TuxTalk 把语音听写做成了在本机完成的工具:按住一个键说话,松开之后文字就落到光标所在的位置——文档、邮件、聊天框或终端都行。识别模型在本地运行,语音不会离开这台电脑,也不需要注册任何账号。项目以 MIT 许可证发布,代码托管在 GitHub 上。

下面按顺序说明:在 Fedora Workstation 或 Fedora KDE Plasma Desktop 上如何安装、首次启动会改动系统的哪些部分以及原因、日常怎么用,以及需要时如何卸载。

准备工作

需要一个可用的麦克风,以及安装在 x86_64 上的 64 位 Fedora。不需要显卡:默认语音模型在普通处理器上就能跑得动;如果机器里有 NVIDIA、AMD 或 Intel 显卡,TuxTalk 可以通过 Vulkan 使用它。

TuxTalk 不在 Fedora 仓库中,也没有 Copr 构建。RPM 要从项目的 GitHub Releases 页面获取,并与随包发布的校验和文件核对。

注意:这个 RPM 来自项目自己的 GitHub Releases 页面,不在 Fedora 仓库中,也没有用密钥签名。请先完成下面的校验和核对,确认无误后再安装。

安装 RPM 软件包

从最新版本的发布页面 https://github.com/ronb1964/TuxTalk/releases 把 tuxtalk-0.23.1-1.x86_64.rpm 和 SHA256SUMS.txt 下载到同一个文件夹,然后用校验和文件核对 RPM:

$ cd ~/Downloads
$ sha256sum -c --ignore-missing SHA256SUMS.txt
tuxtalk-0.23.1-1.x86_64.rpm: OK

只要输出不是 OK,就删掉文件重新下载。接着用 dnf 安装,它会顺带装上所需的几个系统库:

$ sudo dnf install ./tuxtalk-0.23.1-1.x86_64.rpm

dnf 会提示跳过了该软件包的 OpenPGP 检查,因为这个 RPM 没有用密钥签名——这也正是上一步校验和重要的原因。

软件包安装到 /opt/talktype(该目录沿用了应用早期的名字,以便升级时就地替换文件),同时添加 tuxtalk 命令,并把 TuxTalk 放进应用程序菜单。

在 Fedora Atomic 桌面版上安装

Silverblue 及其他 Fedora Atomic 桌面版请从上面同一个发布页面下载 AppImage(见 Assets 部分),赋予可执行权限后运行:

$ chmod +x TuxTalk-v0.23.1-x86_64.AppImage
$ ./TuxTalk-v0.23.1-x86_64.AppImage

首次启动对系统做了哪些改动

从应用程序菜单启动 TuxTalk。首次运行界面会查看显卡和语言,给出推荐的配置。默认是 NVIDIA 的 Parakeet 模型,覆盖英语和 24 种其他欧洲语言;需要别的语言可以用 OpenAI 的 Whisper,它覆盖其中 99 种。两者都只需下载一次,之后离线工作。

首次运行还会要一次管理员密码,用来设置两件事:

  • 热键助手。 在 Wayland 上,普通程序无法察觉在其他窗口里按下的按键,所以要感知 F8,TuxTalk 需要一个助手。这个小型助手程序以 systemd 服务 tuxtalk-hotkeys 的形式运行,是 TuxTalk 中唯一读取键盘的部分。它不以 root 运行,而是以一个一次性用户(systemd 的 DynamicUser)运行,唯一的额外权限是 input 组;它没有网络、无法访问主目录,系统是只读的,也没有提权途径。它只上报热键,从不上报你键入的内容:F 键和少数几个从不产生字符的按键、单独按下的右 Ctrl 或右 Alt,或者与 Ctrl、Alt、Super 中两个键同时按住的键。字母、数字和 Enter 永远不会被上报。而且它只向坐在屏幕前的那个用户上报。它运行的文件放在 root 所有的 /usr/local/libexec/tuxtalk 目录中,因此以你自己身份运行的程序无法改动它。

  • 一条 udev 规则,把 /dev/uinput 交给屏幕前的用户,做法和 Steam 为游戏控制器设置的规则一样。TuxTalk 靠它通过自己的虚拟键盘来打字。程序可以用 /dev/uinput 按下按键,但读不到按键。

不需要重启。助手本身可以自己查看:

$ systemctl status tuxtalk-hotkeys
$ systemd-analyze security tuxtalk-hotkeys

第二条命令给它的评级是 0.6,即“SAFE”。

在 Fedora Workstation 上,TuxTalk 还会询问是否安装它的 GNOME Shell 扩展,把菜单放进顶栏;GNOME 只在注销并重新登录一次之后才加载新扩展。在 KDE Plasma 上则改为显示托盘图标。

日常听写

点击要插入文字的位置,按住 F8,说完松开,稍等片刻文字就会出现。长段听写不想一直按键,可以轻按 F9 开始,再按一次停止。

几个让它更好用的地方:

  • 说出标点,它就会写出来:“comma”“period”“question mark”“new paragraph”。

  • 邮件地址按平时的读法说,“john at gmail dot com”会输出成 [email protected]。

  • 在终端里,它会省掉首字母大写和句号,口述的命令可以直接执行。

  • 老是听错的名称和术语,可以按你的写法加进首选项里的 Your Words;也可以在听写刚结束后说“fix that word”。

  • 想免手操作,就在 Preferences → General 里打开双击选项:双击 F9 后想讲多久讲多久,停止说话时它会自行结束。

如果你的 F 键需要配合 Fn 键,Preferences → General 里还可以选右 Ctrl、右 Alt、Scroll Lock 或左 Ctrl+Space。

Preferences → Advanced 下的 TuxTalk Labs 里还有更多功能,菜单中每一项在手动开启之前都是关闭的。最新的功能是用语音操作桌面:打开应用、贴靠窗口,以及一个可以用语音点击的编号鼠标网格。

卸载与清理

打开 Preferences,进入 Updates & Backup,点击 Uninstall TuxTalk…。它会要一次密码,然后移除自己设置的全部内容:程序、热键助手、udev 规则、已下载的模型和 GNOME 扩展。设置默认保留,除非你勾选一并删除。如果 TuxTalk 打不开,同样的卸载可以在终端里执行:

$ tuxtalk --uninstall

只用 sudo dnf remove tuxtalk 移除软件包会带走热键助手,但设置和已下载的模型仍留在主目录里。

反馈渠道

TuxTalk 是一个业余项目,有人告诉我哪里不好用,它才会变好。疑问、问题和想法都欢迎发到 GitHub 项目的 Discussion 区:https://github.com/ronb1964/TuxTalk/discussions

关于本文是如何写成的

我不会写代码。TuxTalk 由 Anthropic 的 AI Claude 编写,我每天测试并使用它;我尽力让代码达到人类开发者能够认可的标准。这篇文章也由 Claude 协助起草,我通读后改成了更接近我自己的语气,并核对了文中的每一个步骤。(Assisted-by: Claude)