跳到正文

Linux 上的语音转文字:下载一个文件,设为可执行,然后开口说话。

WhisPaste 为 x86_64 架构的 Linux 提供预编译版本。你下载一个文件,将其设为可执行,然后按下快捷键。设置好自动粘贴后,转写文本会直接粘贴到光标处;这需要为 /dev/uinput 添加一条一次性的权限规则:.deb 包会在安装时自动设置,AppImage 或 tar.gz 则需用 sudo 设置一次。没有该规则时,文本会进入剪贴板,你可以在正在使用的编辑器、终端或浏览器输入框中用 Ctrl+V 粘贴。

简短回答:是的,只有一个可执行文件。WhisPaste 提供无需安装步骤即可运行的 Linux AppImage,适用于 Debian 和 Ubuntu 的 .deb,以及发布包的纯 tar.gz。语音识别引擎已编译进下载内容中——无需创建 Python 环境,无需 pip 安装,也无需编译步骤。

三个 Linux 文件一览

每个 WhisPaste 版本都会在 GitHub 上发布相同的三个 Linux x86_64 产物。版本占位符是发布编号(例如 1.3.0);AppImage 和 .deb 另外还会以稳定的、不带版本号的名称发布,该名称始终指向最新版本。

  • WhisPaste-<version>-linux-x64.AppImage

    单个可执行文件,无需安装。与发行版无关——如果你只想运行 WhisPaste,选这个即可。

    不带版本号的别名,始终指向最新版本: WhisPaste-linux-x64.AppImage

  • WhisPaste-<version>-linux-x64.deb

    适用于 Debian 和 Ubuntu 的 Debian 软件包。安装到 /opt/whispaste,并带有 /usr/bin/whispaste 符号链接、桌面入口和图标。

    不带版本号的别名,始终指向最新版本: WhisPaste-linux-x64.deb

  • WhisPaste-<version>-linux-x64.tar.gz

    纯粹的发布包:可执行文件及其 lib/ 和 data/ 目录。可解压到任意位置,在文件夹中运行该程序。它也是构建 AppImage、.deb 和打包清单所用的源。

AppImage:一个文件,无需安装

下载 AppImage,将其设为可执行,然后运行。在文件管理器中:右键点击文件 → 属性 → 权限 → 勾选“允许将文件作为程序执行”,然后双击。在终端中,对该文件执行 chmod +x,然后运行它。运行时不会写入系统目录(只有可选的自动粘贴设置会用 sudo 一次性添加 uinput 规则);应用会把模型和设置保存在 ~/.config/whispaste 下。要卸载 WhisPaste,删除该文件即可。

.deb:适用于 Debian 和 Ubuntu 的系统软件包

如果你希望通过包管理器安装 WhisPaste,请使用 apt install ./WhisPaste-<version>-linux-x64.deb 安装 .deb。它声明了运行时依赖项(libgtk-3-0、libsecret-1-0、libnotify4、libayatana-appindicator3-1、libasound2、libcurl4、libkeybinder-3.0-0、liblzma5、libc6、zlib1g),因此 apt 会补齐缺少的任何组件。应用本身安装在 /opt/whispaste 并保持只读;模型和设置仍保存在你的主目录中。

无需 Python、无需编译、无需单独下载引擎

WhisPaste 通过下载包中与可执行文件相邻的内置 libwhisper 库,在进程内运行 whisper.cpp。无需创建 virtualenv,无需 pip 安装,无需 CUDA 工具包,也无需调用编译器——GPU 加速同样已编译进去(Linux 上使用 Vulkan,一个版本即可覆盖 NVIDIA、AMD 和 Intel;未检测到可用驱动程序时使用纯 CPU)。较新的 NVIDIA 显卡可以在设置中额外添加可选的 CUDA 扩展包。

只需下载一次的内容是语音模型本身:你在设置步骤中开始模型下载时,它会保存到 ~/.config/whispaste/models/stt。之后,WhisPaste 转写时完全不需要网络连接。

