VoCoType-linux

August 2, 2026 · View on GitHub

VoCoType Linux — 按住语音快捷键说话，松开即可输入文字

Linux 与 macOS 上的原生本地语音输入：按住说话，松开上屏。

官网 · 下载 · 文档 · 问题反馈

VoCoType-linux 是面向 Linux 与 macOS 的开源语音输入工具。核心语音识别在本地运行，无需 GPU；可选连接本机、局域网或云端的 OpenAI-compatible API，对长句进行润色并根据输入框上下文执行语音编辑。

  • Linux：原生支持 Fcitx 5 与 IBus；
  • macOS：原生使用 InputMethodKit Palette Input Method，与当前键盘输入源共存；
  • 三个平台前端共用 C++ Core、FunASR worker、术语、ITN、AI润色与受限语音编辑协议。

📰 VoCoType-linux V5 正式版

VoCoType-linux v5.0.0 是 V5 原生架构的首个稳定版本，正式覆盖 Linux Fcitx 5、Linux IBus 与 Apple Silicon macOS。

  • 本地 FunASR 最终识别、可选实时预览、热词、术语保护与 ITN 全部由共享 C++ Core 提供；
  • F9 普通听写、Shift+F9 AI 润色和 Ctrl+F9 语音编辑在三套前端保持一致语义；
  • 按下语音快捷键时即并行准备最终 ASR、标点模型和当前热词图，显著降低冷启动后的松键等待；
  • Fcitx 5 普通 F9 已改为异步、可取消任务：按 Esc、继续输入、开始新语音操作或输入框失焦都会立即取消等待；
  • 设置中心的 AI“连接测试”明确为可选诊断；保存有效配置后可直接使用 AI 功能，无需每次启动后测试；
  • 正式版安装资产包含 macOS arm64 DMG，以及 Debian、RPM、Arch 的 Universal、IBus-only、Fcitx5-only 软件包和统一校验和。

前往 V5 正式版 Release 下载。macOS Apple Silicon 用户请选择 VoCoType-linux-5.0.0-macOS-arm64.dmg。

macOS 安装包目前仍采用 ad-hoc 签名、尚未经过 Apple notarization；首次打开可能需要在“系统设置 → 隐私与安全性”中选择“仍要打开”。

为什么移植到 macOS 后仍然叫 VoCoType-linux？

原版 VocoType 在维护者自己的 Mac 上会闪退；与此同时，我认为 VoCoType-linux 的全局按住说话、实时预览、语音编辑、图形设置中心、用户词典和诊断设计更适合完整的桌面工作流。因此，这次不是重新包装另一套产品，而是把 VoCoType-linux 本身原生移植到 macOS。

macOS原生听写在我的实际工作流中也不理想：中文识别准确率不够稳定；说到一半开始手动打字后，通常不能自然继续同一次听写，需要关闭后重新打开；启停和续说操作比较繁琐。它也没有长句润色、基于上下文的语音编辑、热词、别名替换和术语保护等 VoCoType-linux高级功能。

为了保持仓库、配置格式、发布资产、文档、问题追踪和用户认知的连续性，macOS版本继续沿用 VoCoType-linux 名称，不另起一个产品名。这里的“Linux”是项目历史名称，不再表示只支持 Linux。

为什么使用 VoCoType-linux

  • 本地语音识别：语音默认不离开设备，断网也能输入。
  • 系统级输入：在聊天窗口、浏览器、编辑器、终端和 AI 工具中直接提交文字。
  • 中文输入优化：支持中英混合识别、原生热词、用户术语与数字格式化。
  • 按住即说：默认 F9快速识别、Shift+F9 AI润色、Ctrl+F9语音编辑。
  • 语音编辑：结合 surrounding text理解替换、改写、翻译、导航、LaTeX与撤销重做指令。
  • 图形化管理：安装、模型、麦克风、AI配置、用户词典、Doctor和反馈均有原生界面。
  • 纯 CPU 可用：普通笔记本和台式机即可运行，无需独立显卡。

Demo

https://github.com/user-attachments/assets/94772920-0f9e-4dff-8da5-c9026eb23256

IBus语音编辑：

https://github.com/user-attachments/assets/4b936014-9477-4794-8d04-aa31d34577a0

快速开始

macOS：拖入 Applications

系统要求：Apple Silicon（arm64），macOS 13或更高版本。

  1. 从 V5 正式版 Release 下载 VoCoType-linux-5.0.0-macOS-arm64.dmg；
  2. 打开 DMG，将 VoCoType-linux.app拖到右侧 Applications；
  3. 从“应用程序”打开 VoCoType-linux；
  4. 首次启动会把内置输入法安装到 ~/Library/Input Methods/VoCoType-linux.app并激活；
  5. 允许麦克风权限，然后在任意文本框中按住 F9说话。

V5 正式版仍采用 ad-hoc签名且尚未经过 Apple公证。首次打开若被 Gatekeeper阻止：先尝试打开一次并关闭提示，然后进入 系统设置 → 隐私与安全性 → 仍要打开，在确认框中再次选择“仍要打开”。这是为该 App建立本机例外，不是导入或信任一张 ad-hoc证书。

升级时直接用新版本覆盖 /Applications/VoCoType-linux.app并启动；App会更新内置输入法，同时保留配置、用户词典和模型。完整说明见 macOS安装与排障。

Linux：安装发行包

在 V5 正式版 Release 下载适合发行版与输入法框架的软件包：

# Debian / Ubuntu
sudo apt install ./vocotype-linux_*.deb

# Fedora / RHEL 系
sudo dnf install ./vocotype-linux-*.rpm

# Arch Linux
sudo pacman -U ./vocotype-linux-*.pkg.tar.zst

随后从应用菜单打开 VoCoType设置，安装或修复 Fcitx 5 / IBus、校验模型并在 Playground完成麦克风测试。Release提供 Universal、IBus-only和Fcitx5-only三种 flavor；只安装其中一种。

