Xime 输入法

外观

语音转文本 ​

Xime 的语音转文本功能通过在线 FunAsr 插件实现实时语音识别，将语音转换为文字输入。

权限声明

使用语音转文本功能需要以下权限：

  • 录音权限（必需） - 录制语音用于识别
  • 网络权限（必需） - 在线识别需要网络连接

首次使用时，系统会请求麦克风权限，请务必点击「允许」。如果拒绝权限，语音功能将无法使用。

功能定位

Xime 的语音转文本基于阿里百炼 FunAsr 在线识别。如果您追求更高的识别准确率、更快的响应速度或更丰富的功能（如语音命令、多语言混合识别等），建议使用商业输入法（如讯飞、百度、搜狗等）。

Xime 的语音功能适合以下场景：

  • 需要便捷的语音转文字输入
  • 对识别准确率有较高要求
  • 已具备可用的网络连接

功能特点 ​

  • 在线实时识别 - 基于阿里百炼 FunAsr，实时流式识别
  • 流式输出 - 识别结果实时显示；句子结束时（或长按松开时）一次性提交完整句子，整句连贯、不重复、不会因按键而丢失
  • 自带标点 - FunAsr 识别结果自带标点，宿主不再重复追加（可选标点预测模型可进一步提升）
  • 音量可视化 - 显示麦克风音量波动
  • 预缓冲机制 - 按住空格键时立即开始录音，缓存音频数据，防止语音丢失（吃字）
  • STT 开关 - 可在设置中启用或禁用语音转文字功能，禁用后长按空格键输出连续空格

在线 API 配置（阿里百炼 FunAsr） ​

在线 FunAsr 以插件形式提供，需单独安装 funasr-asr 插件包（.xipk）后使用。

获取 API Key ​

  1. 访问 阿里云百炼平台
  2. 登录/注册阿里云账号
  3. 在模型广场获取 API Key

配置步骤 ​

  1. 安装 funasr-asr 插件（.xipk）
  2. 进入输入法设置 → 插件管理，确认 FunAsr 插件已启用（未被标记为版本不兼容）
  3. 进入「语音转文本」设置
  4. 选择「在线 ASR」标签页
  5. 点击「阿里百炼 FunAsr」进入详细设置
  6. 将 API Key 粘贴到输入框
  7. 点击保存按钮保存设置
  8. 授予麦克风权限

特点 ​

  • 自带标点符号，宿主不再重复追加，避免"。。"
  • 实时流式识别，响应速度快
  • 长按空格说话、松开即提交整句，识别结果连贯不重复
  • 高准确率

标点预测模型 ​

Xime 支持可选的标点预测模型，可在识别结果中添加/优化标点符号。

模型来源 ​

标点预测模型基于 Transformer 架构训练，项目地址： https://github.com/ximeiorg/srf-punctuation

启用方法 ​

  1. 进入「设置 → 语音转文本」
  2. 在「标点预测模型」区域点击下载模型
  3. 下载完成后开启「启用标点预测」开关

技术参数 ​

  • 模型：Transformer 标点预测模型
  • 量化：int8 量化
  • 输入：中文文本
  • 输出：带标点符号的文本
  • 支持标点：逗号、句号、问号、感叹号

使用方法 ​

启用语音功能 ​

在「设置 → 语音转文本」中开启语音转文字开关。如果关闭该开关，长按空格键将不会进入语音模式，而是连续输出空格字符。

启动语音输入 ​

  1. 在输入状态下，长按空格键进入语音模式
  2. 或点击键盘上的麦克风图标
  3. 开始说话，识别结果会实时显示

预缓冲机制：长按空格键时，系统会立即开始录音并缓存音频数据，避免因录音启动延迟导致的语音丢失（吃字）。松开空格键后，缓存的音频会与后续录音一起发送给识别引擎。

结束语音输入 ​

  • 松开空格键：提交识别结果
  • 点击发送按钮：提交结果并关闭语音模式
  • 点击取消按钮：放弃结果并关闭语音模式

权限要求 ​

语音转文本功能需要以下权限：

权限用途必需场景如何授予
麦克风（RECORD_AUDIO）录制语音用于识别所有场景必需首次使用时弹窗请求，点击「允许」
网络（INTERNET）连接阿里云服务进行识别必需应用安装时自动授予

权限检查 ​

如果语音功能无法使用，请检查权限设置：

  1. 进入「系统设置 → 应用 → Xime → 权限」
  2. 确保「麦克风」权限已开启
  3. 确保网络连接正常

提示

  • 拒绝麦克风权限后，语音功能将完全无法使用
  • 可以在系统设置中重新授予麦克风权限

技术细节 ​

在线 API 技术参数 ​

  • 服务商：阿里云百炼平台
  • 模型：qwen-audio-3.0-asr-flash-streaming（实时语音识别）
  • 协议：WebSocket 实时通信
  • 采样率：16000 Hz
  • 格式：PCM 16-bit 单声道

相关文件 ​

文件说明
SpeechRecognitionManager.kt语音识别管理器
FunAsrWebSocketManager.kt（funasr 插件内）FunAsr WebSocket 连接管理
FunAsrAsrBackend.kt（funasr 插件内）FunAsr 后端实现
VoiceRecognitionHandler.kt语音识别 UI 处理
VoiceKeyboardLayout.kt语音模式键盘布局
PunctuationInference.kt标点预测推理引擎
PunctuationModelManager.kt标点预测模型下载管理

相关项目 ​

项目说明
srf-punctuation标点预测模型训练与导出

识别状态 ​

kotlin
enum class RecognitionState {
    IDLE,        // 空闲
    LISTENING,   // 正在监听
    PROCESSING,  // 处理中
    ERROR        // 错误
}

常见问题 ​

Q: 语音识别无反应？ ​

检查以下几点：

  1. 是否已授予麦克风权限
  2. API Key 是否正确配置
  3. FunAsr 插件是否已安装并启用
  4. 网络连接是否正常

Q: 识别准确率低？ ​

  1. 确保在安静环境下使用
  2. 说话清晰，语速适中
  3. 麦克风没有被遮挡

Q: 连接失败？ ​

  1. 检查网络连接
  2. 确认 API Key 有效
  3. 稍后重试，可能是服务端临时故障

Q: 识别结果标点很多、句子被切碎？ ​

已优化为整句提交：识别过程中的部分结果只做实时预览，句子结束（或长按松开）时才一次性提交完整句子，整句连贯、不重复。在线 FunAsr 自带标点，宿主不会再重复追加（避免"。。"）。

Q: 语音输入时按其他键，已识别的内容消失了？ ​

语音模式为长按触发：说话时部分结果实时上屏，松开空格键时会立即提交当前已识别内容并结束识别，不会因按其他键而丢失。如果仍遇到，请确认已更新到包含该修复的版本。

注意事项 ​

  • 语音识别需要联网使用
  • API Key 请妥善保管，不要泄露
  • 语音数据会上传至阿里云进行处理
  • 建议在 WiFi 环境下使用，避免消耗移动数据流量

基于 GPLv3 许可发布

Copyright © 2024 Xime