跳转至

文本提取与语音听写

本文译自 The Omarchy Manual — Text Extraction & Dictation，同步自 basecamp/omarchy@ed7bae4。术语以 TERMS.md 为准。标注「译者本地化」的小节为译者实测补充，非原文内容。

文本提取

按 Super + Ctrl + PrtScr 圈选屏幕区域提取文字。tesseract 开源 OCR 模型会迅速把选区转成文字放进剪贴板。然后你只需 Super + V 粘贴。

从图片页脚里抓地址、从网站标题图里抠电话号码，这招都特别好使。

text-extraction

语音听写

Omarchy 通过 Voxtype 提供 AI 听写。在 Omarchy 菜单经 Install > AI > Dictation 安装。默认会加载一个 150MB 的基础英语模型。想换模型，在终端运行 voxtype setup model；所有设置都在 ~/.config/voxtype/config.toml 里调。

装好之后，按住 F9 或用 Super + Ctrl + X 开关即可听写，说出的文字会出现在当前聚焦的输入区。

译者本地化：中文听写配置

以下内容为译者实测补充，不属于原手册。默认的 base.en 是纯英语模型，只能输出英文——即使把 language 改成 "zh" 也无法中文听写。想用中文请按下面步骤换成多语言模型。

  1. 下载多语言模型（以 small 为例，约 466MB；更大可选 medium）：
cd ~/.local/share/voxtype/models
curl -sL -O https://huggingface.co/ggerganov/whisper.cpp/resolve/main/ggml-small.bin

voxtype setup model 的交互菜单需要 TTY 且无直接下载命令，手动放置模型文件最省事。

  1. 修改配置 ~/.config/voxtype/config.toml：
model = "small"    # 多语言模型；带 .en 后缀的都是纯英语
language = "zh"
  1. 重启守护进程：
systemctl --user restart voxtype
systemctl --user is-active voxtype   # 应显示 active
  1. 使用：按住 F9 说中文，松开后文字直接输入到光标处（输出失败会自动回退为复制到剪贴板）；或用 Super + Ctrl + X 切换连续听写模式。

识别不满意时可升级 medium 模型（约 1.5GB），更准但更慢。模型文件不随 dotfiles 同步，新机器需重新下载。

译者本地化：Voxtype Enhance——顶栏麦克风与图形化设置

以下内容为译者实测补充，不属于原手册。上面的中文听写配置要手动下载模型、手改 config.toml；如果想要图形化管理，译者写了一个配套插件：omarchy-voxtype-enhance。

先按本章开头的方式装好 Voxtype，然后：

omarchy plugin add https://github.com/iamcheyan/omarchy-voxtype-enhance.git --enable

顶栏会出现一个麦克风图标，点开即是设置面板：

  • 模型管理：面板直接列出 SenseVoice Small（int8 / 全精度）与 Paraformer Large 三款离线模型，选中即自动下载、SHA-256 校验并切换引擎——不需要手动下 .bin 文件，也不需要理解 engine 概念。其中 SenseVoice Small · int8 仅 229MB，中文识别效果好、速度快；
  • 识别语言：中 / 英 / 日 / 韩 / 自动；
  • 输出方式：
  • Omarchy 万能粘贴（默认）：转写结果先写入剪贴板，再按焦点窗口类型自动注入 Shift+Insert（终端）或 Ctrl+V（图形应用），避开部分终端程序把 Ctrl+V 解释成图片粘贴的问题；
  • Type：Voxtype 原生模拟键入；中英文混排时会与 Fcitx5/Rime 逐字符交互，建议仅在纯英文场景使用；
  • 录音快捷键不变，仍按本章开头的方式触发；面板改动会写回 ~/.config/voxtype/config.toml 并自动重启 voxtype.service；
  • 面板底部的 Clear plugin data 只清理插件管理的三个模型并恢复默认设置，不动 Whisper 模型、录音和快捷键。