Wayland 上的语音输入快捷键(GNOME 和 KDE)

Wayland 不允许应用自行捕获全局快捷键,因此请让桌面环境来完成:将一个自定义快捷键绑定到下方的命令。该命令会把调用转发给正在运行的 WhisPaste,然后立即退出。--toggle 会开始录音,或停止正在进行的录音(如果 WhisPaste 尚未运行,则会先启动它);--cancel 会丢弃正在进行的录音。使用 AppImage 时,请用该文件的完整路径代替 whispaste。“按住说话”(按住按键录音)在 Linux 上以实验性功能提供,支持 X11 和 Wayland(GNOME 48+、Plasma 6+)。

whispaste --toggle
whispaste --cancel

GNOME:设置 → 键盘 → 查看及自定义快捷键 → 自定义快捷键 → +。命名为 WhisPaste,输入命令,然后设置快捷键。

KDE Plasma 6:系统设置 → 键盘 → 快捷键 → 新增 → 命令或脚本…,输入命令并分配快捷键。在 Plasma 5 中:系统设置 → 快捷键 → 自定义快捷键;在那里新建一个“命令/URL”类型的全局快捷键并填入命令。

对于脚本:向正在运行的实例发送 SIGUSR2 同样会切换,且不会启动第二个进程。

pkill -USR2 -x whispaste

你的电脑需要什么

在 Ubuntu Linux 或同类发行版上,一台 64 位 x86_64 CPU 和 8 GB 内存即可:仅用 CPU 就能运行紧凑型模型。GPU 从来不是必需的;配备独立显卡时,Vulkan 能让同样的转写明显更快返回。想自己编译?完整源代码在 GitHub 上。除 Flutter 外,还需要 BUILD.md 中的语音引擎构建步骤。

所有下载选项,包括 Windows 和 macOS

首次使用之前

WhisPaste 有 AppImage 版本吗?
有。每个版本都会为 x86_64 发布 WhisPaste-<version>-linux-x64.AppImage,另外还提供一个稳定的、不带版本号的 WhisPaste-linux-x64.AppImage,它始终指向最新版本。它是单个可执行文件:将其设为可执行并运行即可,无需安装程序,也不涉及包管理器。
我能在 Ubuntu 上不安装就运行 WhisPaste 吗?
可以——这正是 AppImage 的用途。它不需要 root 权限,不会改动系统目录,可以放在 U 盘或下载文件夹中。只有可选的自动粘贴需要一次性为 /dev/uinput 设置权限规则,并使用 sudo 完成。一些较新的发行版启动它时也需要 libfuse2(见下载页面)。如果你更希望正式安装,WhisPaste-<version>-linux-x64.deb 是适用于 Debian 和 Ubuntu 的软件包,WhisPaste-<version>-linux-x64.tar.gz 则是可解压到任意位置的纯发布包。
在 Linux 上使用 WhisPaste 需要 Python 吗?
不需要。语音识别引擎是 whisper.cpp,它被编译进随下载内容一起提供的 libwhisper 库中,并在进程内调用。整个设置过程中没有 Python 解释器,没有 virtualenv,没有 pip 安装,也没有任何编译步骤。
Ubuntu 上的语音转文字可以离线使用吗?
可以。唯一需要网络的是首次启动时的模型初始下载。模型文件放入 ~/.config/whispaste/models/stt 之后,转写完全在你的电脑上运行:无需账户,无需云端往返,在物理隔离的工作站上质量也不会下降。
它需要 NVIDIA 显卡或安装 CUDA 吗?
都不需要。在 Linux 上,WhisPaste 通过 Vulkan 加速,一个版本即可覆盖 NVIDIA、AMD 和 Intel,且无需安装 CUDA 工具包。较新的 NVIDIA 显卡(RTX 或 GTX 16 系列)可以在设置中可选添加 CUDA 扩展包。没有可用的 GPU 驱动程序时,一切都会回退到 CPU,这是受支持的配置,而不是故障模式。