রাস্পবেরি পাই সহ এআই সহকারী: বাস্তব-বিশ্বের প্রকল্প, হার্ডওয়্যার এবং একটি ব্যবহারিক নির্দেশিকা

আপনি যদি রাস্পবেরি পাই দিয়ে একটি এআই অ্যাসিস্ট্যান্ট তৈরির কথা ভেবে থাকেন , তবে আপনি সঠিক জায়গায় এসেছেন: বর্তমানে, রাস্পবেরি পাই ৪ এবং আরও শক্তিশালী রাস্পবেরি পাই ৫, উভয় মডেলেই এই ছোট সিঙ্গেল-বোর্ড কম্পিউটারগুলোতে (এসবিসি) ভয়েস, ভিশন এবং ল্যাঙ্গুয়েজ মডেলের সমন্বয় করা ইতিমধ্যেই সম্ভব। এমন বাস্তব প্রকল্প রয়েছে যা এর কার্যকারিতা প্রমাণ করে, এবং একে আরও এক ধাপ এগিয়ে নিয়ে যাওয়ার জন্য অফিসিয়াল অ্যাক্সেসরিজও রয়েছে, যেগুলোতে এআই অ্যাক্সিলারেশন সুবিধা যুক্ত করা হয়েছে।

এই নিবন্ধে আপনি একটি বিশদ বিবরণ পাবেন: Pi 4 এবং VOSK ও Ollama-এর মতো টুলের উপর ভিত্তি করে তৈরি একটি ভয়েস-অ্যাক্টিভেটেড হোম অ্যাসিস্ট্যান্ট থেকে শুরু করে, Qwen3:1.7bo এবং Gemma3:1b-এর মতো কম্প্যাক্ট মডেল ব্যবহার করে ওয়েক ওয়ার্ড প্রসেসিং, লোকাল ট্রান্সক্রিপশন এবং ইনফারেন্স চালনাকারী একটি Pi 5 পর্যন্ত। আপনি আরও দেখতে পাবেন যে Hailo-8L NPU সহ AI Kit কীভাবে Pi 5-এর সাথে খাপ খায়, রিকগনিশন এবং TTS-এর জন্য কোন লাইব্রেরিগুলো ব্যবহার করতে হবে, এবং বাড়িতে ও কর্মক্ষেত্রে নিরাপত্তা কেন অত্যন্ত গুরুত্বপূর্ণ।

রাস্পবেরি পাই দিয়ে কেন একটি এআই সহকারী তৈরি করবেন?

রাস্পবেরি পাই-এর একটি স্মার্ট অ্যাসিস্ট্যান্ট আপনাকে স্বল্প খরচে এবং ন্যূনতম বিদ্যুৎ ব্যয়ে ডিভাইস নিয়ন্ত্রণ করতে, প্রশ্নের উত্তর দিতে এবং দৈনন্দিন কাজ স্বয়ংক্রিয় করতে সাহায্য করে; অন্য কথায়, এটি ক্লাউডের উপর সর্বদা নির্ভর না করে ভয়েস এবং ল্যাঙ্গুয়েজ ফাংশন শেখা, প্রোটোটাইপিং এবং প্রয়োগ করার জন্য একটি আদর্শ প্ল্যাটফর্ম।

একটি পাই-এর সাহায্যে আপনি মাইক্রোফোন, ক্যামেরা এবং ছোট স্ক্রিন যুক্ত করতে পারেন, সেইসাথে পাইথন, জাভা বা সি++ এ প্রোগ্রামিংও করতে পারেন; এর ফলে ভয়েস-অ্যাক্টিভেটেড স্ট্যাটাস প্যানেল থেকে শুরু করে ফেসিয়াল রিকগনিশনসহ অ্যাক্সেস কন্ট্রোল সিস্টেম, এমনকি আপনার কমান্ড শুনে, বুঝে এবং সেই অনুযায়ী কাজ করে এমন একটি হোম বট পর্যন্ত বিভিন্ন ধরনের প্রজেক্ট তৈরির সুযোগ তৈরি হয়।

রাস্পবেরি পাই ৪ বনাম রাস্পবেরি পাই ৫: শক্তি এবং সম্ভাবনা

রাস্পবেরি পাই ৪ প্রমাণ করেছিল যে সঠিক স্ট্যাক বেছে নিলে একটি স্থানীয় ভয়েস অ্যাসিস্ট্যান্ট তৈরি করা সম্ভব; তবে, রাস্পবেরি পাই ৫ শুধু সিপিইউ এবং জিপিইউ-এর গতিই বাড়ায় না, বরং উচ্চ-ক্ষমতাসম্পন্ন অ্যাক্সেসরিজের জন্য PCIe কানেক্টিভিটি যোগ করে এবং পোর্ট ও ব্যান্ডউইথ উন্নত করে, যা সার্বিক অভিজ্ঞতাকে আরও মসৃণ করে তোলে ।

