VocaHQ/vocalinux

解決的問題

Vocalinux 為 Linux 使用者提供無縫且注重隱私的語音轉文字體驗。無論使用者使用的是 X11 或 Wayland，都能在任何應用程式中進行語音輸入，彌補原生 Linux 語音輸入功能的空白。

工作原理

此應用以桌面應用程式形式執行，捕獲音訊並使用三種本地語音辨識引擎之一轉換為文字：whisper.cpp（預設）、OpenAI Whisper 或 VOSK。它使用 Vulkan 實現跨 AMD、Intel 和 NVIDIA 硬體的通用 GPU 加速。模型下載後，所有處理皆在使用者的機器上本地進行。轉換後的文字透過 IBus 或其他注入方式插入至目前活躍的應用程式中。

適用對象

希望在不同發行版（如 Ubuntu、Debian、Fedora 和 Arch）上使用高品質、私密且跨系統的語音輸入工具的 Linux 桌面使用者。

主要特色

• 本地處理：初始模型下載後，語音轉文字過程完全在本地進行，確保最大隱私性。
• 彈性引擎選擇：支援 whisper.cpp（高效率）、OpenAI Whisper（PyTorch 使用者）和 VOSK（低記憶體系統）。
• 通用 Linux 支援：相容主流發行版的 X11 與 Wayland 環境。
• 可自訂啟動方式：提供切換模式與按住說話模式，並支援自訂鍵盤快速鍵。
• GPU 加速：利用 Vulkan 實現廣泛的硬體相容性。
• 神經網路 VAD：內建 Silero 語音活動偵測，提升錄音準確性。