+ 2ボードとヒートシンクのRaspberry Piのロゴの向きが一致する方向です。

ピンが差し込みにくい場合は、ヒートシンクを下にして上からボードを押すようにすると差し込みやすいと思います。ボードを壊さないようにピンの周囲を押すようにします。

AI HAT+ 2ボードのフレキシブルケーブルをRaspberry Pi 5のコネクタに差し込みます。取り付けの際にはコネクタの茶色いスライダーを引き上げておきます（力を入れすぎて壊さないように注意！）差し込んだらスライダーを押し込むとケーブルが固定されます。

付属のスペーサーとネジで固定します。これで取り付けは完了です。

AI HAT+ 2（Hailo-10H）実行環境のインストール

AI HAT+ 2にはエッジAIアクセラレータHailo-10Hが搭載されています。このデバイスを制御するためのドライバや各種ツールをインストールしていきます。

１．電源を入れてターミナルを起動します。
ソフトウェアのインストールにネットワーク接続が必要なのでRaspberry Pi 5をWi-Fiまたは有線LANに接続してください。

２．ターミナルで以下を実行します（$はターミナルのプロンプトなので入力しません）。パッケージ名が10hではなく、hailo-h10-allなので注意してください。

$ sudo apt update
# ドライバモジュールのビルド、インストールを行うのに必要
$ sudo apt install dkms
# AI HAT+ 2実行環境
$ sudo apt install -y hailo-h10-all
$ sudo reboot

３．再起動したら、ターミナルを起動します。hailortcli scanを実行して以下のように表示されれば無事に実行環境がインストールされています。

$ hailortcli scan
Hailo Devices:
[-] Device: 0001:01:00.0

サンプルアプリケーションコードの取得とパッケージのインストール

参考リンク：

• https://github.com/hailo-ai/hailo-apps/tree/main/hailo_apps/python/gen_ai_apps/voice_assistant

１．ターミナルで適当なディレクトリへ移動し、ソースコードを取得します。取得したらデモのディレクトリに移動してください。

他の用途でもPythonを利用する場合はパッケージが影響を受けないようにデモ実行専用のPython仮想環境を構築したほうがよいでしょう。

$ git clone https://github.com/hailo-ai/hailo-apps.git
$ cd ./hailo-apps/
# venv_gen_aiという名前のPython仮想環境を作成する
# システムにインストールされたHAILOパッケージを引き継ぐため
# --system-site-packagesを指定する
$ python -m venv --system-site-packages venv_gen_ai
# Python実行環境の切り替え
$ . venv_gen_ai/bin/activate

注意：再起動して実行する際には、最初に仮想環境を切り替えるようにしてください。

２．デモで必要となるライブラリ、Pythonパッケージをインストールします。

$ sudo apt-get install -y portaudio19-dev
# hailo-apps/で実行
$ pip install -e ".[gen-ai]"

３．USBマイク・スピーカーをつないだ状態で次のツールを実行します。 ツールが自動的に接続されているマイク・スピーカーを認識し、録音・再生テストを行います。

$ hailo-audio-troubleshoot

音声アシスタントデモの実行

１．モデルをダウンロードするディレクトリを作成します

$ sudo mkdir /usr/local/hailo
$ sudo chown <ユーザ名>:<ユーザ名> /usr/local/hailo

２．以下のコマンドを実行して、音声アシスタントデモを実行します。初回はモデルダウンロードを行うため時間がかかります。

# 初回は/usr/local/hailoにモデルをダウンロードします
$ python -m hailo_apps.python.gen_ai_apps.voice_assistant.voice_assistant

３．モデルのダウンロードが完了するとアシスタントが起動します。音声区間検出(VAD)機能が有効化されていないので音声入力の開始、終了のタイミングをスペースキーを押して指示します。

では早速試してみましょう。

デフォルトでは英語のみを認識するようになっています。スペースキーを押して"Hello, who are you ?"と音声を入力し、終わったら再度スペースキーを押します。今回は以下のような反応が返ってきました。

動作が確認出来たら'Q'を入力してデモを終了します。

日本語対応

この記事を執筆している時点（2026/01/30）では音声アシスタントデモは以下のモデルを読み込むようになっています。

どちらも多言語に対応しているモデルなので日本語の入出力が行えるようにしてみましょう。

元のコードをコピーしてvoice_assistant_ja.pyというファイルを作成し、エディタでファイルを開きます。

# 音声AIアシスタントのディレクトリに移動します
$ cd hailo_apps/python/gen_ai_apps/voice_assistant
$ cp voice_assistant.py voice_assistant_ja.py
$ nano voice_assistant_ja.py

ソースコードを以下のように修正します。

変更点

    ...
    def on_audio_ready(self, audio):
      self.abort_event.clear()
  
      # 1. Transcribe
-     user_text = self.s2t.transcribe(audio)
+     # Whisperの言語コードで日本語(ja)を指定
+     user_text = self.s2t.transcribe(audio, language="ja")
  
      if not user_text:
          print("No speech detected.")
          return
      ...

修正したらCtrl-Oで保存し、エディタを終了します。

ではhailo-appsディレクトリへ戻って、音声アシスタントを実行してみましょう。--vadオプションを指定すると音声入力の自動区間検出が有効になり、マイクに話しかけるだけで音声を認識するようになります。

$ python -m hailo_apps.python.gen_ai_apps.voice_assistant.voice_assistant_ja --vad

次のように日本語でのやり取りができるようになりました。

LLMモデルの変更

Qwen2.5-1.5B-Instructの日本語の回答は文字化けが含まれたり少し不自然です。

別のLLMモデルを試してみましょう。以下のリンクからQwen2-1.5B-Instruct.hefをhailo-appsディレクトリへダウンロードします。

• https://hailo.ai/products/hailo-software/model-explorer/generative-ai/qwen2-1-5b/

次にエディタを開いて、ダウンロードしたモデルを強制的に読み込むように修正します。

$ nano voice_assistant_ja.py

変更点

class VoiceAssistantApp:
  ...
    def __init__(self, debug=False, no_tts=False):
        ...        
  
        if model_path is None:
            raise RuntimeError("Failed to resolve HEF path for LLM model. Please ensure the model is available.")
  
        ...
  
-       self.llm = LLM(self.vdevice, str(model_path))
+       # 読み込むモデルを指定します
+       self.llm = LLM(self.vdevice, "./Qwen2-1.5B-Instruct.hef")

修正したら再度、音声アシスタントを実行します。

$ python -m hailo_apps.python.gen_ai_apps.voice_assistant.voice_assistant_ja --vad

今回利用したモデルはパラメータ数が1.5Bと小さいため日本語の回答の品質はあまり高くありません。しかし、大きなサイズのモデル提供も予定されており、今後はより自然に日本語でやり取りできるようになるでしょう。

また、Whisper-Baseに音声を入力してからテキストが出力されるまでの時間はおよそ2秒以下と高速です。安価なエッジAIで動作する音声アシスタントとしては十分な性能ではないでしょうか。

ぜひ、手元でお試しいただき、オリジナルのアプリケーション開発にご活用ください！