পাই ৫-এর স্পেসিফিকেশনের মধ্যে রয়েছে এর ২.৪ গিগাহার্টজ পর্যন্ত গতির এআরএম কর্টেক্স-এ৭৬ প্রসেসর, ৮ জিবি পর্যন্ত এলপিডিডিআর৪এক্স র‍্যাম, ওয়াই-ফাই ৫, ব্লুটুথ ৫.০/বিএলই, এবং ৬০ হার্টজে ৪কে আউটপুটসহ দুটি মাইক্রো-এইচডিএমআই পোর্ট। একগুচ্ছ উন্নতমানের সেন্সরের সাথে মিলিত হয়ে এটি অ্যাসিস্ট্যান্টকে একই সাথে একাধিক কাজ নির্বিঘ্নে সামলাতে এবং ভয়েস ইন্টারঅ্যাকশনে কম ল্যাটেন্সি বজায় রাখতে সাহায্য করে।

ASRAI: Pi 4 এর সাথে একটি বাস্তব প্রকল্প যা গোপনীয়তা এবং নিয়ন্ত্রণের উপর দৃষ্টি নিবদ্ধ করে

একজন উদ্ভাবনী নির্মাতা অ্যাসরাই (ASRAI) তৈরি করেছেন, যা একটি রাস্পবেরি পাই ৪ মডেল বি (Raspberry Pi 4 Model B), একটি ৩.৫-ইঞ্চি জিপিআইও (GPIO) ডিসপ্লে এবং একটি সনি প্লেস্টেশন আই (Sony PlayStation Eye) ক্যামেরার উপর ভিত্তি করে নির্মিত একটি ভয়েস-অ্যাক্টিভেটেড অ্যাসিস্ট্যান্ট। এর আসল আকর্ষণ হলো প্লেস্টেশন আই (PlayStation Eye): এতে চারটি মাইক্রোফোনের একটি অ্যারে রয়েছে যা পাই (Pi)-এর জন্য সহজেই আলাদা করা যায় এবং সেকেন্ডহ্যান্ড বাজারে এটি প্রায় বিনামূল্যে পাওয়া যায়, যা সাধারণ বিমফর্মিং অডিও ক্যাপচারের জন্য এটিকে একটি দারুণ সাশ্রয়ী বিকল্প করে তোলে।

এই প্রকল্পে, পাই ৪ (Pi 4) অফলাইন স্পিচ রিকগনিশনের জন্য স্থানীয়ভাবে VOSK চালায় এবং Ollama-এর মাধ্যমে একটি OpenAI-উপযোগী API পয়েন্ট ব্যবহার করে নেটওয়ার্কের মাধ্যমে লেখকের নিজের পিসিতে হোস্ট করা একটি LLM-এর সাথে সংযুক্ত হয়। এই সংযোগটি যেকোনো জায়গা থেকে কাজ করানোর জন্য, নির্মাতা NordVPN-এর Meshnet সক্রিয় করেছেন, যার ফলে পরিষেবাগুলোকে সরাসরি ইন্টারনেটে উন্মুক্ত না করেই একটি ব্যক্তিগত এবং সর্বব্যাপী সংযোগ স্থাপন করা সম্ভব হয়েছে।

মূল ধারণাটি হলো, VOSK ব্যবহার করে ক্যাপচার, ওয়েক ওয়ার্ড এবং লোকাল ট্রান্সক্রিপশনের কাজ Pi-তে অফলোড করা, এবং একই সাথে ভাষা তৈরির কাজটি অন্য একটি মেশিনে থাকা আরও শক্তিশালী একটি মডেল দ্বারা সম্পন্ন করা, যা Ollama- র উন্মুক্ত করা এবং Meshnet-এর মাধ্যমে অ্যাক্সেসযোগ্য একটি OpenAI-ধরণের API ব্যবহার করে ; এইভাবে পারফরম্যান্স এবং গোপনীয়তার মধ্যে ভারসাম্য রক্ষা করা হয়।