Linux：从源码构建

git clone https://github.com/LeonardNJU/VocoType-linux.git
cd VocoType-linux

# Fcitx 5
bash scripts/install/fcitx5/install.sh --install-system-deps --download-models

# 或 IBus
bash scripts/install/ibus/install.sh --install-system-deps --download-models

Nix / NixOS

nix run github:LeonardNJU/VocoType-linux/v5.0.0#settings
nix build github:LeonardNJU/VocoType-linux/v5.0.0#vocotype-fcitx5
nix build github:LeonardNJU/VocoType-linux/v5.0.0#vocotype-ibus
nix build github:LeonardNJU/VocoType-linux/v5.0.0#vocotype-universal

详见 Nix与NixOS文档。

基本使用

以下是默认值。Linux和macOS设置中心均可管理相关功能；Linux支持录制自定义快捷键，macOS使用系统级全局热键。

默认快捷键功能
F9按住录音；可选实时预览，松开后由完整离线识别提交最终文字
Shift+F9识别后使用已配置的 AI模型润色
Ctrl+F9语音编辑：改写、替换、插入、删除、翻译、导航、撤销等
Esc或点击浮层取消当前语音操作并立即关闭状态浮层

macOS

VoCoType-linux使用 Palette Input Method，与当前英文、拼音或其他键盘输入源共存。无需反复切换输入法；激活一次后即可在支持文本输入的应用中使用全局快捷键。一次语音操作会固定绑定按下快捷键时的输入框，即使系统通知或其他应用中途激活，也不会把最终文字提交到错误客户端。

Fcitx 5

VoCoType-linux作为全局 Module工作，安装后无需把它添加到输入法列表。继续使用现有 Rime、拼音、Mozc或键盘布局，直接按语音快捷键。

IBus

VoCoType-linux作为独立 IBus引擎运行，并提供与 Fcitx 5相同的普通听写、润色和语音编辑语义。

主要功能

离线与实时语音识别

使用 FunASR Contextual Paraformer ONNX在本地完成最终识别；可选启用 FunASR 2-pass，在说话时持续更新预览。实时结果只用于展示，松键后仍由完整录音、原生热词、标点、术语和 ITN链路唯一决定最终文字。

图形化用户词典

用户词典不要求普通用户直接编辑 YAML：

  • 新增热词：填写 canonical，可添加多条 aliases，并分别选择热词与保护；
  • 新增保护词：只填写需要保护的固定表达；
  • 导入用户词典：验证 YAML后原子替换；
  • 热更新词典：外部批量修改当前文件后重新加载；
  • 在 Finder / 文件管理器中显示：需要手工编辑时直接定位权威文件。

YAML仍是可迁移、可批量维护的权威格式。图形化新增会保留既有注释和排版，并拒绝重复 canonical或保护词。

逆文本标准化（ITN）

可将口语中的日期、时间、距离和金额转换为适合书写的格式，例如：

二零二六年五月十一号 → 2026/05/11
下午三点二十分       → 15:20
三百二十米           → 320m
一百二十八元         → ¥128

AI润色与语音编辑

AI页配置 OpenAI-compatible endpoint、model、API key、超时、SSE与thinking。端点可以位于本机、局域网或云端；VoCoType-linux不启动或管理模型进程。

  • Shift+F9：断句、纠错和长句润色；
  • Ctrl+F9：结合输入框全文、光标与选区生成受限编辑计划；
  • 支持替换、插入、删除、翻译、评论、导航、LaTeX修改、撤销与重做；
  • 失败时保留原始识别文本，不执行未验证的自由形式操作。

若端点不在本机，转写文本会发送到该接口；语音编辑还会发送当前应用提供的 surrounding text、光标与选区。

Playground、诊断与设置中心

Linux使用 GTK 3/C++设置中心，macOS使用 AppKit原生设置中心。两端均覆盖模型、麦克风、AI、术语、诊断和教程；macOS另外负责首次安装/升级 InputMethodKit组件。设置文本区域支持系统原生 ⌘Z，同时兼容 Ctrl+Z撤销和对应重做快捷键。

支持范围

平台 / 输入框架支持方式发行资产
macOS / InputMethodKitPalette Input Method，与当前键盘输入源共存Apple Silicon DMG
Linux / Fcitx 5全局 Module，可继续使用 Rime / 拼音 / MozcDEB、RPM、Arch、Nix
Linux / IBus独立输入法引擎DEB、RPM、Arch、Nix

系统要求

  • macOS 13+，Apple Silicon arm64；
  • 或 Linux：Debian、Ubuntu、Fedora、Arch等主流发行版，使用 Fcitx 5或 IBus；
  • 最低 4 GB内存，推荐 8 GB；
  • 无需 GPU；
  • 从源码构建需要 C++20、CMake与对应系统开发库；日常运行不需要 Python。

文档与支持

项目说明

VoCoType-linux基于 VoCoType / vocotype-cli 的语音输入核心发展，并使用 FunASR 等开源项目。V5将本仓库自己的桌面交互、原生 Core、Linux输入法集成和设置体系进一步移植到 macOS，但项目名称与仓库地址保持不变。

第三方依赖与模型分别受其自身许可证约束，详见 THIRD_PARTY_NOTICES.md。项目许可证见 LICENSE。

Star History

VoCoType Linux Star History Chart

维护者：Leonard Li · leo@lsamc.website