LexiSharp-linux 是一款运行于 Linux 桌面的轻量级语音输入工具，围绕“录音 → 识别 → 粘贴”这一流程展开，实现最小成本的语音转文字体验。 支持火山引擎、通义千问、Soniox 及一键配置本地离线引擎。💡 基于 sherpa-onnx 实现。 项目灵感来源于安卓版 LexiSharp-Keyboard，其移动端版本已非常完善且功能强大。
主页 |
设置界面 |
演示：录音 → 识别 → 自动粘贴
- 一键录音：主界面仅保留“开始/停止录音”按钮，同时可选启用悬浮按钮（置顶、可拖拽）。
- 极速转写：支持火山引擎、阿里前文、Soniox，本地离线引擎等渠道。
- 自动输入：默认通过 Fcitx DBus 接口将识别结果直接提交至当前输入环境；当 DBus 不可用时自动使用剪贴板 进行输入。（Wayland 下需安装
wl-clipboard）。 - 配置简明：支持可视化操作也支持通过配置文件
~/.lexisharp-linux/config.json深度自定义。
添加权限
chmod +x setup_lexisharp.sh运行脚本
./setup_lexisharp.sh以 Arch/Manjaro 为例：
sudo pacman -S python python-pip alsa-utils xdotool wl-clipboard xclip tkDebian/Ubuntu：
sudo apt update && sudo apt install python3 python3-venv python3-pip alsa-utils xdotool wl-clipboard xclip python3-tkFedora/RHEL：
sudo dnf install python3 python3-pip python3-virtualenv alsa-utils xdotool wl-clipboard xclip python3-tkinter虚拟环境（推荐）
python -m venv ~/.venvs/lexisharp
source ~/.venvs/lexisharp/bin/activatePython 依赖
pip install -r requirements.txt若在 Wayland 环境启用
auto_paste，请确保已安装wl-clipboard（Arch使用paru -S wl-clipboard安装）。
当前版本已支持可视化设置，通过设置按钮进入设置。如需更多设置可参考下文。
- 本地离线（sherpa-onnx）：选择“本地模型（sherpa-onnx）”，在 small/full 两个规格间切换；若未安装，可直接使用 GitHub Releases 直链下载（程序支持自动解压与配置），或选择本地模型目录导入（目录内需包含 tokens.txt 与一个或多个 .onnx 模型文件）。在中国大陆网络环境可选择
gh-proxy.com或edgeone.gh-proxy.com前缀加速。- 也可从 GitHub Releases 直接下载模型包（.tar.bz2），程序支持自动解压与配置；在中国大陆网络环境可选择
gh-proxy.com或edgeone.gh-proxy.com加速前缀。 - 预设默认链接：
- 也可从 GitHub Releases 直接下载模型包（.tar.bz2），程序支持自动解压与配置；在中国大陆网络环境可选择
通过 ~/.lexisharp-linux/config.json 中的 channel 字段选择识别服务：
volcengine（默认）：火山引擎大模型录音文件极速版 API。soniox：Soniox Speech-to-Text Async API（参考 https://soniox.com/docs/stt/get-started）。qwen：通义千问录音文件识别（Qwen3-ASR/Qwen-Audio-ASR，参考 https://help.aliyun.com/zh/model-studio/qwen-speech-recognition）。local_sherpa：本地离线识别（sherpa-onnx）。需安装sherpa-onnx onnxruntime numpy，并准备模型目录（见设置说明）。
首次运行 python lexisharp.py 会生成配置模板，核心字段示例如下：
{
"api_url": "https://openspeech.bytedance.com/api/v3/auc/bigmodel/recognize/flash",
"app_key": "你的AppID",
"access_key": "你的AccessKey",
"resource_id": "volc.bigasr.auc_turbo",
"model_name": "bigmodel",
"channel": "volcengine",
"soniox_api_base": "https://api.soniox.com",
"soniox_api_key": "你的SonioxAPIKey",
"soniox_model": "stt-async-preview",
"soniox_language_hints": [],
"soniox_enable_speaker_diarization": false,
"soniox_enable_language_identification": false,
"soniox_context": "",
"soniox_poll_interval_s": 1.0,
"soniox_poll_timeout_s": 120.0,
"auto_paste": true,
"paste_delay_ms": 200,
"max_wait_s": 45,
"log_level": "INFO",
"arecord_device": "plughw:1,0",
"start_hotkey": "ctrl+alt+a",
"stop_hotkey": "ctrl+alt+s",
"floating_button_enabled": true,
"floating_button_size": 60,
"type_delay_ms": 5
}火山引擎配置入口参考：https://www.llingfei.com/695.html
- 在火山引擎控制台开启 大模型录音文件极速版识别 能力，获取：
app_key（App ID）access_key
- 将
channel保持为volcengine，填写上述密钥信息即可。 - 如果偏好环境变量，可在启动前设置：
环境变量优先级高于配置文件。
