xifan2333/fcitx5-vinput

解決的問題

為 Linux 上的 Fcitx5 輸入法框架提供語音輸入功能，讓使用者能以語音取代鍵盤輸入文字。解決對彈性語音轉文字系統的需求，此系統可離線運作以保障隱私與速度，或透過雲端服務取得更高準確度。

運作方式

本專案將自動語音辨識（ASR）整合至 Fcitx5。支援使用 sherpa-onnx 模型的本地 ASR，或透過 OpenAI、ElevenLabs 等提供者之雲端 ASR。除了基本轉錄外，還可利用大型語言模型（LLM）對轉錄文字進行後處理，例如錯誤修正、格式化或翻譯。亦具備「指令模式」，使用者可選取文字並以語音發出指令進行修改。

適用對象

使用 Fcitx5 輸入法的 Linux 使用者，希望將語音輸入與語音驅動的文字編輯整合至工作流程中。

主要特色

• 混合式 ASR：支援離線本地模型與多種雲端 ASR 提供者。
• LLM 整合：利用 LLM 執行格式化、翻譯等後處理任務。
• 彈性觸發：提供切換式錄音與按壓說話（push-to-talk）模式。
• 指令模式：允許使用者以語音指令修改選取的文字。
• 廣泛分發：提供 Arch、Fedora、Ubuntu/Debian、Nix 與 Flatpak 的套件。