2026 年 Linux 最佳語音聽寫工具
多年來，Linux 使用者在語音聽寫軟體上一直缺乏好的選擇。如今情況終於改變了。以下是 2026 年所有可行的方案，誠實比較。
OpenWhispr
工程
目錄
2026 年 Linux 上最佳的聽寫工具，取決於你的需求。 對於大多數想要精緻、開箱即用、並具備 AI 文字整理功能的使用者來說， OpenWhispr 提供了最完整的套裝方案：以 whisper.cpp 驅動的一鍵說話聽寫、全系統熱鍵支援、99 種以上語言，以及選用的 AI 文字格式化功能，而且全部開源。對於偏好 CLI、追求最少相依套件的使用者，Nerd Dictation 非常出色。KDE 和 Qt 使用者則應該看看 Speech Note。習慣透過終端機串接音訊的開發者可以直接使用 whisper.cpp。而如果你需要超越聽寫、完整免手操作的電腦控制，Talon Voice 自成一格、無可取代。
最後更新：2026 年 2 月。工具的可用性與功能說明，每項主要主張皆至少交叉比對兩個來源。
事實查核快照（雙重來源）
- OpenWhispr 透過 whisper.cpp 在本機執行 Whisper： 其功能組合與本機執行環境皆有公開文件佐證。 openwhispr.com · whisper.cpp
- Linux 上的選項從精緻的圖形介面到 CLI 指令稿不一而足： 專案儲存庫與發行版頁面確認了各工具的範圍與維護狀態。 Nerd Dictation · Speech Note（Flathub）
- 雲端優先的工具以隱私換取便利： 瀏覽器語音輸入很簡單，但音訊會經由服務商的基礎架構傳輸。 Chrome 語音輸入說明 · Google STT 資料記錄
- 老牌 Linux 語音專案雖然存在，但可能已過時： 在採用前，儲存庫的活躍度與歷來的版本發布時間軸都很重要。 Simon 儲存庫 · KDE 停止維護封存
- OpenWhispr 的定位： 之所以將 OpenWhispr 納入此處，是因為它在一個可在 Linux 上執行的應用程式中，同時結合了本機 ASR、全系統擷取，以及選用的後處理功能。 OpenWhispr · Whisper 上游專案
Linux 聽寫景觀 (2026)
1. OpenWhispr
OpenWhispr 是一款開源、跨平台的桌面聽寫應用程式，建構於 Electron 與 whisper.cpp 之上。它提供全系統可用的一鍵說話語音轉文字功能——按住熱鍵、說話、放開，轉錄出的文字就會出現在游標所在之處。它還包含一個 AI agent 模式，能運用 LLM（OpenAI、Anthropic、Google Gemini 或本機模型）來整理、格式化並重組你聽寫的文字。
優點
- 精緻的圖形介面，搭配全系統一鍵說話熱鍵
- AI agent 模式可自動整理與格式化文字
- 透過 Whisper 模型（從 tiny 到 large）支援 99 種以上語言
- 完全開源——可從原始碼建置，或使用預先建置的執行檔
缺點
- 基於 Electron——資源佔用比原生應用程式更高
- AI 整理功能需要 API 金鑰或 Pro 訂閱
- 較大的 Whisper 模型需要不錯的硬體才能即時運作
2. Nerd Dictation
Nerd Dictation 是一個單一檔案的 Python 指令稿，使用 VOSK API 提供離線語音轉文字功能。它專為習慣命令列的 Linux 進階使用者設計。你透過 CLI 指令手動啟動與停止它，它會使用 xdotool 將文字輸入到目前取得焦點的視窗。使用者設定就是一份 Python 指令稿，可以無限制地自由改造。
優點
- 極度輕量——單一 Python 檔案，相依套件極少
- 完全離線，搭配小型 VOSK 語言模型（不到 50 MB）
- 透過 Python 設定指令稿可無限客製化
- 沒有背景程序——隨選啟動與停止
缺點
- 沒有圖形介面——完全由 CLI 驅動，對新手不友善
- VOSK 的準確度明顯低於以 Whisper 為基礎的工具
- 需要 xdotool（僅限 X11——對 Wayland 支援有限）
3. Speech Note（Dsnote）