আরও মানবিক ছোঁয়া দেওয়ার জন্য, প্রজেক্টটিতে ছোট স্ক্রিনে ডিভাইসটির স্লিপ মোডে থাকা বা শোনার অবস্থার ছবি অন্তর্ভুক্ত করা হয়েছে। আপনি যদি এটি তৈরি করতে আগ্রহী হন, তবে এর নির্মাতা প্রয়োজনীয় উপকরণগুলো শেয়ার করেছেন, এবং মাইক্রোফোন অ্যারেটি একত্রিত ও সামঞ্জস্য করার জন্য একটি থ্রিডি প্রিন্টার এবং একটি সোল্ডারিং আয়রন হাতের কাছে থাকা সহায়ক।

এই উদ্যোগটি বিশেষায়িত গণমাধ্যমে তুলে ধরা হয়েছিল এবং এটি ডিজাইন দর্শনের ক্ষেত্রে অন্যান্য র‍্যাসপি-সদৃশ পদ্ধতির কথা মনে করিয়ে দেয়: যেমন স্থানীয় শনাক্তকরণ এবং মডিউলার অর্কেস্ট্রেশন। এতে সেইসব সহযোগীদের অভিজ্ঞতার কথাও উল্লেখ করা হয়েছে, যারা তাদের রাস্পবেরি পাই-কে একটি এআই অ্যাসিস্ট্যান্টে পরিণত করেছেন এবং যারা আপগ্রেড করার কথা ভাবছেন, তাদের পথনির্দেশনা দেওয়ার জন্য রাস্পবেরি পাই ৫-এ বিভিন্ন এআই-এর পারফরম্যান্স বিশ্লেষণ করেছেন।

রাস্পবেরি পাই ৫ এর জন্য অফিসিয়াল এআই কিট: ত্বরণের দ্রুততম পথ

আপনি যদি এটিকে পরবর্তী স্তরে নিয়ে যেতে চান, তাহলে Raspberry Pi 5-এর জন্য AI Kit-টি আগে থেকে ইনস্টল করা M.2 2242-এর উপরে একটি Hailo-8L NPU যুক্ত করে, যা M.2 HAT+-এর সাথে সংযুক্ত হয়। এই সংমিশ্রণটি কার্যকর এজ ইনফারেন্সের জন্য ১৩ TOPS পর্যন্ত পারফরম্যান্স প্রদান করে, যা সিপিইউ-কে ভারী কাজের চাপ থেকে মুক্ত রাখে এবং অ্যাসিস্ট্যান্টকে কম ল্যাটেন্সি ও কম বিদ্যুৎ খরচে ভিশন বা অডিও মডেল চালাতে সাহায্য করে ।

প্যাকেজটিতে সবকিছুই রয়েছে: একটি স্ট্যাকেবল GPIO হেডার, স্পেসার, স্ক্রু, AI বোর্ডটিকে Pi 5-এর PCIe বাসের সাথে সংযোগ করার জন্য একটি ফ্লেক্সিবল রিবন ক্যাবল, এবং তাপমাত্রা নিয়ন্ত্রণে রাখার জন্য একটি উপযুক্ত হিটসিঙ্ক। এর ফিজিক্যাল ইনস্টলেশন খুবই সহজ, এবং তারপর Raspberry Pi OS-এ apt-এর মাধ্যমে সফটওয়্যারটি ডেপ্লয় করা হয় ।

• Hailo‑8L NPU সহ Hailo AI মডিউল
• রাস্পবেরি পাই ৫ এর জন্য রাস্পবেরি পাই এম.২ হ্যাট+
• মডিউল এবং HAT+ এর মধ্যে আগে থেকে ইনস্টল করা থার্মাল প্যাড
• স্পেসার এবং স্ক্রু সহ মাউন্টিং কিট
• স্ট্যাকেবল ১৬ মিমি জিপিআইও সংযোগকারী এবং ফ্ল্যাট পিসিআই কেবল

রাস্পবেরি পাই ওএস পরিবেশে Hailo ডিভাইসটির সংযোজন সুপ্রতিষ্ঠিত: এটি libcamera, rpicam-apps, এবং picamera2-এর সাথে কাজ করে, এবং সফটওয়্যার ইকোসিস্টেমটি (Hailo ড্রাইভার, HailoRT, এবং HailoTappas) সরাসরি প্যাকেজ ম্যানেজারের মাধ্যমে ইনস্টল করা হয়। এই পদ্ধতিটি ন্যূনতম প্রচেষ্টায় একটি কম্পিউটার ভিশন অ্যাসিস্ট্যান্টের (উদাহরণস্বরূপ, মুখমণ্ডল বা অঙ্গভঙ্গি শনাক্তকরণের জন্য) ভিত্তি প্রদান করে ।

