VocaHQ/vocalinux

解决的问题

Vocalinux 为 Linux 用户提供无缝且注重隐私的语音转文字体验。无论用户使用的是 X11 还是 Wayland，都能在任意应用程序中进行语音输入，填补了原生 Linux 语音输入功能的空白。

工作原理

该应用以桌面应用程序形式运行，捕获音频并使用三种本地语音识别引擎之一将其转换为文本：whisper.cpp（默认）、OpenAI Whisper 或 VOSK。它使用 Vulkan 实现跨 AMD、Intel 和 NVIDIA 硬件的通用 GPU 加速。模型下载完成后，所有处理均在用户本地机器上完成。转换后的文本通过 IBus 或其他注入方式插入到当前活动的应用程序中。

适用人群

希望在不同发行版（如 Ubuntu、Debian、Fedora 和 Arch）上使用高质量、私密且跨系统的语音输入工具的 Linux 桌面用户。

主要亮点

• 本地处理：在初始模型下载后，语音转文字过程完全在本地进行，确保最大隐私性。
• 灵活的引擎选择：支持 whisper.cpp（高性能）、OpenAI Whisper（PyTorch 用户）和 VOSK（低内存系统）。
• 通用 Linux 支持：兼容主流发行版的 X11 和 Wayland 环境。
• 可自定义激活方式：提供切换模式和按住说话模式，并支持自定义键盘快捷键。
• GPU 加速：利用 Vulkan 实现广泛的硬件兼容性。
• 神经网络 VAD：内置 Silero 语音活动检测，提升录音准确性。