杨超超
← 返回文章列表

Article / 文章

fcitx5-vinput语音输入

技术

本文基于 fcitx5-vinput 2.2.2，适用于 Arch、Fedora、Ubuntu、Debian、Nix 和 Flatpak 环境。

这是什么？

fcitx5-vinput 是 Fcitx5 输入法的语音输入插件，支持本地离线识别和云端服务，还能用 LLM 对识别结果进行纠错和改写。不用联网也能用，说完话直接上屏，体验很流畅。

核心亮点：

  • 完全离线可用 — 基于 sherpa-onnx，断网也能用
  • Push-to-Talk — 按住说话松手就上屏，符合直觉
  • 多模型可选 — 中英文、方言、多语言，小到 74MB
  • LLM 后处理 — 接大模型自动纠错、排版、翻译
  • 命令模式 — 选中文字，语音下指令改写

安装

Fedora（COPR）

sudo dnf copr enable xifan/fcitx5-vinput-bin
sudo dnf install fcitx5-vinput

Arch Linux（AUR）

yay -S fcitx5-vinput-bin

Ubuntu 24.04（PPA）

sudo add-apt-repository ppa:xifan233/ppa
sudo apt update
sudo apt install fcitx5-vinput

Debian / Ubuntu（手动 deb）

# 从 GitHub Releases 下载最新 .deb
sudo dpkg -i fcitx5-vinput_*.deb
sudo apt-get install -f

其他发行版（Nix、Flatpak）和手动安装方式参考官方文档。

快速开始

1. 启动服务并设置开机自启

systemctl --user enable --now vinput-daemon.service

2. 重启 Fcitx5

fcitx5 -r

3. 下载模型

打开 Vinput GUI，进入 Resources（资源）→ Models（模型），选择一个模型下载并激活。

国内用户如果下载慢，程序内置了 gh-proxy.com 和 ghfast.top 代理回退，会自动尝试。也可以手动下载模型文件放到 ~/.local/share/vinput/models/ 目录下（详见文末）。

按键操作

默认按键在 ~/.config/fcitx5/conf/vinput.conf，所有按键均可自定义：

按键 默认值 操作方式
触发键 右 Alt 短按：开始/停止录音；长按（>0.3s）：按住说话，松手即停
命令键 右 Ctrl 选中文字后按住，语音下达修改指令
ASR 菜单 F8 弹出菜单，运行时切换 ASR 提供商或模型
场景菜单 右 Shift 弹出场景切换菜单

日常使用就记住一个：按住右 Alt → 说话 → 松手，文字直接上屏。

可用模型一览

全部 13 个模型，从轻量到旗舰都有。其中带「热词」标注的支持自定义热词，能提升特定词汇的识别准确率。

离线模型（推荐日常使用）

模型 语言 大小 热词 适用场景
Paraformer Small 中文 74 MB - 最轻量，中文语音识别入门首选
Dolphin Multilingual 多语言 77 MB - 中英等多语言，体积小
Moonshine Tiny EN 英文 103 MB - 轻量英文识别
SenseVoice 五语 中日英韩粤 158 MB - 五门语言，识别覆盖面广
SenseVoice Nano 多语言 179 MB - 多语种方言口音覆盖更好
Paraformer 中文 int8 中文 218 MB - 中文通用场景，量化版本
Paraformer 中文 中文 223 MB - 中文通用场景
Moonshine Base EN 英文 239 MB - 英文离线识别大模型
Zipformer 方言 中文 295 MB ✓ 普通话+多方言，支持热词
Zipformer 中英 中英 297 MB ✓ 中英双语混合识别，支持热词
Qwen3-ASR 0.6B 多语言 827 MB - 旗舰级，基于 Qwen3

流式模型（实时识别）

模型 语言 大小 热词
Streaming Zipformer EN 英文 122 MB ✓
Streaming Zipformer ZH 中文 126 MB ✓

离线模型需要说完一整句才出结果；流式模型边说边出字，延迟更低。

手动安装模型（下载慢的解决办法）

国内从 GitHub Releases 下载可能很慢，可以手动操作：

1. 用 aria2 等多线程工具下载

# 例如下载 Zipformer 中英模型
aria2c -x 16 "https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-zipformer-zh-en-2023-11-22.tar.bz2"

2. 放到正确的目录

模型 ID 按 . 分割，去掉前面的 model 就是路径。例如 model.sherpa-onnx.zipformer-zh-en → sherpa-onnx/zipformer-zh-en/：

# 创建目录
mkdir -p ~/.local/share/vinput/models/sherpa-onnx/zipformer-zh-en

# 解压
tar -xjf sherpa-onnx-zipformer-zh-en-2023-11-22.tar.bz2 \
  -C ~/.local/share/vinput/models/sherpa-onnx/zipformer-zh-en/ \
  --strip-components=1

# 写入模型描述文件（vinput-model.json，从注册表获取内容）

3. 通过命令行激活

vinput config model use model.sherpa-onnx.zipformer-zh-en

高级功能

热词（Hotword）

在 GUI 中配置热词文件，每行一个词，提升特定领域词汇（人名、地名、专业术语）的识别率。仅部分模型支持。

命令模式

  1. 选中要修改的文字
  2. 按住 右 Ctrl，说出指令：「把这段话翻译成英文」「加个句号」「改成正式语气」
  3. 松手，选中的文字被替换

场景（Scenes）与 LLM

可以在配置中定义不同场景，接入 LLM 对语音识别结果进行后处理：

  • 原始输出（Raw）
  • 自动纠错排版
  • 中英翻译
  • 自定义 Prompt

云端 ASR

除了离线模型，还可以接入云端 ASR 服务：

  • 豆包（字节跳动）
  • 阿里百炼
  • ElevenLabs
  • OpenAI 兼容接口

按 F8 运行时切换。

项目信息

查看全部文章 →