ব্যবহারের ক্ষেত্রে: হোম কন্ট্রোল থেকে কথোপকথন সহকারী পর্যন্ত

একটি পাই ৫ এবং এআই কিট দিয়ে আপনি ফেসিয়াল রিকগনিশন অ্যাক্সেস কন্ট্রোল সিস্টেম থেকে শুরু করে হ্যান্ডস-ফ্রি কথোপকথনকারী হোম অ্যাসিস্ট্যান্ট পর্যন্ত যেকোনো কিছু তৈরি করতে পারেন। এছাড়াও আপনি সাধারণ নেভিগেশন সহ একটি সাধারণ রোবট তৈরি করতে পারেন, যা ভয়েস কমান্ড গ্রহণ করে এবং একটি স্পিকারের মাধ্যমে টেক্সট-টু-স্পিচ দিয়ে প্রতিক্রিয়া জানায় ।

যদি আপনি অ্যাক্সিলারেটর ব্যবহার করতে না চান, তাহলে ASRAI-এর মতো একটি হাইব্রিড পদ্ধতি (লোকাল স্পিচ প্রসেসিং এবং রিমোট LLM) অথবা সর্বশেষ কম্প্যাক্ট মডেল ব্যবহার করে একটি সম্পূর্ণ-লোকাল পদ্ধতিও কার্যকর। মূল বিষয় হলো, উপলব্ধ হার্ডওয়্যারে একটি রেসপন্সিভ এবং স্থিতিশীল অভিজ্ঞতা নিশ্চিত করার জন্য মডেলের আকার, কোয়ান্টাইজেশন এবং অডিও পাইপলাইনকে সূক্ষ্মভাবে সমন্বয় করা।

রাস্পবেরি পাইতে ভয়েস এবং ভাষার জন্য মূল সফ্টওয়্যার

অফলাইন স্পিচ রিকগনিশনের জন্য রাস্পবেরি পাই-তে VOSK একটি নির্ভরযোগ্য বিকল্প। PocketSphinx-এর মতো বিকল্পগুলোও বেশ কাজের, এবং আপনি যদি ক্লাউড পরিষেবা পছন্দ করেন, তবে Google Speech Recognition-এর মতো ইঞ্জিনের সাথে ইন্টিগ্রেশনের সুবিধাও রয়েছে; তবে, অনেক প্রজেক্টই গোপনীয়তা এবং কম ল্যাটেন্সিকে বেশি প্রাধান্য দেয় , তাই লোকাল ট্রান্সক্রিপশনই এক্ষেত্রে সেরা।

স্থানীয় স্পিচ সিন্থেসিসের জন্য, pyttsx3 কোনো বাহ্যিক নির্ভরতা ছাড়াই একটি বেসিক TTS প্রদান করে। LLM কম্পোনেন্টের ক্ষেত্রে, Ollama একটি "OpenAI কম্প্যাটিবল" এন্ডপয়েন্টের মাধ্যমে মডেল পরিবেশন করাকে সহজ করে, যার ফলে কাস্টম স্ক্রিপ্ট বা বিদ্যমান ক্লায়েন্টদের সংযোগ করা সহজ হয়। এই পদ্ধতির মাধ্যমে, আপনার Pi পাইপলাইনটি পরিচালনা করতে পারে এবং জেনারেশনের কাজটি আরও শক্তিশালী কোনো মেশিনের কাছে অর্পণ করতে পারে, অথবা নাও করতে পারে ।

একটি ১০০% পাই ৫ মিনি-এজেন্ট: ওয়েক ওয়ার্ড, ট্রান্সক্রিপশন এবং স্থানীয় অনুমান

একজন উৎসাহী দেখিয়েছেন যে ১৬ জিবি র‍্যামের একটি রাস্পবেরি পাই ৫ সম্পূর্ণ চক্রটি চালাতে পারে: VOSK দিয়ে ট্রিগার ওয়ার্ড ডিটেকশন, faster-whisper দিয়ে ট্রান্সক্রিপশন, এবং Gemma3:1b-এর Qwen3:1.7-এর মতো কম্প্যাক্ট LLM ব্যবহার করে ইনফারেন্স—এই সবই স্থানীয়ভাবে। এটি একটি অপটিমাইজেশনের চ্যালেঞ্জ, কিন্তু এটি করা সম্ভব; এর রিপোজিটরি এবং ব্লগ পোস্টটি ফাইন-টিউনিং ও রিসোর্স ম্যানেজমেন্ট শেখার জন্য একটি অমূল্য সম্পদ ।

