语打 Yuda

Omarchy 上的中文语音输入：按住说话，松手上屏。 对标豆包输入法的语音体验，以 Omarchy 原生听写后端的形式接入——快捷键、菜单、顶栏、主题都和 Omarchy 一体。

• 按住 Right Alt 或 F9 说话，松开即上屏；Super + Ctrl + X 切换录音。
• 说错了？按住 Shift + F9 说「把九点改成十点」「删掉上一句」，上一段直接改好。
• 屏幕底部的录音胶囊实时显示波形和识别中的文字，颜色跟随 Omarchy 主题。
• 云端用火山引擎豆包语音大模型（与豆包输入法同款）；断网或未配置时自动用本地中英模型，不联网也能用，技术名词（Python、JSON、GitHub）照样识别。

录音中（Tokyo Night）	录音中（Catppuccin Latte）	语音修改	云端不可用，自动离线

Setup › Defaults › Dictation	Setup › Yuda 语打

以上截图来自 Omarchy 官方 edge VM 镜像中的真实运行（scripts/omarchy-e2e）。

与豆包输入法对照

能力	语打	说明
按住说话、松手上屏	✓	Omarchy 统一听写快捷键；按住少于 300 ms 视为误触
点按切换录音	✓	Super + Ctrl + X，或点击顶栏麦克风
边说边出字	✓	离线：VAD 分句 + 尾段 0.4 s 刷新；云端：流式结果
自动标点、数字规整	✓	「下午三点」→「下午3点」；「有一点」「写一个」不受影响
中英混输、技术名词	✓	实测「我们用Python写一个解析JSON的脚本，下午3点发给你。」；A P I 合并为 API
真人语音准确率	✓	离线模型在公开真人语料上：中英混说对话 MER 11.8%，普通话朗读 CER 4.0%（ADR 0009）
粤语 / English / 日本語 / 한국어	✓	Setup › Yuda 语打 › 识别语言
去口语化（嗯、呃）	✓	只删不可能是正文的语气词，「额外」「好啊」不受影响
个人词库	✓	[text.replacements]，例如 "配森" = "Python"
热词	✓	云端引擎 hotwords
AI 纠错	✓	任意 OpenAI 兼容端点；只修同音字和误识别的术语，超时直接上屏原文
豆包大模型识别	◐	按官方协议实现，本地协议测试与 401 降级路径已验证；填入密钥后用 yuda cloud-test 一条命令联调
离线识别	✓	中英：zipformer 中英模型；粤日韩：SenseVoice-Small；本机 CPU，松手到上屏实测约 0.25 秒
识别历史、重新上屏	✓	只存本机，yuda history、菜单「历史记录 · 重新上屏」
终端里也能上屏	✓	与 Omarchy 的 Super+V 同一路径，终端自动用 Ctrl+Shift+V
不污染剪贴板	✓	上屏后恢复原剪贴板；临时内容标记为敏感，不进剪贴板历史
语音修改上一段	✓	按住 Shift + F9：「把 A 改成 B」「删掉 X」「删掉上一句」「最后加上问号」；开启 AI 纠错后支持「改得正式一点」「翻译成英文」

安装

需要 Omarchy 4 的 edge 版本（带可插拔听写后端；omarchy-dictation-use 命令存在即可）。稳定版 4.0.4 还没有这个接口，安装器会提示先更新。

从源码安装：

git clone https://github.com/DevEverything01/yuda.git
cd yuda
omarchy-pkg-add base-devel rust clang cmake alsa-lib pkgconf
make build
sudo make install PREFIX=/usr
omarchy-install-dictation-yuda

packaging/PKGBUILD 是 yuda-git 的 AUR 包定义（尚未发布到 AUR），也可以在 packaging/ 目录里用 makepkg -si 安装。

omarchy-install-dictation-yuda 会：

1. 写入默认配置 ~/.config/yuda/config.toml（权限 0600，已有配置不覆盖）；
2. 下载离线模型：中英 zipformer（约 130 MB）、粤日韩 SenseVoice-Small（约 160 MB）与 Silero VAD，全部 sha256 校验；
3. 询问是否填写火山引擎密钥（可跳过）；
4. 启用 yuda.service；
5. 安装录音浮层插件 yuda.dictation、合并 Omarchy 菜单条目，并安装语音修改快捷键 ~/.config/yuda/shortcuts.lua；
6. 把 Omarchy 默认听写后端切换为语打。

之后也可以在 Omarchy 菜单 Setup › Defaults › Dictation 里在 Superwhisper、Voxtype 和 Yuda 语打 之间切换。

