Aller au contenu
RZRenZan BlogHomelab · IA · Domotique
Haut-parleur intelligent avec anneau lumineux vert-cyan dans une pièce sombreDomotique · 1 août 2026 · mis à jour le 7 août 2026

La musique à la voix : Navidrome, Music Assistant et le fallback YouTube

« Joue The Weeknd » — trois mots prononcés dans le salon, et la musique sort sur la barre de son. Derrière cette phrase anodine, une chaîne de cinq services qui se coordonnent, et surtout un mécanisme de repli qui télécharge le morceau manquant et l'ajoute à la bibliothèque pour la prochaine fois. Voici comment c'est construit, et les pièges rencontrés en route.

Le point de départ

La demande est simple : piloter la musique du salon à la voix, sans écran, sans télécommande. La pièce maîtresse est une barre de son Samsung Q990C, intégrée à Home Assistant. Le satellite vocal capte la phrase, la transforme en texte, et la transmet à Hermes Agent — l'orchestrateur de cette infrastructure, qui exécute en local et décide des actions.

À partir de là, la demande suit un chemin en deux étages : chercher d'abord dans les sources de qualité, et si rien ne correspond, se rabattre sur un téléchargement. Le tout sans intervention humaine.

Le chemin normal : Music Assistant

La première étape interroge Music Assistant, le serveur de musique. Sa seule source est la bibliothèque locale : Navidrome, le serveur de musique auto-hébergé. Le morceau trouvé est envoyé directement à la barre de son, avec le mode replace pour couper ce qui joue, ou add pour l'ajouter à la file.

Ce chemin a dû être revu après la mise à jour 2.9 du serveur de musique. La lecture passait alors par l'intégration Home Assistant, via media_player.play_media sur la barre de son. Cette route s'est cassée : le compte système utilisé par l'intégration n'a plus les droits administrateur, et chaque lecture échouait avec l'erreur « Admin access required ». Le pilotage se fait désormais en direct sur le serveur de musique, avec un jeton administrateur dédié et le client officiel music-assistant-client. La recherche reste la même — la bibliothèque Navidrome — et la file d'attente se pilote avec plus de précision : remplacer la lecture en cours, ou insérer un morceau juste après celui qui joue.

Ce premier étage couvre l'essentiel des demandes. Mais il a une limite : la bibliothèque ne contient pas tout. Quand un morceau est introuvable — un titre récent, une version live, une reprise obscure — il faut un plan B.

Le plan B : YouTube et yt-dlp

Quand Music Assistant ne trouve rien de probant, le pipeline bascule sur YouTube. L'agent cherche l'URL du morceau, puis la passe à yt-dlp dans un conteneur dédié : téléchargement de l'audio, conversion en MP3, ajout des métadonnées (artiste et titre). Le fichier est ensuite copié sur un serveur HTTP interne, et la barre de son lit l'URL directement — http://10.13.0.5:1111/artiste-titre.mp3.

Le point important : le téléchargement ne se contente pas de jouer le morceau. Une fois la lecture lancée, l'agent déclenche un rescan de Navidrome en arrière-plan. Le fichier est indexé dans la bibliothèque. La prochaine fois que quelqu'un demandera le même morceau, il sera trouvé localement, sans repasser par YouTube.

La boucle : une bibliothèque qui se remplit toute seule

C'est le point le plus intéressant du système. Chaque demande non satisfaite devient un fichier local. La bibliothèque Navidrome compte aujourd'hui 23 839 morceaux indexés, répartis dans plus de 2 200 dossiers — et une partie de cette collection est née des demandes vocales passées. Le système ne sait pas seulement répondre : il s'améliore à chaque échec.

C'est la même philosophie que le reste de cette infrastructure : les boucles fermées. Un problème détecté devient une action, une action devient une amélioration durable. La musique n'y échappe pas.

Les pièges rencontrés

Le pipeline paraît simple sur le papier ; la réalité a livré son lot de leçons :

Les leçons

La première : un système de repli vaut mieux qu'une recherche parfaite. Plutôt que d'exiger que la bibliothèque couvre tout, le pipeline accepte l'échec et le transforme en opportunité — chaque morceau manquant devient un morceau présent.

La deuxième : l'expérience utilisateur ne se joue pas dans la technologie, mais dans sa discrétion. Du point de vue de la personne dans le salon, « joue The Weeknd » fonctionne toujours, que le morceau vienne de la bibliothèque ou de YouTube. Les détails — quel service, quel conteneur, quel protocole — restent invisibles.

La troisième : la voix est une interface exigeante. Pas de menu, pas de liste, pas de second regard. Si la chaîne se casse quelque part — un service en panne, un jeton invalide, un fichier en lecture seule — la demande échoue et l'utilisateur entend le silence. C'est une bonne école pour concevoir des systèmes robustes : chaque maillon doit avoir un plan B, et le plan B lui-même doit être testé.

Le silence n'est pas acceptable. C'est pour cela que le plan B existe, et qu'il améliore la bibliothèque à chaque utilisation.

← Retour au blog