whisrs
Linux 桌面的語音功能:聽寫、朗讀,以及語音驅動的 LLM 指令。支援 Wayland 與 X11:Hyprland、Sway、Niri、GNOME、KDE。雲端或完全離線。Writ
whisrs 是什麼?
Linux 桌面的語音功能:聽寫、朗讀,以及語音驅動的 LLM 指令。支援 Wayland 與 X11:Hyprland、Sway、Niri、GNOME、KDE。雲端或完全離線。以 Rust 撰寫。
whisrs 概覽
這是什麼
whisrs 是一個用 Rust 撰寫的 Linux 桌面語音控制工具,提供聽寫、朗讀以及語音驅動的 LLM 指令功能。它支援 Wayland 與 X11 的合成器,包括 Hyprland、Sway、Niri、GNOME 與 KDE。可以使用雲端語音辨識後端(Groq、Deepgram、OpenAI),或透過 whisper.cpp 完全離線運作。它也會將麥克風與系統音訊錄製成單一帶時間戳記的 Markdown 逐字稿。
主要功能
- 聽寫:按下快速鍵、說話,文字就會出現在任何應用程式的游標位置。
- 朗讀:選取文字後,whisrs 會透過 Groq、OpenAI、Deepgram 或本機 sidecar 朗讀出來。
- 語音驅動 LLM 指令:說出你想要什麼,LLM 就會在游標處寫出內容,或與程式碼代理(Claude Code、OpenCode、Codex、GitHub Copilot)對話。
- 支援雲端語音辨識(Groq、Deepgram、OpenAI)以及透過 whisper.cpp 完全離線的本機辨識。
- 將麥克風與系統音訊錄製成單一帶時間戳記的 Markdown 逐字稿,存放在專屬資料夾。
- 佈局感知的鍵盤注入,支援 AltGr 與死鍵,以及每個合成器的視窗追蹤與可插拔後端。
使用情境
在 Linux 上聽寫電子郵件、文件或程式碼。朗讀選取的文字以進行校對或無障礙使用。語音指令控制 LLM 或程式碼代理,無需觸碰鍵盤。將會議或對話的麥克風與系統音訊錄製成結構化逐字稿。
快速開始
快速安裝(Linux x86_64 / aarch64):bashcurl -sSL https://y0sif.github.io/whisrs/install.sh | bash安裝後執行 whisrs setup 來設定後端、API 金鑰、權限與快速鍵。然後綁定一個快速鍵(例如在 Hyprland 中:bind = $mainMod, W, exec, whisrs toggle)。按下快速鍵開始錄音,再按一次停止;文字會出現在游標位置。
授權與價格
授權:MIT。價格:開源(免費)。
內容整理自該專案公開的 README 與儲存庫資訊。