Skip to content

LeonardNJU/VocoType-linux

BranchesTags

Repository files navigation

VoCoType Linux

Linux 全平台离线语音输入法

VoCoType Linux 是基于 VoCoType 核心引擎开发的 Linux 离线语音输入法，同时支持 IBus 和 Fcitx 5 两大输入法框架。

Windows / macOS 用户：VoCoType 原作者已实现桌面版，请访问 vocotype.com

核心特性

  • 100% 离线，隐私无忧 - 所有语音识别在本地完成，不上传任何数据
  • 旗舰级识别引擎 - 基于 FunASR Paraformer 模型，中英混合输入精准
  • PTT 按键说话 - 按住 F9 说话，松开自动识别并输入；Shift+F9 支持长句润色模式
  • 语音编辑（IBus） - Ctrl+F9 进入编辑指令模式，可改写/替换/插入/删除/导航/撤销重做
  • 轻量化设计 - 仅需 700MB 内存，纯 CPU 推理，无需显卡
  • 0.1 秒级响应 - 感受所言即所得的畅快体验
  • 可选 Rime 集成 - 需要拼音时可启用 Rime，无需切换输入法

Demo

test-2998.mp4

新功能! 语音编辑(v2.2.1)

Kooha-2026-03-29-08-50-00.webm

支持平台

输入法框架 状态 说明

| IBus | ✅ 完整支持 | 适用于 GNOME、大多数发行版默认 | | Fcitx 5 | ✅ 完整支持 | 适用于 KDE、偏好 Fcitx 的用户 |

两个版本可以同时安装，共享 VoCoType 核心引擎，各自独立运行。

快速开始

IBus 版本

git clone https://github.com/LeonardNJU/VocoType-linux.git
cd vocotype-cli
./scripts/install-ibus.sh
ibus restart

安装脚本会询问是否启用 Shift+F9 长句 SLM 润色：

  • 不启用（默认）：不安装/拉取 SLM 模型，Shift+F9 不会触发润色
  • 启用：可选择
    • 本地模型（local_ephemeral）：按下预热，润色后释放
    • 远程 API（remote）：交互配置 model、endpoint、api_key

详细安装说明：ibus/README.md

Fcitx 5 版本

git clone https://github.com/LeonardNJU/VocoType-linux.git
cd vocotype-cli
bash fcitx5/scripts/install-fcitx5.sh
fcitx5 -r

安装脚本会询问是否启用 Shift+F9 长句 SLM 润色：

  • 不启用（默认）：不安装/拉取 SLM 模型，Shift+F9 不会触发润色
  • 启用：可选择
    • 本地模型（local_ephemeral）：按下预热，润色后释放
    • 远程 API（remote）：交互配置 model、endpoint、api_key

详细安装说明：fcitx5/README.md

SLM 后处理配置（通用）

F9 为极速模式（不走 SLM），Shift+F9 为长句模式（可选 SLM/LLM 润色）。

本地模型（推荐，按需加载）

{
  "slm": {
    "enabled": true,
    "provider": "local_ephemeral",
    "model": "Qwen/Qwen3.5-0.8B",
    "local_model": "Qwen/Qwen3.5-0.8B",
    "timeout_ms": 12000,
    "warmup_timeout_ms": 90000,
    "ready_wait_ms": 2000,
    "keepalive_ms": 60000,
    "min_chars": 8,
    "max_tokens": 96,
    "edit_enabled": true,
    "edit_max_tokens": 256,
    "enable_thinking": false
  }
}

远程 API（OpenAI 兼容）

{
  "slm": {
    "enabled": true,
    "provider": "remote",
    "model": "gpt-4o",
    "endpoint": "http://<host>:<port>/v1/chat/completions",
    "api_key": "sk-***",
    "timeout_ms": 20000,
    "min_chars": 8,
    "max_tokens": 128,
    "edit_enabled": true,
    "edit_max_tokens": 256,
    "retry_without_proxy": true
  }
}

关键参数说明：

  • provider：local_ephemeral / remote
  • min_chars：长句触发阈值（默认 8）
  • max_tokens：润色输出预算
  • edit_enabled：是否启用 Ctrl+F9 语音编辑（默认 true，仅 IBus）
  • edit_max_tokens：语音编辑模式下的输出预算（默认 256）
  • enable_thinking：是否允许思考输出（默认关闭）
  • retry_without_proxy：远程请求失败时尝试绕过代理直连重试

IBus 语音编辑（Ctrl+F9）

说明：该功能目前由 IBus 引擎提供，Fcitx5 暂未接入同等编辑链路。

快捷键

  • Ctrl+F9：语音编辑模式（先读取 surrounding text，再录音识别编辑指令）
  • Ctrl+Shift+F9：surrounding 探针（回填 [VT-SURR ...] 调试信息）

常用语音编辑能力

  • 文本修改：把 A 改成 B、删除当前句、删除上一句、删除选中内容
  • 插入生成：输入一段对海底捞商家的好评、输入一段关于天气的描写
  • 选择与导航：全选、移动到开头、移动到结尾、左移三次、下一个词
  • 历史操作：撤销/撤销修改、重做
  • 诊断命令：显示上下文信息（输出当前 cap/del/cursor/anchor/prev/cur/sel/all）

