voxtype

按住说话，松手出字，Wayland 离线听写

voxtype 是一款面向 Linux Wayland 桌面的离线语音转文字工具，用 Rust 编写。它解决的核心问题是：在 Wayland 合成器（如 Hyprland、Sway、GNOME、KDE）下，缺少一个简单可靠、不依赖云端的按键说话（push-to-talk）听写方案。用户按住快捷键说话，松开即把识别结果直接输入到当前光标位置，全程本地推理，音频不出本机。它通过模拟键盘输入或调用无障碍接口把文字送进任意应用，因此不挑编辑器、终端或聊天窗口。项目支持离线语音识别模型，兼顾隐私与低延迟，并针对 Wayland 的输入限制做了适配，避免了 X11 时代工具在 Wayland 上无法注入按键的痛点。对经常写代码、写文档、做会议记录又注重隐私的 Linux 用户来说，它把语音输入变成了系统级能力。

开源 free 语音识别

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1477

维护状态活跃

是否开源是

定价模式 free

项目数据

分类语音识别

开发团队peteonrails

所属国家

官网地址

GitHubhttps://github.com/peteonrails/voxtype

定价模式free

价格说明开源免费，需自行部署

访问状态

是否开源是

开源协议MIT

主要语言Rust

技术栈/模型accessibility,dictation,gnome,hyprland,kde,linux,offline,push-to-talk,rust,speech-recognition,speech-to-text,sway,voice-to-text,voice-typing,wayland,whisper,whisper-cpp

GitHub 星标★ 1477

30天Star增速

HF 下载量

上线时间2025-11-28 00:00:00

最近更新2026-09-16 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-12

浏览次数1

使用教程

难度：进阶约 30 分钟部署方式：本地安装 6 步

环境要求

Linux 桌面环境（Wayland 合成器：Hyprland、Sway、GNOME、KDE 等）
音频服务：PipeWire 或 PulseAudio
打字后端：wtype（推荐）或 dotool / ydotool + 守护进程 / wl-clipboard
从源码构建需安装 Rust 工具链（rustup）
磁盘空间：量化模型约 1.5 GB（q4f16）

安装与启动步骤

1安装打字后端

按发行版安装 wtype 与 wl-clipboard；Fedora 用 dnf、Arch 用 pacman，包名相同
```
sudo apt install wtype wl-clipboard
```
2安装 Rust 工具链

源码构建才需要；使用官方 rustup 脚本安装，安装后重新打开终端
```
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
```
3确认音频服务

确保 PipeWire 或 PulseAudio 正在运行，否则无法采集麦克风音频；无需额外命令
4编译发布版

在源码目录执行；如需 GPU 加速改用 gpu-cuda、gpu-hipblas 或 gpu-metal 特性
```
cargo build --release
```
5启动守护进程

前台运行，按 Ctrl+C 停止；首次使用会自动加载所选引擎的模型
```
./target/release/voxtype
```
6按键说话验证

按住 ScrollLock 说话，松开后文字出现在光标处；无法输入时写入剪贴板

关键配置

配置项	必填	说明	示例
`engine`	否	选择语音识别引擎，可用的 ONNX 镜像内置多个引擎	`engine = "whisper"`
`VOXTYPE_GPU`	否	Whisper-only AppImage 中启用 GPU 加速的环境变量	`VOXTYPE_GPU=1`
`config.toml 路径`	否	用户配置文件位置，参考默认注释配置修改	`~/.config/voxtype/config.toml`

如何确认成功

运行后进程以前台守护方式常驻；按住 ScrollLock 说话并松开，光标处或剪贴板出现识别文字即成功。

常见问题

Q：Wayland 下文字输入不进去怎么办？

A：安装 wtype（推荐，CJK/Unicode 支持最好）；非美式键盘布局改用 dotool；X11 或作为兜底可用 ydotool 加守护进程；还可安装 wl-clipboard 做剪贴板兜底。

Q：如何开启 GPU 加速？

A：编译时加 --features gpu-cuda（NVIDIA）、gpu-hipblas（AMD）或 gpu-metal（Apple Silicon）；Whisper-only AppImage 设置 VOXTYPE_GPU=1。

Q：怎么切换识别引擎？

A：在 config.toml 中设置 engine = "whisper" 或 engine = "parakeet"；ONNX 版 AppImage 已附带 Vulkan Whisper 二进制，无需更换镜像。

Q：怎么停止程序？

A：它是前台守护进程，按 Ctrl+C 即可停止。

注意事项

多数用户建议直接安装预编译包，完整的发行版依赖矩阵见 docs/INSTALL.md。
也可使用 AppImage 版本，运行 ~/.local/bin/voxtype setup 下载模型并配置服务。
默认热键为 ScrollLock，可在配置中改成自己的热键。
识别全程本地推理，无云端、无订阅、无遥测；量化模型约 1.5 GB。

核心亮点

纯本地离线识别，音频不上传，隐私友好
专为 Wayland 合成器适配，解决 X11 工具无法注入按键的问题
push-to-talk 交互简单，识别结果直接输入当前光标处，不挑应用

不足之处

仅支持 Linux/Wayland，X11 和 Windows/macOS 用户无法使用
离线模型体积和首次配置有一定门槛，中文等非英语识别效果取决于所选模型

适用场景

在 Hyprland/Sway 下写代码或文档时，用快捷键口述代替键盘输入
会议或灵感记录时快速把语音转成文字粘贴到笔记应用
注重隐私的用户在无网络环境下进行本地语音听写

替代项目

nerd-dictation、whisper.cpp

项目介绍

voxtype 是一个语音识别领域的开源项目，官方简介：Voice-to-text with push-to-talk for Wayland compositors。项目使用 Rust 开发，在 GitHub 上获得 1443 星标。

上一篇：youtube-transcript-api

下一篇：parakeet-rs