I. Tổng quan điều khiển giọng nói và app nhà thông minh ĐH SPKT TPHCM
Nghiên cứu về điều khiển giọng nói và app trong nhà thông minh tại ĐH SPKT TPHCM đánh dấu bước tiến quan trọng trong ứng dụng Internet of Things (IoT). Đồ án tốt nghiệp thuộc Khoa Điện – Điện tử xây dựng một mô hình quản lý thiết bị gia dụng hiện đại, toàn diện và tối ưu chi phí. Trọng tâm của hệ thống là khả năng điều khiển kép. Người dùng ra lệnh bằng âm thanh trực tiếp hoặc thao tác trên bảng điều khiển di động. Hệ thống loại bỏ sự phụ thuộc vào các máy chủ đám mây thương mại đắt đỏ. Nền tảng mở Home Assistant bảo vệ tối đa dữ liệu riêng tư trong không gian sống. Thiết kế phần cứng ưu tiên tính module hóa cao. Bo mạch trung tâm Raspberry Pi 5 kết nối nhịp nhàng cùng các vi điều khiển ESP32 phân tán. Sự kết hợp này mang lại khả năng xử lý tác vụ thông minh mượt mà và tiêu thụ ít điện năng. Dự án phản ánh rõ nét định hướng đào tạo thực hành chuyên sâu của ngành Công nghệ Kỹ thuật Máy tính tại HCMUTE. Giải pháp đáp ứng trọn vẹn nhu cầu tự động hóa sinh hoạt, kiểm soát môi trường sống và nâng tầm trải nghiệm không gian nhà ở thông minh hiện nay.
1.1. Bối cảnh nghiên cứu nhà thông minh tại ĐH SPKT TPHCM
Xu hướng tự động hóa nhà ở đang tăng trưởng nhanh chóng tại Việt Nam. Người sử dụng mong muốn quản lý thiết bị gia đình đơn giản và tức thì. Đồ án của sinh viên Ngô Hoàng Minh Nhật và Nguyễn Thuận Phát xuất phát từ nhu cầu thực tiễn đó. Đề tài nhận sự hướng dẫn từ ThS. Đặng Phước Hải Trang tại Khoa Điện – Điện tử. Mục tiêu cốt lõi là làm chủ công nghệ điều khiển mà không phụ thuộc vào hạ tầng máy chủ đóng. Mô hình tích hợp ứng dụng trực quan và công nghệ nhận diện giọng nói tự nhiên. Các thiết bị phản hồi nhanh, chính xác và đảm bảo an ninh mạng nội bộ. Nghiên cứu khẳng định năng lực ứng dụng hệ thống nhúng thông minh vào đời sống thực tế.
1.2. Mục tiêu tích hợp đa phương thức tương tác thiết bị
Hệ thống hướng tới trải nghiệm liền mạch cho mọi đối tượng trong gia đình. Phương thức giọng nói mang lại sự tiện lợi rảnh tay khi người dùng bận rộn. Phương thức bảng điều khiển app cung cấp cái nhìn trực quan về trạng thái toàn bộ ngôi nhà. Người sử dụng có thể theo dõi nhiệt độ, độ ẩm hay phát hiện nguy cơ rò rỉ khí gas từ xa. Việc duy trì song song công tắc vật lý giúp hệ thống hoạt động ổn định khi mạng gặp sự cố. Sự đồng bộ tức thời giữa ứng dụng di động và giọng nói tạo nên thể thống nhất. Mọi biến đổi trạng thái của đèn, quạt hay cửa tự động đều cập nhật theo thời gian thực. Đồ án chứng minh khả năng phối hợp hiệu quả giữa nhiều lớp giao tiếp.
II. Phân tích bài toán điều khiển giọng nói và app nhà thông minh
Các giải pháp nhà thông minh thương mại hiện nay thường phụ thuộc hoàn toàn vào dịch vụ đám mây. Sự ràng buộc này gây ra nguy cơ lộ lọt dữ liệu riêng tư và làm tăng chi phí vận hành. Khi đường truyền Internet chập chờn, toàn bộ chuỗi điều khiển giọng nói và quản lý qua app sẽ tê liệt. Thêm vào đó, thiết bị của các nhà sản xuất khác nhau thường dùng giao thức đóng, gây cản trở kết nối đồng bộ. Người sử dụng phải tải nhiều ứng dụng độc lập để điều khiển từng thiết bị riêng lẻ. Vấn đề nhận dạng giọng nói tiếng Việt cũng là một thách thức kỹ thuật lớn trong môi trường thực tế. Tiếng ồn môi trường, tiếng vang và phát âm đa dạng theo vùng miền làm giảm tỷ lệ nhận dạng lệnh. Ngoài ra, việc duy trì đường truyền liên tục giữa micro thu âm và máy chủ đòi hỏi băng thông mạng ổn định. Nếu không tối ưu thuật toán, độ trễ phản hồi sẽ rất cao. Hệ thống tại ĐH SPKT TPHCM đặt ra yêu cầu giải quyết triệt để các rào cản kỹ thuật này. Đồ án tập trung xây dựng cơ chế xử lý kết hợp giữa tính toán cục bộ và điện toán đám mây linh hoạt.