使用

操作	效果
按住 Right Alt 或 F9	录音；松开后识别并上屏
Super + Ctrl + X	开始 / 结束录音
点击顶栏麦克风	同上
按住 Shift + F9	说一条修改指令，作用于上一段（见下）
Super + Ctrl + Shift + X	开始 / 结束修改指令
Setup › Yuda 语打 › 历史记录	选一条重新上屏

语音修改

上一段文字上屏后（10 分钟内、焦点还在同一个窗口），按住 Shift + F9 说：

说	效果
把九点改成十点 / 把张三换成李四	替换（「把」可以省略；「九点」能匹配识别出的「9点」）
删掉「其实」 / 把其实删掉	删除词语
删掉上一句 / 撤销	撤回整段
最后加上问号 / 开头加上你好	追加（「句号」「逗号」「问号」自动变成标点）
改得正式一点 / 翻译成英文	开启 AI 纠错后交给 LLM 改写

语打会删掉上一段（按字符数退格），再粘贴改好的版本，可以连续修改。命令行等价：yuda edit 把9点改成10点。

请在听写之后、自己打字之前使用。 语打只知道它自己上屏了什么，看不到你之后打的字或移动的光标；如果中间已经手动输入或换了光标位置，退格会删到你自己的文字。焦点切到别的窗口时语打会拒绝修改。

在 Right Alt 是 AltGr 的键盘布局上，用 F9。

设置

Omarchy 菜单 Setup › Yuda 语打：

• 识别引擎：自动（云端优先，2 秒连不上用离线）/ 云端 / 离线
• 识别语言：中文（中英混输）/ English / 粤语 / 日本語 / 한국어（粤日韩自动切换到 SenseVoice 模型）
• 去除语气词、AI 纠错：开关
• 编辑配置：打开 ~/.config/yuda/config.toml，所有选项都有中文注释（见 examples/config.example.toml）
• 重启语打

命令行同样可用：yuda config set engine offline、yuda config get language。修改后 daemon 自动重新加载。

豆包云端识别（可选）

1. 在火山引擎控制台开通「豆包语音 · 大模型流式语音识别」，创建应用。
2. 旧版控制台：把 APP ID 填到 cloud.app_key，Access Token 填到 cloud.access_key；新版控制台只有一个 API Key：app_key 留空，access_key 填 API Key。
3. resource_id 默认 volc.bigasr.sauc.duration（小时版）；并发版改为 volc.bigasr.sauc.concurrent。

计费按识别时长，参考价约 ¥2.2/小时，以火山引擎官网为准。没有密钥时语打始终使用离线模型。

填好后运行 yuda cloud-test 验证：它把一段测试语音按实时速度送到豆包大模型，打印握手耗时、服务端日志 ID 与识别结果；密钥错误时会显示 HTTP 401 和日志 ID，便于在火山引擎控制台排查。

隐私

• 离线模式下音频只在本机内存中处理，不落盘。
• 云端模式把录音发送到火山引擎；AI 纠错把识别文本发送到你配置的端点。
• 识别历史只存本机 ~/.local/state/yuda/history.jsonl（0600），可在配置中关闭。

故障排查

yuda doctor                         # 检查配置、模型、服务、Omarchy 集成
yuda status                         # 当前状态
journalctl --user -u yuda -f        # daemon 日志

• 没有反应：确认 omarchy default dictation 输出 yuda，systemctl --user status yuda 在运行。
• 识别为空：「没有识别到语音」说明麦克风没有声音，检查 PipeWire 默认输入设备。
• 某个应用收不到文字：语打会把结果留在剪贴板并通知，按 Super+V 粘贴；个别游戏或 XWayland 程序不支持 Wayland 剪贴板同步。

卸载：omarchy-remove-dictation-yuda（Omarchy 菜单 Remove › Dictation › Yuda 语打）。

非 Omarchy 的 Hyprland

在配置里设置 trigger.source = "evdev"，语打会自己监听 trigger.evdev_key（默认右 Ctrl，需要 sudo usermod -aG input $USER 后重新登录），然后 systemctl --user enable --now yuda。此模式没有录音浮层。

开发

文档	内容
AGENTS.md	协作规范（人类与 AI Agent）
PROMPT.md	产品规格
docs/architecture.md	架构与模块
docs/ipc.md	daemon ↔ 插件 ↔ 适配器协议
docs/testing.md	测试分层与 Omarchy VM 端到端验收
docs/adr/	架构决策记录

make check                          # fmt + clippy + 默认特性测试（任意平台）
cargo test --features daemon        # 全量（Linux）
scripts/omarchy-e2e                 # 在 Omarchy VM 中端到端验收（KVM 宿主机）

许可

MIT