Un compañero de escritorio que habla puede plantearse con un ordenador tipo Raspberry Pi, matriz de micrófonos, altavoz, cámara y dos o tres servos para una cabeza expresiva. Es una arquitectura propuesta, no un montaje probado por RoboHub. Empieza con una base estable y recorrido limitado; resuelve el audio antes de añadir movimiento o cámara.
La cadena de voz combina palabra de activación, transcripción, modelo de lenguaje y síntesis de voz. Elige modelos locales o en la nube tras medir la respuesta en tu hardware. El procesamiento local permite controlar mejor el audio; la nube añade dependencia de red y posibles costes de uso. Ninguno garantiza respuestas instantáneas. Limita las peticiones, indica cuándo está activo el micrófono y evita grabar por defecto.
Como referencia de kit, Pollen Robotics describe Reachy Mini Wireless con Raspberry Pi CM4 a bordo, Wi-Fi y USB, cámara, cuatro micrófonos, altavoz y acelerómetro. Lite usa un Mac, PC o equipo Linux por USB con el mismo movimiento. Ambos son kits de montaje de unas dos horas. El fabricante describe conversación integrada mediante un modelo de voz en tiempo real y más de 60 aplicaciones comunitarias; estas funciones pertenecen a Reachy Mini, no a la cabeza casera propuesta.