在 Arch Linux KDE 上使用语音输入

前言

还在为长篇文档敲键盘敲到手酸吗？还在羡慕手机上的语音输入功能吗？今天看我在 Arch Linux KDE 桌面上搭建一套完全本地化的语音输入系统，无需联网，隐私安全，一键语音转文字！

效果展示

• • 🎤 按下 Meta+S 开始录音
• • 🔄 再按一次停止并识别
• • ⚡ 2-3秒内完成识别
• • 📝 自动粘贴到当前程序
• • 🔒 完全本地运行，保护隐私

支持终端、VSCode、浏览器、文档编辑器等各种场景！

技术方案

核心组件

• • Whisper.cpp: OpenAI Whisper 的 C++ 实现，支持 GPU 加速
• • ydotool: Wayland 下的输入模拟工具
• • kdotool: KDE 窗口检测工具
• • wl-clipboard: Wayland 剪贴板管理

智能粘贴

脚本会自动检测当前窗口类型：

• • 终端类程序（Konsole、VSCode）→ Ctrl+Shift+V
• • 普通程序（浏览器、文档）→ Ctrl+V

安装配置

1. 安装依赖包

sudo pacman -S sox whisper.cpp libnotify wl-clipboard ydotoolparu -S whisper.cpp-model-small kdotool

2. 启动后台服务

ydotoold &

3. 脚本配置

创建 voice_input.sh 脚本，配置模型路径和快捷键逻辑。

#!/bin/bashMODEL="/usr/share/whisper.cpp-model-small/ggml-small.bin"AUDIO_FILE="/tmp/whisper_voice.wav"LOCK_FILE="/tmp/whisper_voice.lock"for cmd in rec whisper-cli wl-copy ydotool kdotool notify-send; docommand -v "$cmd" >/dev/null || { notify-send -t 2000 "Whisper""缺少 $cmd"; exit 1; }done[ -f "$MODEL" ] || { notify-send -t 2000 "Whisper""模型文件不存在"; exit 1; }# 正在识别中，忽略[ -f "$LOCK_FILE" ] && { notify-send -t 2000 "Whisper""正在识别中..."; exit 0; }if pgrep -x "rec" > /dev/null; then    pkill -x "rec"sleep 0.5touch"$LOCK_FILE"    notify-send -t 2000 "Whisper""正在识别..." -i accessories-character-map    RESULT=$(whisper-cli -m "$MODEL" -f "$AUDIO_FILE" -l zh --prompt "以下是简体中文的句子。" -nt 2>/dev/null)    CLEAN_TEXT=$(echo"$RESULT" | sed 's/\[[^]]*\]//g; s/([^)]*)//g' | xargs)rm -f "$LOCK_FILE"if [ -n "$CLEAN_TEXT" ]; thenecho -n "$CLEAN_TEXT" | wl-copy        WIN=$(kdotool getactivewindow getwindowclassname 2>/dev/null)ifecho"$WIN" | grep -qiE "konsole|code|positron|dolphin"; then            ydotool key 29:1 42:1 47:1 47:0 42:0 29:0else            ydotool key 29:1 47:1 47:0 29:0fi        notify-send -t 2000 "Whisper""$CLEAN_TEXT"else        notify-send -t 2000 "Whisper""没听清，请重试"fielserm -f "$AUDIO_FILE"    notify-send -t 2000 "Whisper""录音中...再次按键停止" -i audio-input-microphone    rec -r 16000 -c 1 "$AUDIO_FILE" &fi

4. 绑定快捷键

在 KDE 系统设置中将 Meta+S 绑定到脚本。

使用体验

优势

✅ 完全离线：无需网络，保护隐私✅ 响应迅速：本地 GPU 加速，2-3秒识别✅ 准确度高：Whisper small 模型中文识别率优秀✅ 场景适配：自动识别程序类型选择粘贴方式✅ 资源友好：2GB 显存即可流畅运行 CPU也可以，就是慢点

适用场景

• • 📝 长文档写作
• • 💬 聊天回复
• • 🖥️ 终端命令输入
• • 📧 邮件编写
• • 🤖 与 AI 对话

进阶优化

模型选择

• • base: 最快，准确度一般
• • small: 平衡选择，推荐日常使用
• • medium: 更准确，需要更多显存
• • large: 最准确，适合高端显卡

自定义微调

有特殊需求可以基于个人语音数据微调模型，提升特定场景识别率。

总结

通过这套方案，我在 Linux 桌面上实现了简单的语音输入体验。完全开源、本地运行、隐私安全。

最开始的想法是看有没有现成的，没有找到合适的，然后是使用kde connect,不能输入中文，不过可以识别中文翻译为英文输入，和AI聊天可以，让AI中文回答即可。最终在AI的辅助下实现了快捷键语音输入。