fcitx5-voice-input

Appearance

OpenAI 兼容后端 ​

适用于 OpenAI 官方接口、第三方兼容中转服务、Groq、硅基流动（SiliconFlow）、阿里云百炼 DashScope、小米 MiMo 等。配置保存在 ~/.config/fcitx5/conf/voiceinput-openai.conf。

选择此后端：主配置中 ActiveBackend=openai。后端选择与其他全局参数见配置总览。

配置参数项 ​

参数项说明默认值备选项 / 描述
BaseUrlAPI 基础地址https://api.openai.com/v1兼容服务或本地代理端点 URL
ApiKeyAPI 密钥(空，必填)平台获取的鉴权 Token
ModelASR 语音模型名称whisper-1如 whisper-1、qwen3-asr-flash、mimo-v2.5-asr、gpt-live-transcribe
Language输出语言auto可选 auto（自动检测）、zh（强制中文）、en（强制英文）
ApiModeAPI 调用模式whisper详见下方 API 模式说明
EnableItnchat 模式是否发送 DashScope 扩展字段 asr_options.enable_itntrue小米 MiMo 的 asr_options 仅定义 language，建议关闭
CommitIntervalMs实时流式周期性提交间隔 (ms)5000仅在 ApiMode=realtime 下生效，超长句无停顿时持续分片提交
LLMEnabled是否启用 LLM 后处理false开启后可对 ASR 识别出的文本进行错字修正与润色，见LLM 后处理
LLMModelLLM 后处理模型名称(空)如 gpt-4o-mini、qwen-plus 等 Chat 兼容模型
LLMSystemPromptLLM 提示词(空)引导模型进行纠错或排版的 Prompt
LLMStreamLLM 是否流式输出true流式输出可加速后处理文本上屏速度
AutoCommit无 LLM 时自动上屏true禁用 LLM 时识别完成直接上屏

API 模式 (ApiMode) 说明 ​

  1. whisper (标准 Whisper API，默认)：
    • 每次语音结束向 /v1/audio/transcriptions 发送 multipart/form-data 音频文件（WAV 格式）。
    • 适用于 OpenAI 官方 whisper-1、Groq whisper-large-v3、硅基流动 FunAudioLLM/SenseVoiceSmall 等。
  2. chat (Chat Completions 接口)：
    • 适用于阿里云百炼（DashScope）、小米 MiMo 等通过 Chat 接口提供语音识别的服务（如 qwen3-asr-flash、mimo-v2.5-asr）；整段音频提交后一次性返回，非实时流式。
  3. realtime (OpenAI Realtime 流式转录)：
    • 基于 WebSocket 双向流式协议（音频自动重采样至 24kHz 发送）。
    • 边说话边在 Preedit 显示增量转写，静音后立刻提交上屏。需要付费 Tier 账号支持。

服务商配置示例 ​

ini
BaseUrl=https://api.openai.com/v1
ApiKey=sk-proj-xxxxxxxxxxxxxxxxxxxx
Model=whisper-1
ApiMode=whisper
Language=zh
ini
BaseUrl=https://api.openai.com/v1
ApiKey=sk-proj-xxxxxxxxxxxxxxxxxxxx
Model=gpt-live-transcribe
ApiMode=realtime
Language=zh
ini
BaseUrl=https://dashscope.aliyuncs.com/compatible-mode/v1
ApiKey=sk-xxxxxxxxxxxxxxxxxxxxxxxx
Model=qwen3-asr-flash
ApiMode=chat
Language=zh
ini
BaseUrl=https://api.xiaomimimo.com/v1
ApiKey=sk-xxxxxxxxxxxxxxxxxxxxxxxx
Model=mimo-v2.5-asr
ApiMode=chat
Language=zh
EnableItn=false
ini
BaseUrl=https://api.siliconflow.cn/v1
ApiKey=sk-xxxxxxxxxxxxxxxxxxxxxxxx
Model=FunAudioLLM/SenseVoiceSmall
ApiMode=whisper
Language=zh
ini
BaseUrl=https://api.groq.com/openai/v1
ApiKey=gsk_xxxxxxxxxxxxxxxxxxxxxx
Model=whisper-large-v3
ApiMode=whisper
Language=zh

Fcitx5 Voice Input Documentation

Copyright © 2026