2.1. Thách thức về bảo mật và phụ thuộc đám mây
Các nền tảng đám mây thương mại thu thập lượng lớn dữ liệu sinh hoạt của hộ gia đình. Nguy cơ rò rỉ hình ảnh, thói quen và âm thanh cá nhân luôn hiện hữu. Khi máy chủ dịch vụ gặp sự cố kỹ thuật, người dùng mất hoàn toàn quyền kiểm soát ngôi nhà. Sự gián đoạn này gây nhiều bất tiện và giảm mức độ an toàn cho người cư ngụ. Thiết kế của đồ án giải quyết trực diện vấn đề bảo mật bằng phương pháp lưu trữ nội bộ. Nền tảng Home Assistant chạy trực tiếp trên phần cứng máy tính nhúng đặt tại nhà. Toàn bộ thông tin cấu hình và dữ liệu cảm biến được bảo vệ nghiêm ngặt trong mạng LAN. Cơ chế này loại bỏ hoàn toàn các rủi ro can thiệp từ bên ngoài.
2.2. Trở ngại nhận diện âm thanh và độ trễ phản hồi
Xử lý giọng nói tiếng Việt trong môi trường sống thường chịu ảnh hưởng bởi tạp âm xung quanh. Tiếng quạt máy, tivi hay tiếng xe cộ ngoài đường dễ làm biến dạng sóng âm. Nếu liên tục truyền luồng âm thanh thô lên dịch vụ đám mây, băng thông mạng sẽ bị tắc nghẽn nặng nề. Độ trễ điều khiển tăng cao khiến trải nghiệm người dùng trở nên kém mượt mà. Hơn nữa, chi phí API dịch vụ chuyển đổi âm thanh sẽ tăng vọt nếu kích hoạt thu âm liên tục không kiểm soát. Do đó, việc kích hoạt thiết bị bằng từ khóa cục bộ trước khi gửi tín hiệu là bài toán bắt buộc. Đề tài đòi hỏi một kiến trúc phần cứng gọn nhẹ nhưng đủ năng lực xử lý thuật toán lọc nhiễu âm thanh hiệu quả.
III. Giải pháp điều khiển giọng nói và app nhà thông minh qua ESP32
Giải pháp công nghệ của đồ án sử dụng kiến trúc phân tầng thông minh và linh hoạt. Trung tâm điều phối là máy tính mini Raspberry Pi 5. Bo mạch vận hành nền tảng mã nguồn mở Home Assistant bên trong môi trường ảo hóa Docker. Cấu trúc này giúp hệ thống hoạt động bền bỉ, dễ cập nhật và cách ly lỗi phần mềm. Nhóm nghiên cứu chia tách phần cứng ngoại vi thành hai khối ESP32 độc lập. Khối thứ nhất chuyên trách thu nhận giọng nói. Module ESP32 này tích hợp micro kỹ thuật số INMP441 và mô hình nhận diện OpenWakeWord. Khi người dùng phát âm từ khóa "Hey Jarvis", hệ thống mới bắt đầu ghi âm câu lệnh. Đoạn âm thanh chuẩn định dạng WAV truyền qua kết nối Wi-Fi về máy chủ Home Assistant. Sau đó, dịch vụ Google Speech-to-Text chuyển đổi tín hiệu giọng nói thành văn bản lệnh. Khối ESP32 thứ hai đóng vai trò thực thi cơ điện. Vi điều khiển tiếp nhận tín hiệu từ Home Assistant để đóng ngắt relay đèn hoặc phát xung PWM tinh chỉnh tốc độ quạt. Toàn bộ kịch bản tự động hóa đều liên kết chặt chẽ với bảng điều khiển trên app di động.
3.1. Thiết kế phần cứng và cơ chế nhận diện từ khóa
Khối phần cứng đầu vào sử dụng vi điều khiển ESP32 giao tiếp với micro INMP441 qua chuẩn I2S. Cấu hình này đem lại chất lượng âm thanh trung thực và khử ồn ấn tượng. Công nghệ OpenWakeWord chạy trực tiếp tại biên mạng để phát hiện từ khóa "Hey Jarvis". Mô hình AI cục bộ giúp loại bỏ việc tải âm thanh thừa lên máy chủ. Chỉ khi phát hiện đúng từ kích hoạt, thiết bị mới đóng gói luồng âm thanh PCM hoặc WAV để gửi đi. Tín hiệu âm thanh truyền qua Wi-Fi nội bộ đến Docker Home Assistant trên Raspberry Pi 5. Thiết kế phân quyền phần cứng rõ ràng giúp vi điều khiển hoạt động bền bỉ, tiết kiệm năng lượng và không quá nhiệt trong thời gian dài.