এই উদাহরণ থেকে শিক্ষাটি স্পষ্ট: সুচিন্তিত মডেল, কোয়ান্টাইজেশন এবং একটি সুবিন্যস্ত পাইপলাইনের সাহায্যে পাই ৫ যুক্তিসঙ্গত সময়ে সাড়া দেয়। যদি প্রজেক্টটির জন্য আরও বেশি প্রসেসিং পাওয়ারের প্রয়োজন হয়, তবে পারসেপশন টাস্কের (ভিশন, অডিও) জন্য Hailo-8L ব্যবহার করে একটি লাইটওয়েট লোকাল এলএলএম রক্ষণাবেক্ষণ করা অথবা একটি সামঞ্জস্যপূর্ণ রিমোট সার্ভারের উপর নির্ভর করার বিকল্প তো রয়েছেই।

শুরু করা: অপারেটিং সিস্টেম, লাইব্রেরি এবং প্রকল্প কাঠামো

রিসোর্সের সর্বোচ্চ ব্যবহার নিশ্চিত করতে, অনেক ডেভেলপার রাসবিয়ান (রাস্পবেরি পাই ওএস)-এর লাইট সংস্করণটি ব্যবহারের পরামর্শ দেন, যা বেস সার্ভিস এবং মেমরির ব্যবহার কমিয়ে দেয়। এরপর, আপনার প্রয়োজনীয় স্পিচ, টিটিএস এবং অর্কেস্ট্রেশন লাইব্রেরিগুলো ইনস্টল করুন; পাইথনের সাহায্যে সুবিন্যস্ত মডিউল ব্যবহার করে একটি কার্যকরী ও স্কেলেবল প্রোটোটাইপ তৈরি করা সহজ ।

একটি সাধারণ স্টার্টার রেসিপিতে যা যা থাকে:

1. রাস্পবেরি পাই ওএস লাইট ইনস্টল করুন এবং সিস্টেম আপডেট প্রয়োগ করুন।
2. অডিও (মাইক্রোফোন এবং স্পিকার), প্রযোজ্য হলে ক্যামেরা কনফিগার করুন এবং রেকর্ড/এপ্লে দিয়ে পরীক্ষা করুন।
3. প্যাকেজ ইনস্টল করুন যেমন কন্ঠ সনান্তকরণ (যদি আপনি ক্লাউড পরিষেবা ব্যবহার করতে চান) অথবা অফলাইনে VOSK/PocketSphinx ব্যবহার করতে চান, এবং pyttsx3 স্থানীয় TTS এর জন্য।
4. আপনার LLM ব্যাকএন্ড বেছে নিন: ওলামা এবং ছোট মডেল সহ স্থানীয়, অথবা সামঞ্জস্যপূর্ণ রিমোট।
5. পাইথনে প্রধান লুপ কোড করুন: শুনুন, প্রতিলিপি করুন, ব্যাখ্যা করুন (NLP), এবং ক্রিয়া সম্পাদন করুন।

NLP স্তরে, আপনি সাধারণ ইনটেন্ট এবং রুলস দিয়ে শুরু করতে পারেন এবং অগ্রগতির সাথে সাথে LLM অন্তর্ভুক্ত করতে পারেন। কমান্ড কার্যকর করার জন্য, প্রতিটি ডিভাইস বা পরিষেবার (যেমন, লাইট, ক্লাইমেট কন্ট্রোল, রিমাইন্ডার) জন্য অ্যাডাপ্টার সংজ্ঞায়িত করুন, যাতে উইজার্ডটি একটি পরিচ্ছন্ন এবং সম্প্রসারণযোগ্য মূল কাঠামো বজায় রাখে ।

সংযোগ এবং অর্কেস্ট্রেশন: একটি ভালো নেটওয়ার্কের সাথে সবকিছুই একসাথে খাপ খায়।

পাই-তে ওয়াই-ফাই ৫ এবং ব্লুটুথ ৫.০/বিএলই থাকায়, এটি লাইট বাল্ব, স্পিকার এবং সেন্সরের সাথে তারবিহীনভাবে যোগাযোগ করতে পারে। যখন বাহ্যিক পরিষেবা বা একাধিক মেশিন জড়িত থাকে, তখন নর্ডভিপিএন-এর মেশনেট-এর মতো একটি প্রাইভেট নেটওয়ার্ক ফ্যাব্রিক, পোর্টগুলোকে বাইরের জগতের কাছে উন্মুক্ত না করেই, নিয়ন্ত্রণ ও নিরাপত্তা বজায় রেখে পাই-এর পক্ষে দূরবর্তী কোনো মডেল সার্ভারকে "দেখা" সহজ করে তোলে ।

