fcitx5-voice-input

Appearance

入门指南 ​

fcitx5-voice-input 是一个无缝集成到 Fcitx5 输入法框架中的语音输入插件。它通过本地轻量级 Silero VAD（语音活动检测）自动识别说话起止，并借助云端或自建 ASR（语音识别）服务将语音实时转写为文本上屏。

核心工作流程 ​

无需像传统语音输入法那样长按快捷键，fcitx5-voice-input 采用全自动语音断句与管道流转设计：

  1. 激活输入法：通过快捷键（如 Ctrl + Space 或 Super + Space）将当前输入法切换至 Voice Input。
  2. 自然说话：麦克风自动捕获音频，VAD 算法实时判定人声并自动开启识别会话。
  3. 实时预览与上屏：
    • 使用流式后端（火山引擎、Mistral Realtime 或 OpenAI Realtime）时，候选框（Preedit）会实时跟随语音显示增量文字。
    • 停止说话达到设定的静音时长（默认 800ms）后，最终文本自动提交上屏（Commit）。
  4. 连续输入：无需切出输入法，继续说话即可直接开始下一句转写。

5 分钟快速上手 ​

第一步：安装插件 ​

根据您的 Linux 发行版选择最便捷的安装方式：

  • Arch Linux (AUR)：
    bash
    yay -S fcitx5-voice-input
  • Ubuntu / Debian / Fedora / openSUSE： 前往 GitHub Releases 下载对应发行版的 .deb 或 .rpm 安装包直接安装。

详见 快速安装指南。

第二步：添加输入法 ​

  1. 重启 Fcitx5 守护进程以加载新安装的插件：
    bash
    fcitx5 -r -d
  2. 打开 Fcitx5 配置工具：
    bash
    fcitx5-configtool
  3. 在 输入法 (Input Method) 标签页中，取消勾选“仅显示当前语言”，在列表中搜索 Voice Input。
  4. 将 Voice Input 添加到右侧的已启用输入法列表中。

第三步：配置 ASR 后端与 API Key ​

  1. 在 fcitx5-configtool 中切换到 附加组件 (Addon) 标签页。
  2. 找到 VoiceInput 插件，点击齿轮图标 ⚙ 打开配置界面。
  3. 选择您使用的 ASR 后端（默认支持 OpenAI 兼容、火山引擎豆包、Mistral Realtime）：
    • OpenAI 兼容后端：填入 API Key，支持 OpenAI 官方、Groq、硅基流动 (SiliconFlow)、阿里云百炼 DashScope 或小米 MiMo。
    • 火山引擎后端：填入 API Key（或 AppKey + AccessKey）以及购买的资源 ID。
  4. 点击“应用”保存设置。

各后端的详细配置参数与示例请参考 配置指南。

第四步：体验语音输入 ​

  1. 打开任意文本编辑器（如 gedit、VS Code 或终端）。
  2. 按快捷键切换到 Voice Input 输入法。
  3. 对着麦克风清晰说出一句话，例如：“今天天气真不错，测试一下语音输入插件。”
  4. 说话结束后稍作停顿，识别出的文字将自动上屏到当前光标位置！

实用技巧 ​

1. 录音设备选择与持续麦克风 ​

插件不自己挑选麦克风：录音设备的路由交给系统音频服务（PulseAudio / WirePlumber 等）。它尊重系统默认输入，也尊重你在音频管理器里为本应用保存的设备偏好。

  • 推荐流程（先选默认，再说话）：先在桌面声音设置里把目标麦克风设为默认输入，确认它未静音、说话时电平有变化，再切到 Voice Input 开始说话。插件会新建一条不带显式设备名的录音流，由音频服务决定实际来源。
  • 只改本应用（流存活时）：录音流是持续存在的非独占流——只要 Voice Input 处于焦点，它就保持打开。此时可打开 pavucontrol 的「录音（Recording）」页，找到 fcitx5-voice-input / voice input，把它移动到目标输入源。移动只作用于这一条流；若音频服务启用了按应用恢复，下次会自动恢复该偏好。
  • 持续麦克风提示：失焦（切到其他窗口）时插件只暂停识别并丢弃采样，不再把新音频送入 VAD/ASR，但录音流可能仍在系统中可见；切换到其他输入法、更改输入法组或退出 Fcitx5 时才会释放录音流。
  • 隐私提示：设备由系统默认或应用偏好决定，如果默认输入恰好是某个回放的 Monitor（监听）源，插件可能把系统播放的声音当作语音上传。开始前请确认输入源与电平，避免误录敏感内容。

各设备选项与移动操作随桌面环境和音频服务版本略有差异，详见 常见问题与排查。

2. 流式实时增量上屏 ​

如果您希望在说话的同时实时在候选栏看到字词逐个蹦出，推荐使用以下流式模式：

  • OpenAI Realtime：在 OpenAI 配置页将 ApiMode 设为 realtime，模型选用 gpt-live-transcribe。
  • 火山引擎豆包：配置 ActiveBackend=volcengine，自带低延迟实时流式识别与标点预测。
  • Mistral Realtime：配置 ActiveBackend=mistral，模型使用 voxtral-mini-transcribe-realtime-2602。

3. LLM 智能后处理 ​

在 OpenAI 后端配置中开启 LLMEnabled 并指定大语言模型（如 gpt-4o-mini 或 qwen-plus），可以为转写结果自动修正同音错字、规范中英文空格排版并补全标点符号。

下一步 ​

Fcitx5 Voice Input Documentation

Copyright © 2026