voice-input

Linux Wayland 下的离线语音输入法。按 Caps Lock 说话，自动识别后输入到光标位置。

特性

• 离线识别 - 基于 SenseVoice + sherpa-onnx，无需联网
• 自动检测语音 - Silero VAD 自动检测说话结束，无需手动停止
• 智能粘贴 - 自动检测终端/GUI 应用，选择正确的粘贴方式
• Caps Lock 触发 - 通过 keyd 重映射，一键触发

依赖

• 系统包: keyd ydotool wl-clipboard notify-send
• Python: sherpa-onnx sounddevice numpy evdev
• 模型: SenseVoice int8 (~229MB) + Silero VAD (~2.3MB)
• 桌面环境: KDE Plasma (Wayland)

一键安装

git clone https://github.com/ThendCN/voice-input.git
cd voice-input && ./install.sh

需要 uv 和 Arch Linux (pacman) 或 Debian/Ubuntu (apt)。 安装后需要重新登录以使 input 组权限生效。

手动安装

# 1. 系统依赖 (Arch Linux)
sudo pacman -S keyd ydotool wl-clipboard

# 2. 用户加入 input 组
sudo usermod -aG input $USER
# 需要重新登录生效

# 3. 配置 keyd (Caps Lock → F13)
sudo tee /etc/keyd/default.conf << 'EOF'
[ids]
*

[main]
capslock = f13
EOF
sudo systemctl enable --now keyd

# 4. 启动 ydotool 守护进程
systemctl --user enable --now ydotool

# 5. Python 依赖
uv sync

# 6. 下载模型
cd models
wget https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17.tar.bz2
tar xf sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17.tar.bz2
rm sherpa-onnx-sense-voice-zh-en-ja-ko-yue-int8-2024-07-17.tar.bz2
wget -O silero_vad.onnx https://github.com/snakers4/silero-vad/raw/master/src/silero_vad/data/silero_vad.onnx
cd ..

# 7. 创建 onnxruntime 符号链接
ln -sf .venv/lib/python3.12/site-packages/onnxruntime/capi/libonnxruntime.so.* \
       .venv/lib/python3.12/site-packages/sherpa_onnx.libs/libonnxruntime.so

# 8. 开机自启
cp voice-input.service ~/.config/systemd/user/
systemctl --user enable voice-input

使用

# 手动启动
./voice-input.sh

# 或通过 systemd
systemctl --user start voice-input

按 Caps Lock → 说话 → 自动识别并输入到光标位置。

工作原理

1. keyd 将 Caps Lock 映射为 F13
2. 守护进程通过 evdev 监听 F13 按键事件
3. sounddevice 录音 + Silero VAD 自动检测说话结束
4. SenseVoice 离线语音识别
5. wl-copy 写入剪贴板 + ydotool 模拟粘贴（智能检测终端/GUI）