আপনি যদি বিভিন্ন পরিবেশে উইজার্ডটি স্থাপন করার পরিকল্পনা করেন, তবে ইনফারেন্স কম্পোনেন্ট বা মাল্টিমিডিয়া পাইপলাইনগুলোর জন্য কন্টেইনার ব্যবহার করার কথা বিবেচনা করতে পারেন। পৃথক পরিষেবা (ASR, TTS, LLM, অর্কেস্ট্রেটর) সহ একটি কাঠামো আপনাকে কম্পোনেন্টগুলো স্কেল করতে এবং সিস্টেমের বাকি অংশের উপর ন্যূনতম প্রভাব ফেলে ওয়ার্কলোড অন্য নোডে স্থানান্তর করতে দেবে।

নিরাপত্তা: পর্যবেক্ষণের জন্য সর্বোত্তম অনুশীলন এবং দুর্বলতা

একটি অ্যাসিস্ট্যান্ট সর্বদা তার চারপাশের পরিবেশের প্রতি মনোযোগী থাকে এবং অন্যান্য ডিভাইসের সাথে যোগাযোগ করে, তাই সাইবার নিরাপত্তা অত্যন্ত গুরুত্বপূর্ণ। পরিচিত এক্সপ্লয়েটগুলো প্রতিরোধ করার জন্য সিস্টেম এবং লাইব্রেরিগুলোকে হালনাগাদ রাখার মাধ্যমে শুরু করুন, এবং ডিভাইসগুলোর মধ্যে সমস্ত যোগাযোগের জন্য এনক্রিপশন চালু করুন; বাড়ির বাকি অংশ থেকে IoT নেটওয়ার্ককে আলাদা রাখা একটি সাশ্রয়ী ও কার্যকর উপায় ।

IoT এবং মিডলওয়্যার অ্যাডভাইজরিগুলো পর্যালোচনা করা এবং CVE-2021-22945 ও CVE-2021-22946- এর মতো পাবলিক ভালনারেবিলিটিগুলো নোট করে রাখা উচিত , যা ডিপেন্ডেন্সিগুলো অডিট করতে এবং দ্রুত প্যাচ প্রয়োগ করার কথা মনে করিয়ে দেয়। এর লক্ষ্য হলো আপনার অ্যাসিস্ট্যান্ট যেন ঝুঁকির কারণ না হয়েও কার্যকর থাকে ।

ক্যামেরা এবং কম্পিউটার ভিশনের সাথে একীকরণ

আপনার অ্যাসিস্ট্যান্টে ক্যামেরা থাকলে, Pi 5 লিবক্যামেরা (libcamera) এবং আরপিক্যাম-অ্যাপস (rpicam-apps)-এর সাথে ভালোভাবে কাজ করে; এছাড়াও, পিক্যামেরা২ (picamera2) ভিডিও স্ট্রিমে প্রোগ্রাম্যাটিক অ্যাক্সেস সহজ করে। হেইলো-৮এল (Hailo-8L)-এর সাহায্যে অবজেক্ট ডিটেকশন বা ফেসিয়াল রিকগনিশনের মতো কাজগুলো আরও দ্রুত ও কার্যকর হয়ে ওঠে, যা কনটেক্সট-অ্যাওয়্যার অ্যাক্সেস কন্ট্রোল বা হোম অটোমেশন সিনারিওগুলোকে সম্ভব করে তোলে।

একটি প্রচলিত পদ্ধতি হলো ভিজ্যুয়ালাইজেশনটি পাই-তে রাখা এবং উচ্চ-স্তরের ব্যাখ্যার কাজটি এলএলএম-এর ওপর অর্পণ করা (“যদি আপনি X চিনতে পারেন, তবে দরজাটি খোলা উচিত কিনা তা আমাকে জিজ্ঞাসা করুন”)। কাঁচা ছবি নয়, কেবল মেটাডেটা বা ফলাফল শেয়ার করার মাধ্যমে আপনি গোপনীয়তা উন্নত করেন এবং ব্যান্ডউইথের প্রয়োজনীয়তা হ্রাস করেন।

