上次发布的0.1，下载地址被墙了，很多朋友没有下载成功，这次换个服务器，应该没问了。

http://38.207.133.74/droplet-voice-input_0.2.2_amd64.deb

项目初衷

市面上的语音输入法大多需要联网使用云端的语音API，不但使用门槛较高（要自己去申请api）语音，而且数据会上传到云端处理。

随着大模型技术的成熟，做一个完全离线的方案，保护用户隐私，同时也能在没有网络的环境下使用，已经可行了。虽然离线识别的准确率可能不如云端，但对于日常使用现在测试感觉应该够用了。

最终要的是，在linux下，居然就没有一个我认为能用的（包括使用云端api）的中文语音输入法，最近的这些项目大多都是语音转文字记录，而不是在任何位置都能语音输入的输入法！过节期间，搓了个自己能用的版本，拿出来给linux的程序员们分享一下，和claude code 、codex交流，可以动嘴不动手（少动手）了。

主要特性

• ✅ 完全离线 - 所有处理都在本地完成，不上传任何数据。
• ✅ 实时流式识别 - 边说边出字，无需等待
• ✅ 智能标点符号 - 根据停顿自动插入逗号
• ✅ 文本规范化 - 自动转换数字、日期、货币等
• ✅ 热词支持 - 可以添加专业术语提高识别率
• ✅ CPU识别 - 不需要使用GPU，因此不用好显卡也能流畅使用

技术栈

• Rust - 核心引擎
• sherpa-onnx - 语音识别引擎
• FUNASR - 阿里达摩院的语音识别框架
• PipeWire - 音频捕获
• Fcitx5 - 输入法框架
• egui - 图形设置界面

系统要求

• 操作系统：Deepin V23 V25 / Debian 12 / Ubuntu 22.04+
  目前只测试了deepin 25，由于基本都是静态链接和编译，依赖很少，理论上都能运行。
• 桌面环境：目前只支持 Fcitx5 的环境，后续看有多少人需要ibus
• 内存：建议 4GB 以上，这个程序运行时只用不到400M内存，远低于其他基于大模型的同类输入法
• 磁盘空间：约 400M（包含模型文件）
• 音频：需要麦克风和 PipeWire

系统要求

• 操作系统：Deepin V23 V25 / Debian 12 / Ubuntu 22.04+
  目前只测试了deepin 25，由于基本都是静态链接和编译，依赖很少，ubuntu等系统理论上都能运行。
• 桌面环境：目前只支持 Fcitx5 的环境，后续看有多少人需要ibus
• 内存：建议 4GB 以上，这个程序运行时只用不到500M内存，远低于其他基于大模型的同类输入法（其他应该都超过1G内存）

安装方法

1. 下载安装包

# 下载地址
wget http://38.207.133.74/droplet-voice-input_0.2.2_amd64.deb

# 安装
sudo dpkg -i droplet-voice-input_0.2.2_amd64.deb

2. 开始使用

fcitx切换到语音输入法后（任务栏图标是个红色聊天框）

按一次右Ctrl键开始识别，再按一次停止。按了右Ctrl键后，光标所在位置会浮窗提示“开始录音”

3. GUI 设置界面黑屏（虚拟机环境）

在虚拟机中运行设置界面时，可能会出现黑屏。这是 egui 与虚拟机 GPU 加速的兼容性问题。

临时解决方案：

LIBGL_ALWAYS_SOFTWARE=1 vinput-settings

4. 识别准确率

离线模型的准确率肯定不如云端大模型，特别是：

• 方言、口音较重时识别率会下降
• 专业术语、生僻词可能识别不准（可以通过添加热词改善）
• 语速过快或过慢都会影响识别

使用技巧

1. 说话清晰：尽量吐字清楚，语速适中
2. 环境安静：减少背景噪音干扰
3. 调整参数：根据自己的说话习惯调整 VAD 和标点参数

免责声明

本软件为个人学习项目，仅供测试使用。使用过程中如遇到任何问题，作者不承担任何责任。建议在非重要场合测试，重要文档请及时保存。

再次感谢大家的支持和测试！
如果你觉得这个项目有意思，欢迎点赞、收藏、转发！