Голосовой ввод

Голосовой ввод превращает речь в текст в любом приложении. Нажали сочетание, продиктовали, нажали ещё раз, и текст появился там, где стоит курсор. Работает на русской модели GigaAM через проект Voxtype и целиком на вашем компьютере: распознавание не отправляет звук в интернет.

Как пользоваться#

Поставьте курсор в поле, куда нужен текст.
Нажмите Mod+B. По краям экрана и на экранной плашке видно, что запись идёт.
Говорите. Текст появляется по ходу речи на плашке.
Нажмите Mod+B ещё раз. Распознанный текст вставляется в поле. Если вставить не получилось, он остаётся в буфере обмена, и его можно вставить через Ctrl+V.

Как включить#

Голосовой ввод ставится не вместе с образом, потому что модель распознавания занимает место и скачивается по желанию. Есть два пути:

в мастере первой настройки на шаге «Голосовой ввод». Нужна сеть;
в Tuner на странице «Звук», блок «Голосовой ввод».

Установка скачивает модель gigaam-v3-e2e-rnnt и портативную капсулу с программой. Вместе они занимают около 850 МБ в домашней папке (~/.local/share/voxtype), системный образ не меняется.

Как это устроено#

Что	Где
Программа	Voxtype в капсуле `~/.local/bin/voxtype-capsule`
Служба	пользовательская `voxtype.service`, перезапускается сама
Обновление капсулы	`voxtype-capsule-update.service` заменяет капсулу на версию из образа. Повторы ограничены, чтобы не зацикливаться без сети
Настройки	`~/.config/voxtype/config.toml`
Сочетание	`Mod+B` в `~/.config/niri/binds.kdl`, команда `niti --voice`

Ключевые настройки в config.toml:

engine = "gigaam"

[gigaam]
model = "gigaam-v3-e2e-rnnt"
streaming = true        # текст виден по ходу речи

[output]
mode = "paste"           # вставка в поле
fallback_to_clipboard = true
driver_order = ["ydotool"]

[osd]
enabled = true           # экранная плашка

Текст вставляется программой ydotool, которая нажимает клавиши как с клавиатуры. Поэтому приложению ничего настраивать не нужно.

Если что-то не так#

Ничего не происходит по Mod+B. Проверьте службу: systemctl --user status voxtype. Если она не запущена, systemctl --user restart voxtype.
Нет текста в поле. Убедитесь, что фокус остался в нужном поле, пока вы говорили. Распознанный текст при неудачной вставке лежит в буфере обмена.
Не слышит микрофон. Выберите устройство ввода в быстром меню или в Tuner на странице «Звук».
Нужна сеть? Только для установки. Сама диктовка работает без интернета.

Подробный разбор найденных ошибок голосового ввода: Voxtype: что ломалось и как исправлено.