話せる卓上の相棒は、Raspberry Piクラスのコンピュータ、マイクアレイ、スピーカー、カメラ、頭部用の2〜3個のサーボで構想できます。これは設計案であり、RoboHubが製作・試験した機体ではありません。安定した台座と制限した可動範囲から始め、動作やカメラを加える前に音声を動かします。
音声処理は、ウェイクワード、音声認識、言語モデル、音声合成の順に組みます。実機の応答時間を測ってから、ローカルまたはクラウドのモデルを選びます。ローカル処理は音声を管理しやすく、クラウドにはネットワーク依存と利用料金の可能性があります。どちらも即時応答を保証しません。要求数を制限し、マイク使用中を表示し、初期設定では録音を保存しない設計にします。
キットの参考例として、Pollen RoboticsはReachy Mini WirelessにRaspberry Pi CM4、Wi-FiとUSB、カメラ、4つのマイク、スピーカー、加速度センサーを内蔵すると説明しています。LiteはMac、PC、Linuxの外部コンピュータをUSB接続し、動作能力は同じです。どちらも組立約2時間のキットです。リアルタイム音声モデルによる内蔵会話と60以上のコミュニティアプリはReachy Miniの機能であり、この自作頭部の機能ではありません。