export LEXISHARP_APP_KEY=你的AppID export LEXISHARP_ACCESS_KEY=你的AccessKey
- 访问 Soniox Console 创建项目并生成 API Key。
- 在配置文件中将
channel改为soniox，并填写soniox_api_key；可按需调整模型和扩展参数：soniox_model：默认使用官方推荐的stt-async-preview。soniox_language_hints：可选的语言提示列表（如["zh", "en"]），有助于提升准确率。soniox_enable_speaker_diarization/soniox_enable_language_identification：开启说话人区分或语言识别。soniox_context：上下文提示文本，最长 10K 字符，用于辅助识别专有名词。soniox_poll_interval_s/soniox_poll_timeout_s：控制轮询间隔与超时时间（秒）。
- Soniox 也支持通过环境变量传参（优先级高于配置文件）：
export SONIOX_API_KEY=你的SonioxAPIKey
export SONIOX_MODEL=stt-async-preview
4. 当识别完成后，程序会自动清理已上传的文件与任务，可在日志中查看对应的 `client_reference_id`（与请求一致）。若需要更多参数示例，可参考官方文档：https://soniox.com/docs/stt/async/async-transcription
### 通义千问（qwen）
1. 登录 [阿里云百炼](https://bailian.console.aliyun.com/?tab=model#/api-key) 并创建 DashScope API Key。建议将密钥保存为环境变量：
```bash
export DASHSCOPE_API_KEY=sk-xxxx
若不使用环境变量，请在 ~/.lexisharp-linux/config.json 的 qwen_api_key 字段填写完整密钥。
2. 安装通义千问官方 SDK：
pip install dashscope应用会在检测到缺失时给出提示，未安装将无法调用该渠道。 3. 在设置中选择「通义千问（Qwen）」，按需配置：
qwen_model：默认使用qwen3-asr-flash（生产环境推荐）。如需体验多语种 Beta 版本，可设为qwen-audio-asr。qwen_context：可选的上下文提示，用于增强专业词汇识别。qwen_language：可选的语种提示（如zh、en、yue），留空则由模型自动检测。qwen_enable_lid：是否在返回结果中附带语种识别信息。qwen_enable_itn：开启后通义千问会对数字、金额等文本做逆文本规范化（目前支持中英文）。
- 通义千问要求音频格式为 16kHz 单声道，且单次调用不超过 10MB / 3 分钟。程序默认录音参数已满足要求，如遇超长录音可在界面中手动停止或拆分上传。
- 更多参数说明与最佳实践，可参考官方文档《录音文件识别-通义千问》：https://help.aliyun.com/zh/model-studio/qwen-speech-recognition
LexiSharp 默认优先使用 Fcitx DBus 接口直接提交文本，并在失败时自动回退到传统的剪贴板 兼容模式。若需要强制切换，可在 ~/.lexisharp-linux/config.json 中调整以下配置：
{
"input_method": "dbus",
"dbus_fallback_to_clipboard": true,
"dbus_timeout_ms": 300
}input_method：dbus（默认）或clipboard。当设为dbus时，程序会通过 Fcitx DBus 接口调用CommitString将文本直接提交到当前输入上下文；设置为clipboard可回退到纯剪贴板流程。dbus_fallback_to_clipboard：若 DBus 调用失败，是否自动回退到原有剪贴板方式；设为false时，失败后仅保留识别结果，剪贴板不做改动。dbus_timeout_ms：DBus 调用超时时间，单位毫秒，可视需要适当增大。
启用 DBus 模式的前提条件：
- 桌面环境正在运行 Fcitx（推荐 Fcitx5），并已启用 DBus 前端。
- Python 环境安装了
dbus-next（已包含在项目requirements.txt中）。
当 DBus 调用成功时，状态栏会提示“已通过输入法自动提交到目标窗口，剪贴板保持原样”；如遇失败并允许回退，程序会自动复制文本并继续使用原有注入流程。
source ~/.venvs/lexisharp/bin/activate
python lexisharp.pychmod +x lexisharp.sh
- 激活目标应用并让光标停留在文本输入框。
- 回到 LexiSharp-linux，点击“开始”或使用默认热键
Ctrl+Alt+A开始录音。 - 再次点击（或
Ctrl+Alt+S）结束录音并等待识别。 - 识别结果会自动复制到剪贴板，并尝试自动粘贴到目标窗口；若未成功，可手动使用
Ctrl+V粘贴。 - 可在界面勾选“显示浮动录音按钮”，获得置顶的悬浮录音键。
提示：
auto_paste默认开启。，程序会在复制成功后自动向目标窗口注入内容。
- 提示未找到 arecord：确认已安装
alsa-utils，终端执行arecord -h验证。 - 提示未找到 xdotool：安装
xdotool后重新运行。 - 识别成功但未复制：安装
wl-clipboard（Wayland 环境）或xclip/xsel（X11 环境），并重启程序。 - Wayland 自动粘贴无效：确认
wl-clipboard、python-evdev已安装，并确保当前用户对/dev/uinput具有写权限（将用户加入input组后重新登录）。 - API 返回 403/401：检查 App ID、Access Key 是否正确，确保服务已开通。
- 录音为空：运行
arecord -l查看设备列表，例如：对应在配置中设置**** List of CAPTURE Hardware Devices **** card 1: PCH [HDA Intel PCH], device 0: ALC3232 Analog [ALC3232 Analog] Subdevices: 1/1 Subdevice #0: subdevice #0"arecord_device"为plughw:1,0。 - 日志文件：程序日志保存在.lexisharp-linux/目录下，遇到问题可以先检查log文件
