Hallo Sonos-Team, hallo Community,

kurz auf den Punkt: Bitte öffne die Sonos-Voice-Schnittstellen so, dass wir auf Sonos-Lautsprechern eigene Wake-Words nutzen und anschließend mit Home Assistant Assist interagieren können – lokal, datenschutzfreundlich und ohne Cloud-Zwang. Es gibt bereits sehr viele HAOS-Installationen mit Sonos-Speakern; technisch fehlt vor allem eine offene, lokal nutzbare API für Wake-Word-Trigger und Audio-/Text-Übergabe.

Zielbild

Du sagst „Hey (eigenes Wake-Word) …“ in einen Sonos-Speaker → lokale Erkennung auf dem Gerät → Weitergabe (Audio oder bereits transkribierter Text) an Home Assistant Assist → Ausführung der Smart-Home-Intents → optionale Antwortwiedergabe über denselben Sonos-Speaker.

Warum das sinnvoll ist

• Beste Nutzererfahrung: Sonos liefert die Mikrofon-Qualität und das akustische Frontend (AEC/Beamforming). Home Assistant liefert die lokalen Smart-Home-Intents – ohne Latenz durch Cloud-Runden.

• Datenschutz & Edge-Betrieb: Wake-Word-Erkennung und Audioverarbeitung bleiben lokal im Heimnetz.

• Kundennutzen statt Plattform-Lock-ins: Viele Nutzer möchten weg von Alexa/Google; Assist ist hier bereits etabliert. Sonos bleibt Audio-Spezialist, öffnet aber Hooks für smarte Ökosysteme.

• Business-Case: HA-User sind High-Demand/High-Spend und rüsten Räume vollständig aus (Multi-Room). Ein gutes Integrations-Narrativ verkauft weitere Sonos-Satelliten.

Konkrete Bitte an Sonos: schlanke, lokale API-Erweiterungen

1. Wake-Word-Events (lokal)

   • Gerät erkennt Wake-Word (on-device).

   • Sofortiges LAN-Event mit Metadaten (Geräte-ID, Stärke, Zeitstempel).

   • Option: „pre-roll“ Buffer (z. B. 500–1500 ms PCM) für natürlichen Gesprächsanfang.

2. Audio-Weitergabe im Heimnetz

   • WebRTC (bevorzugt, bidirektional) oder lokaler WebSocket/HTTP-Stream (PCM/Opus).

   • VAD/Barge-In-Signale (Start/Stop, Energie) als Begleit-Events.

3. Alternative: ASR-Text statt Audio

   • Optionaler on-device ASR (falls vorhanden) → reiner Text an Assist (Intent-Pipeline).

   • Vorteil: geringere Bandbreite, noch weniger Latenz.

4. Feedback-/UX-Hooks

   • API-Aufrufe für LED/Mikro-Status, „Listening/Speaking“-Indikatoren, Lautstärke-Ducking.

   • Barge-In: Assist darf laufende Wiedergabe kurzzeitig dämpfen.

5. Discovery & Auth

   • mDNS/SSDP-Announce (z. B. _sonos-voice._tcp.local).

   • Pairing per Local OAuth/PKCE oder signierte Token.

   • Nur LAN, keine Public Clouds nötig.

6. Privatsphäre by Design

   • Alles opt-in, Mikro-Mute-Schalter bleibt hardwareseitig vorrangig.

   • Klare Policy: keine Audio-Exfiltration ohne Nutzerzustimmung.

Beispiel: Minimal-Event-Schema & Ablauf

Wake-Word-Event (UDP/JSON oder WebSocket-Message):

{
  "event": "wake_word",
  "device_id": "sonos:livingroom:era100",
  "timestamp": "2025-10-08T19:15:23.412Z",
  "keyword": "computer",
  "confidence": 0.91,
  "preroll_ms": 1000,
  "session_id": "2b5f6f2a-0c1b-44a3-9b1c-8d2e9c91d2ce"
}

Audio-Start (WebRTC Offer als JSON über WebSocket):

{
  "event": "audio_offer",
  "session_id": "2b5f6f2a-0c1b-44a3-9b1c-8d2e9c91d2ce",
  "codec": "opus",
  "sample_rate_hz": 48000,
  "channels": 1,
  "transport": "webrtc",
  "sdp_offer_b64": "<base64-sdp>"
}

Assist quittiert und sendet Antwort-Audio zurück (optional)

