VocaHQ/vocalinux

解决的问题

Vocalinux 为 Linux 用户提供了一款专注于隐私、在设备端运行的语音听写工具。它允许用户在不依赖云服务的情况下，将语音转换为任何活动应用程序中的文本，解决了不同 Linux 发行版和显示服务器（X11 和 Wayland）之间缺乏原生、高质量语音转文本 (STT) 集成的问题。

运作原理

该应用程序在用户的机器上运行本地语音转文本引擎。在初始模型下载后，所有音频处理皆在本地进行。它支持多种引擎，包括 whisper.cpp（默认）、OpenAI Whisper、Faster Whisper、VOSK 和 Parakeet。为了将文本输入到其他应用程序中，它使用了 xdotool、IBus、wtype 或 ydotool 等工具。

适用对象

希望获得无缝语音听写体验且重视隐私的 Linux 用户，无需账号且音频保留在设备端。它旨在适用于 Ubuntu、Debian、Fedora 和 Arch Linux 等主流发行版。

特色亮点

• 设备端处理：模型下载后，音频在本地处理以实现最大隐私。
• 多引擎支持：支持 whisper.cpp、OpenAI Whisper、Faster Whisper、VOSK 和 Parakeet。
• GPU 加速：通过 whisper.cpp 利用 Vulkan 支持 AMD、Intel 和 NVIDIA GPU。
• X11 和 Wayland 兼容性：适用于两种主要的 Linux 显示服务器。
• 语音指令：内置支持标点符号和基本格式化指令（例如：“new line”、“period”）。
• 灵活安装：可通过安装脚本、.deb、.rpm、AppImage、AUR、Flatpak 和 Snap 安装。