借助语音大模型,实现 Linux 下的语音输入,邀请 Linux 桌面用户试试

ko20 2026-08-18 15:58 1

起因是昨天下午看到 IT 之家这个新闻:



识别、合成、实时交互全球第一,Qwen-Audio-3.0 系列语音模型上线阿里千问 AI 平台 https://www.ithome.com/0/990/679.htm



于是我搞了一套适用于大部分 linux 发行版和桌面环境的流程。平台送了 36000s (有效期 3 个月),到期后的话,我看了一下价格是每秒 0.00022 元


代码开源在 这里


截图如下,邀请用 linux 桌面的朋友们来试试。有用的话留个⭐呀。这套 flow 个人感觉在 linux 桌面环境很轻量,以后更换模型也很简单,稍微适配一下就可以了。


demo.webp

最新回复 (5)
  • ko20 楼主 08-18 15:59
    1
    效果还是不错的,对于冒号,顿号、文字中夹杂着 APP 、10000 这种字母和数字,识别都还 OK
  • enpitsulin 08-18 16:17
    2
    回去试试好不好使
  • ko20 楼主 08-18 16:37
    3
    @enpitsulin #2 谢谢欢迎反馈
  • ktyang 08-18 19:18
    4
    唉 可惜你搞出来的有点晚了 已经用别的产品了
  • ko20 楼主 08-18 19:54
    5
    @ktyang #4 也可以再用用这个,哈哈
* 帖子来源V2EX
返回