xifan2333/fcitx5-vinput

解决的问题

为 Linux 上的 Fcitx5 输入法框架提供语音输入功能，使用户可以通过语音而非键盘输入文本。解决了对灵活语音转文本系统的需求，该系统可离线运行以保障隐私和速度，或通过云服务实现更高准确率。

工作原理

该项目将自动语音识别（ASR）集成到 Fcitx5 中。支持使用 sherpa-onnx 模型的本地 ASR，或通过 OpenAI、ElevenLabs 等提供商的云端 ASR。除了基本转录外，还可利用大语言模型（LLM）对转录文本进行后处理，如纠错、格式化或翻译。还提供“命令模式”，用户可选中文本并用语音发出指令进行修改。

适用人群

使用 Fcitx5 输入法的 Linux 用户，希望将语音输入和语音驱动的文本编辑整合到工作流中。

主要亮点

• 混合 ASR：支持离线本地模型和多种云端 ASR 提供商。
• LLM 集成：利用 LLM 执行格式化、翻译等后处理任务。
• 灵活触发：提供基于切换的录音和按压说话（push-to-talk）模式。
• 命令模式：允许用户通过语音指令修改选中文本。
• 广泛分发：提供 Arch、Fedora、Ubuntu/Debian、Nix 和 Flatpak 的安装包。