কার্যকরী ব্যবহারিক উদাহরণ

– পাই ৪-এ অ্যাসরাই: প্লেস্টেশন আই মাইক্রোফোন (৪টি মাইক্রোফোন), ৩.৫-ইঞ্চি জিপিআইও ডিসপ্লে, লোকাল ভস্ক, ওলামার মাধ্যমে রিমোট এলএলএম, এবং মেশনেটের সাহায্যে যেকোনো স্থান থেকে সংযোগ। এর জন্য থ্রিডি প্রিন্টিং এবং সামান্য সোল্ডারিং প্রয়োজন, কিন্তু এর ফলস্বরূপ পাওয়া যায় একটি ক্ষিপ্র ও বিচক্ষণ সহকারী ।

– পাই ৫ “একসাথে সবকিছু”: VOSK দিয়ে ওয়েক ওয়ার্ড, faster-whisper দিয়ে ট্রান্সক্রিপশন এবং Gemma3:1b-এর তৈরি Qwen3:1.7 দিয়ে লোকাল ইনফারেন্স। এর মূল চাবিকাঠি হলো অপটিমাইজেশন এবং মডেলগুলোর আকার সীমিত রাখা, যাতে যুক্তিসঙ্গত ল্যাটেন্সি বজায় থাকে; এর সাথে যুক্ত রিপোজিটরিটি আপনার প্রজেক্টকে সূক্ষ্মভাবে টিউন করার জন্য একটি জীবন্ত নির্দেশিকা হিসেবে কাজ করে।

– এআই কিট সহ পাই ৫: প্রবেশের জন্য মুখমণ্ডল শনাক্তকরণ, ত্বরান্বিত ভিশন মডেলের সাহায্যে প্রাসঙ্গিক প্রতিক্রিয়া এবং কথোপকথনের জন্য একটি হালকা এলএলএম; অ্যাপ্ট (apt)-এর মাধ্যমে ইনস্টলযোগ্য Hailo, HailoRT ও HailoTappas ড্রাইভার এবং রাস্পবেরি পাই ওএস- এর মধ্যেই সমন্বিত libcamera ও picamera2-এর সাথে সামঞ্জস্যতা ।

ভালো উন্নয়ন এবং রক্ষণাবেক্ষণের অনুশীলন

এটি কোডকে বিভিন্ন মডিউলে বিন্যস্ত করে: অডিও ক্যাপচার, এএসআর, এনএলপি, এক্সিকিউশন, টিটিএস এবং, প্রযোজ্য ক্ষেত্রে, ভিশন। এটি কোডের বাধাগুলো চিহ্নিত করার জন্য দরকারি লগ এবং একটি ডিবাগ মোড যোগ করে। নতুন ফিচার যোগ করার সময় সিস্টেমের কার্যকারিতা নষ্টকারী রিগ্রেশন এড়ানোর জন্য এটি বেসিক টেস্টগুলো (যেমন, প্রিডিফাইন্ড ইনটেন্ট) স্বয়ংক্রিয় করে ।

হার্ডওয়্যারের ক্ষেত্রে, বিদ্যুৎ সরবরাহ এবং বায়ুচলাচলের দিকে মনোযোগ দিন, বিশেষ করে যদি আপনি একটি এনপিইউ (NPU) যোগ করেন বা ভারী লোড নিয়ে কাজ করেন। একটি ভালো হিটসিঙ্ক এবং পর্যাপ্ত বায়ুপ্রবাহ থার্মাল থ্রটলিং প্রতিরোধ করে এবং একটি স্থিতিশীল ও নিরবচ্ছিন্ন চ্যাটের অভিজ্ঞতা বজায় রাখে ।

সম্প্রদায় এবং নিয়ম: আপনার প্রকল্পগুলি সঠিকভাবে ভাগ করুন

আপনি যদি রাস্পবেরি পাই কমিউনিটিতে আপনার অ্যাসিস্ট্যান্ট শেয়ার করতে চান, তবে মনে রাখবেন যে শুধু ফলাফল দেখানোর চেয়ে, আপনি কীভাবে এটি তৈরি করেছেন তা ব্যাখ্যা করলে তা প্রশংসিত হয়। স্প্যাম এবং যেকোনো ধরনের আপত্তিকর আচরণ পরিহার করুন, এবং অবশ্যই, কোনো অনিরাপদ বৈদ্যুতিক কার্যকলাপ করবেন না; এতে আপনি আরও শেখার পাশাপাশি সকলের জন্য একটি স্বাস্থ্যকর ও সহায়ক পরিবেশ বজায় রাখতে পারবেন।