3.2. Điều phối trung tâm Home Assistant và xử lý lệnh
Raspberry Pi 5 đóng vai trò bộ não trung tâm của toàn bộ hệ thống nhà thông minh. Hệ điều hành chạy container Docker chứa nền tảng Home Assistant phiên bản mới nhất. Khi nhận chuỗi âm thanh từ ESP32, Home Assistant kích hoạt dịch vụ Google Speech-to-Text trên đám mây. Dịch vụ chuyển đổi giọng nói tiếng Việt thành chuỗi văn bản chính xác trong thời gian chưa tới một giây. Hệ thống phân tích cú pháp để ánh xạ lệnh vào các kịch bản tự động hóa hoặc script nội bộ. Lệnh thực thi lập tức truyền xuống ESP32 điều khiển để kích hoạt relay đèn, sào phơi đồ, cửa garage hay còi báo động. Đồng thời, trạng thái mới nhất lập tức đồng bộ lên ứng dụng di động của người dùng.
IV. Đánh giá ứng dụng điều khiển giọng nói và app tại ĐH SPKT TPHCM
Kết quả thử nghiệm thực tế cho thấy hệ thống vận hành ổn định và đạt độ tin cậy kỹ thuật cao. Tốc độ nhận diện câu lệnh giọng nói và phản hồi điều khiển qua app diễn ra nhanh chóng. Trong môi trường yên tĩnh, tỷ lệ nhận diện từ khóa "Hey Jarvis" đạt mức gần như tuyệt đối. Cơ chế phân tách module phần cứng giúp Raspberry Pi 5 và ESP32 phối hợp mượt mà. Hệ thống quản lý tốt các thiết bị điện như đèn chiếu sáng, quạt làm mát, cảm biến khí gas MQ-2 và cửa garage tự động. Điểm nổi bật của đề tài là tính độc lập cao với chi phí phần cứng hợp lý. Dự án đã chứng minh tính khả thi của mô hình nhà thông minh nguồn mở trong thực tiễn. Nghiên cứu mở ra hướng đi bền vững cho các giải pháp nhà thông minh tại Việt Nam. Không chỉ phục vụ sinh hoạt hộ gia đình, mô hình còn có thể ứng dụng trong văn phòng, lớp học hay bệnh viện thông minh. Hệ thống khẳng định chất lượng đào tạo chuyên môn của ĐH SPKT TPHCM.
4.1. Hiệu năng vận hành và độ chính xác kiểm nghiệm
Quá trình thử nghiệm cho thấy tốc độ chuyển mạch giữa lệnh giọng nói và hành vi cơ khí diễn ra mượt mà. Thời gian từ lúc dứt câu lệnh đến khi rơ-le đèn phản hồi đạt mức dưới 1,5 giây. Khi sử dụng ứng dụng di động trên mạng Wi-Fi nội bộ, độ trễ hầu như không đáng kể. Cảm biến nhiệt độ DHT11 và cảm biến khí gas MQ-2 liên tục cập nhật chỉ số chính xác lên dashboard. Hệ thống tự động kích hoạt còi cảnh báo khi phát hiện rò rỉ khí độc. Cơ chế kích hoạt từ khóa OpenWakeWord giúp thiết bị nhận diện khẩu lệnh tốt mà không cần bật micro liên tục. Nhìn chung, hệ thống đạt độ tin cậy và ổn định cao trong điều kiện phòng kín tiêu chuẩn.
4.2. Tiềm năng tích hợp Generative AI và phát triển tương lai
Đề tài mở ra tiềm năng lớn khi sẵn sàng tích hợp Google Generative AI vào luồng xử lý. Trí tuệ nhân tạo tạo sinh cho phép hệ thống hiểu ngữ cảnh và hội thoại tự nhiên thay vì câu lệnh đơn lẻ. Người dùng có thể trò chuyện linh hoạt như với một trợ lý gia đình thông minh. Trong tương lai, mô hình có thể phát triển thêm khả năng nhận diện khuôn mặt và camera an ninh. Các thuật toán học máy sẽ ghi nhớ thói quen sinh hoạt để chủ động điều chỉnh điều hòa hay ánh sáng. Hơn nữa, việc tối ưu hóa mô hình ngôn ngữ chạy trực tiếp tại biên sẽ gia tăng tính độc lập ngoại tuyến. Hướng phát triển này nâng cao vị thế học thuật và tính ứng dụng của các đề tài kỹ thuật tại ĐH SPKT TPHCM.