行为说明

  • 若当前输入框不支持 surrounding 能力（cap=0），Ctrl+F9 会直接提示并停止。
  • 若录音期间输入框内容已变化，会提示 输入框内容已变化，请重试，避免误改错位文本。
  • 撤销策略采用“智能分流”：
    • 最近一次是语音编辑且状态匹配：走内部撤销栈
    • 否则：下发应用级撤销/重做（Ctrl+Z / Ctrl+Shift+Z）

重新安装与卸载

重新安装

安装脚本支持重复运行，无论是：

  • 安装失败需要重试
  • 升级到新版本
  • 变更安装参数

直接重新运行安装脚本即可，会自动覆盖之前的安装，不会有残留。

卸载

IBus 版本：

./scripts/uninstall-ibus.sh

卸载时可选择：

  • 快速卸载（选项 1）：保留 .venv 和模型文件，方便下次安装
  • 完全卸载（选项 2）：删除所有内容

架构设计

VoCoType Linux
├── app/                    # 核心引擎（共享）
│   ├── funasr_server.py    # 语音识别（FunASR）
│   └── ...
├── ibus/                   # IBus 版本
│   ├── engine.py           # IBus 引擎
│   └── README.md
└── fcitx5/                 # Fcitx 5 版本
    ├── addon/              # C++ Addon
    ├── backend/            # Python 后端
    └── README.md

IBus 和 Fcitx 5 是并列独立的实现，共享 VoCoType 核心（语音识别、音频采集）。

版本对比

特性 IBus 版本 Fcitx 5 版本
输入法框架 IBus Fcitx 5
实现语言 纯 Python C++ + Python (IPC)
安装位置 ~/.local/share/vocotype/ ~/.local/share/vocotype-fcitx5/
适用桌面 GNOME 等 KDE 等

使用场景

日常应用

  • 聊天通讯：微信、QQ、Telegram、Slack、Discord
  • 文档撰写：文章、报告、邮件、日记、笔记
  • 网页浏览：搜索、表单、评论

开发场景

  • 编写代码注释和文档
  • Git Commit Message
  • 与 AI 工具对话（ChatGPT、Claude、Cursor）
  • Issue & PR 描述

核心优势

特性 VoCoType Linux 云端输入法
隐私安全 本地离线，绝不上传 数据上传云端
网络依赖 完全无需联网 必须联网
响应速度 0.1 秒级 受网速影响
数据安全 100% 本地 存在泄密风险

系统要求

  • 操作系统: Linux (Fedora, Ubuntu, Debian, Arch 等)
  • Python: 3.11-3.12（onnxruntime 暂不支持 3.13+）
  • 内存: 最低 4GB，推荐 8GB
  • CPU: 双核以上，无需 GPU

资源占用

状态 内存 CPU
待机 200-300MB ~0%
录音 - 5-10%
识别 ~700MB 100-200%（0.1-0.5秒）

SLM 开销基准测试（ASR vs ASR+SLM）

新增脚本：scripts/benchmark_slm_pipeline.py，用于对比：

  • ASR-only（对应 F9 快速模式）
  • ASR+SLM（对应 Shift+F9 长句模式）

示例（以 Qwen/Qwen3.5-0.8B 为例）：

python scripts/benchmark_slm_pipeline.py ./samples \
  --pattern "*.wav" \
  --repeat 5 \
  --warmup 1 \
  --slm-model Qwen/Qwen3.5-0.8B \
  --slm-endpoint http://127.0.0.1:18080/v1/chat/completions \
  --output-json /tmp/vocotype-benchmark.json

可选参数：

  • --slm-pid <PID>：统计 SLM 服务进程的 CPU/RSS 增量
  • --disable-slm：只测 ASR 基线，不测对照组

文档

作者

Leonard Li - 开发与维护

📧 联系邮箱: leo@lsamc.website

联系我们

  • Bug 与建议：请使用 GitHub Issues
  • 原项目：VoCoType

致谢

本项目基于以下优秀的开源项目：

  • VoCoType - 原始项目，提供了强大的离线语音识别核心引擎
  • FunASR - 阿里巴巴达摩院开源的语音识别框架
  • QuQu - 优秀的开源项目，提供了重要的技术参考

第三方依赖与模型许可

本项目依赖的第三方库与模型均受各自许可证约束。详见 THIRD_PARTY_NOTICES.md。

使用的模型：

  • iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-onnx
  • iic/speech_fsmn_vad_zh-cn-16k-common-onnx
  • iic/punc_ct-transformer_zh-cn-common-vocab272727-onnx

📄 许可证

本项目继承原 VoCoType 项目的许可证。请查看 LICENSE 文件了解详情。

Star History

Star History Chart

About

高性能 Linux 离线中文语音输入法，基于 Ali FunASR(VocoType-cli). ~0.1s 瞬时上屏，输入法级稳定性， 极高中文准确率、低资源占用(CPU Only).支持 IBus / Fcitx5

Resources

Readme

License

GPL-3.0 license
Activity

Stars

92 stars

Watchers

0 watching

Forks

15 forks
Report repository

Releases 5

v2.1.3 Latest
Mar 25, 2026
+ 4 releases

Packages

 
 
 

Contributors

Languages