見守りカメラとローカルLLMで話すペットを作る

Reolink E1 ZoomのRTSP backchannelとDGX Sparkでローカル音声対話環境を構築する前に読む。

市販の見守りカメラとDGX Spark1台を用いて、クラウドを使わずに音声対話するペットエージェントを構築した事例。Qwen3-ASR、Gemma 4、VOICEVOX、CAM++を組み合わせたモデル構成や、カメラの音声遅延への対策、自分の声の除外処理などの実装と精度検証が明かされている。