GoForum🌐 V2EX

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 16:02 · 0 次点赞 · 2 条回复

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

2 条回复
ko20 · 2026-08-18 16:02
#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 · 2026-08-18 16:22
#2

回去试试好不好使

添加回复
你还需要 登录 后发表回复

登录后可发帖和回复

登录 注册
主题信息
作者: ko20
发布: 2026-08-18
点赞: 0
回复: 0