শেয়ার করার সময় আপনার হার্ডওয়্যার, মূল ধাপ, নির্ভরশীলতা, অডিও সেটিংস এবং ব্যবহৃত মডেলগুলো নথিভুক্ত করুন। এটি অন্যদের আপনার কাজটি অনুকরণ করতে সাহায্য করে এবং মূল্যবান মতামত প্রদান করে; দীর্ঘমেয়াদে, এই সহযোগিতা যেকোনো বিচ্ছিন্ন কৌশলের চেয়ে আপনার প্রকল্পের গতি অনেক বাড়িয়ে দেয় ।

পারফরম্যান্সে কী আশা করা যায় এবং আপনার স্থাপত্য কীভাবে সিদ্ধান্ত নেবেন

– আপনি যদি গোপনীয়তা এবং সম্পূর্ণ নিয়ন্ত্রণ চান, তবে পাই ৫-এ লোকাল এএসআর ও টিটিএস এবং একটি কম্প্যাক্ট এলএলএম বেছে নিন, অথবা আপনার ব্যক্তিগত মেশনেট নেটওয়ার্কে ওলামা দ্বারা পরিচালিত পরিষেবাটি ব্যবহার করুন। এইভাবে আপনি “এজ-ফার্স্ট” পদ্ধতিতে কাজ করতে পারবেন এবং ভয়েস ডেটা নিজের নিয়ন্ত্রণে রাখতে পারবেন ।

– আপনার যদি আরও বিশদ উত্তরের প্রয়োজন হয় এবং ক্লাউড ব্যবহারে আপনার আপত্তি না থাকে, তবে রিমোট এলএলএম (LLM) এই প্রতিবন্ধকতা দূর করে। তখন পাই (Pi) নিয়ন্ত্রক মস্তিষ্ক হিসেবে কাজ করে, যা সেন্সর ও অ্যাকচুয়েটর নিয়ন্ত্রণ করে এবং গ্রহণযোগ্য ল্যাটেন্সিতে ভয়েস সেশন পরিচালনা করে ।

– আপনার অ্যাসিস্ট্যান্টের যদি “দেখার” প্রয়োজন হয়, তাহলে Hailo-8L সহ AI Kit-টিই সেরা পছন্দ: এজ-টু-এজ লাইট ভিশনের জন্য ১৩ TOPS, apt-এর মাধ্যমে ড্রাইভার এবং Raspberry Pi OS দ্বারা সমর্থিত একটি ইকোসিস্টেম। এটিকে Pi-এর একটি মিড-রেঞ্জ LLM-এর সাথে যুক্ত করলে আপনি একটি পরিপূর্ণ ও ভারসাম্যপূর্ণ অভিজ্ঞতা পাবেন ।

– আপনি যদি সম্পূর্ণ লোকাল সেটআপ বেছে নেন, তবে অপ্টিমাইজড মডেল (Qwen3:1.7b, Gemma3:1b বা সমতুল্য) নির্বাচন করুন এবং অডিও পাথের যত্ন নিন; ১৬ জিবি র‍্যামের একটি পাই ৫-এ ট্রান্সক্রিপশনের জন্য ফাস্টার-হুইস্পার এবং ওয়েক ওয়ার্ডের জন্য VOSK ব্যবহার করা যে একটি কার্যকর উপায় , তা ইতোমধ্যেই প্রমাণিত হয়েছে।

পরিশেষে, একটি রাস্পবেরি পাই দিয়ে এআই অ্যাসিস্ট্যান্ট তৈরি করতে সহজলভ্য উপাদানগুলোর সমন্বয় করা হয়: যেমন, প্লেস্টেশন আই-এর মতো কমদামী হার্ডওয়্যার, VOSK বা ফাস্টার-হুইস্পার-এর মতো সফটওয়্যার, Ollama-এর মাধ্যমে OpenAI-উপযোগী এন্ডপয়েন্ট এবং প্রয়োজনে পাই ৫-এ Hailo-8L-এর বাড়তি সুবিধা। নিরাপত্তার (আপডেট, পৃথক নেটওয়ার্ক, এনক্রিপশন) দিকে মনোযোগ দিলে এবং সুস্পষ্ট ডকুমেন্টেশন থাকলে, একটি ধারণা থেকে এমন একটি কার্যকরী অ্যাসিস্ট্যান্ট তৈরি করা সহজ হয়ে যায় যা বসার ঘর বা অফিসে ভালোভাবে সাড়া দেয়।