{
  "event": "tts_play",
  "session_id": "2b5f6f2a-0c1b-44a3-9b1c-8d2e9c91d2ce",
  "text": "Die Küchenlichter sind jetzt an.",
  "barge_in": true
}

ASR-Alternative (nur Text an Assist):

{
  "event": "query_text",
  "session_id": "2b5f6f2a-0c1b-44a3-9b1c-8d2e9c91d2ce",
  "utterance": "Schalte das Küchenlicht an.",
  "locale": "de-DE"
}

Technischer Ablauf 

1. Wake-Word auf Sonos → LAN-Event an Assist-Add-on.

2. Audio-Pfad: WebRTC/WS-Stream von Sonos → Assist-ASR (lokal) → NLU/Intent → HA-Automationen.
   oder Text-Pfad: On-device ASR → Assist erhält Text → NLU/Intent.

3. Ausgabe: TTS-Audio von Assist → Sonos (gleicher Kanal), Playback-Ducking & LED-Feedback.

Was wir als Community anbieten

• Referenz-Implementierung für Home Assistant (Supervisor Add-on) basierend auf den oben skizzierten Endpunkten.

• Test-Matrix: ERA-Serie, Beam/Arc, One/One SL (Mic-Variante), Roam/Move.

• Dokumentation & Beispiel-Pipelines (Deutsch/Englisch).

Kompatibilität & Fallbacks

• Wake-Word/Assist-Modus ist optional und parallel zu Sonos Voice Control und Musikdiensten nutzbar.

• Kein Bruch mit bestehender „Works with Sonos“-Logik – zusätzliche Endpunkte genügen.

Call-to-Action

• Sonos: Bitte prüfe die Öffnung/Erweiterung der Voice-Schnittstellen um Wake-Word-Events, LAN-Audio/ASR-Hooks und UX-Feedback-APIs.

• HA-Community: +1 hier im Thread, konkrete Use-Cases posten (z. B. Räume, Szenen, Sicherheits-Flows).

• Partner/Entwickler: Interesse an Pilot/Beta? Meldet Euch – wir bringen Tests und Doku mit.

Danke fürs Lesen – das ist eine kleine API-Öffnung mit großer Wirkung: bessere Nutzererfahrung, lokale Privatsphäre, stärkeres Sonos-Ökosystem.

Ja, ich weiß das es das schonhier gibt:
https://en.community.sonos.com/sonos-voice-control-229127/sonos-voice-control-home-assistant-integration-6896823?postid=16781627#post16781627

und hier:
 

Warum das Thema dringend ist

Ich habe aktuell nicht den Eindruck, dass die Bedürfnisse der Home-Assistant-Community bei Sonos wirklich ankommen. Dabei geht es gar nicht um „alles neu bauen“: Mit wenigen, gut dokumentierten lokalen Hooks (Wake-Word-Event, Audio-/Text-Übergabe im LAN, einfache Status-Signale) wäre schon viel gewonnen – den Rest übernimmt erfahrungsgemäß die Community.

Ganz ehrlich: Ich würde sofort mindestens fünf weitere Sonos-Lautsprecher kaufen, wenn ich eigene Wake-Words nutzen und anschließend lokal an Home Assistant Assist übergeben könnte. Stattdessen frustrieren mich Lock-ins und der Fokus auf Cloud-Pflicht für Funktionen, die lokal besser, schneller und datenschutzfreundlicher laufen.

Bitte versteht das nicht als Grundsatzkritik an Sonos – im Gegenteil. Es ist derselbe Kreislauf, den wir aus anderen Branchen kennen: „Nur unsere proprietären Lösungen sichern die beste User-Experience.“

In der Praxis ist es genau das Gegenteil:

Das Fehlen offener, lokaler Integrationspunkte verschlechtert die Nutzererfahrung, weil leistungsfähige Ökosysteme wie Home Assistant außen vor bleiben. Datenschutz, Energiebedarf und Offline-Robustheit sind keine Legenden, sondern reale Anforderungen vieler Nutzer.

Mein Wunsch an Sonos: Denkt das Thema noch einmal vom Kunden her. Eine kleine Öffnung der Voice-Schnittstellen – lokal, dokumentiert, stabil – und die Community liefert Geschwindigkeit, Vielfalt und Use-Cases. Davon profitieren am Ende alle: bessere Experience, mehr Lautsprecher im Markt, ein stärkeres Sonos-Ökosystem.