Speech Note 是一款基於 Qt 的 Linux 應用程式，運用離線語音轉文字、文字轉語音以及機器翻譯，來進行記事、閱讀與翻譯。它支援多種 STT 引擎，包括 Whisper（透過 whisper.cpp 與 Faster Whisper），並以 Flatpak 形式在 Flathub 上提供。最新版本透過 Vulkan 支援 Intel、AMD 與 NVIDIA 顯示卡的 GPU 加速。
優點
- 完整的圖形介面，內建記事、TTS 與翻譯功能
- 支援多種 STT 引擎，包括 Whisper 模型
- GPU 加速（Vulkan）可加快轉錄速度
- 在多數發行版上可透過 Flatpak 輕鬆安裝
缺點
- 設計定位為記事應用程式，而非全系統聽寫工具
- 雖有全域鍵盤快捷鍵，但不如一鍵說話那般流暢
- Qt 介面在以 GNOME 為基礎的桌面上可能顯得較不精緻
4. Simon（KDE）
Simon 是一套開源語音辨識系統，最初是作為 KDE 專案的一部分而開發。它採取一種獨特的 DIY 做法，讓使用者能從零開始建立自訂的語言與聲學模型，而非依賴預先訓練好的模型。不過，必須坦白說明：Simon 實際上已無人維護。最後一次重要版本發布是在 2013 年，儘管 2017 年曾有一次短暫的復興嘗試，近年來並無任何積極的開發。
優點
- 可針對特定詞彙訓練自訂聲學模型
- 完全開源並具備圖形介面
- 完全離線執行
缺點
- 實質上已遭棄置——自 2013 年起便無任何有意義的更新
- 從未移植到 KDE Frameworks 5 或 Qt5/Qt6
- 辨識準確度遠低於現代以 Whisper 為基礎的工具
誠實評估： Simon 在 Linux 上開創了開源語音辨識的先河，但 whisper.cpp 等現代工具已讓它的做法過時。我們在此將它納入是為了完整性，但不會推薦新使用者採用。
5. Google Chrome 語音輸入
Linux 使用者可透過 Chrome 或 Google 文件（工具 > 語音輸入）使用 Google 內建的語音輸入功能。它採用 Google 的雲端語音辨識，並支援多種語言。除了安裝 Chrome 之外無需任何額外安裝——這使它成為阻力最低的選項，但同時也是最受限的選項。
優點
- 零設定——只要打開 Chrome 就能開始說話
- 由 Google 語音模型驅動，準確度良好
- 支援 100 種以上語言
缺點
- 僅能在 Chrome/Google 文件內運作——並非全系統可用
- 所有音訊都會傳送到 Google 的伺服器——沒有離線模式
- 非開源，是封閉原始碼的專有服務
6. Whisper.cpp CLI
Whisper.cpp 是 OpenAI 的 Whisper 語音辨識模型的 C/C++ 移植版本，針對 CPU 推論最佳化。它本身並不是一款聽寫應用程式——而是一個用於轉錄音訊檔案的命令列工具。不過，許多 Linux 使用者透過指令稿串接麥克風輸入，圍繞它建構聽寫工作流程。whisper-dictation 與 whispertux 等專案正是為此目的，將 whisper.cpp 包裝成一鍵說話的介面。
優點
- 頂尖的 Whisper 準確度，於本機執行
- 高度最佳化的 C++——即使在純 CPU 的機器上也很快
- 所有 Whisper 模型大小皆支援 99 種以上語言
- 完全開源，維護非常積極
缺點
- 沒有圖形介面，也沒有一鍵說話——純粹是一個轉錄引擎
- 需要撰寫指令稿才能建立即時聽寫工作流程
- 設計用於檔案轉錄，而非即時串流聽寫
7. Talon Voice
Talon Voice 是一套全面的免手操作輸入系統，遠遠超越單純的聽寫。它讓你能完全以語音控制整台電腦——視窗管理、寫程式、切換應用程式、瀏覽檔案——並可透過 Tobii 裝置選用眼動追蹤。Talon 支援 X11 上的 Linux（Ubuntu 18.04 以上，以及多數現代發行版）。不過，撰稿時並不支援 Wayland，也沒有支援計畫。
優點
- 完整的免手操作電腦控制，而不只是聽寫
- 專為語音寫程式打造，具備各程式語言專屬的指令
- 整合眼動追蹤，可取代滑鼠
- 對無障礙使用極具價值——對 RSI 患者而言真正改變人生
缺點
- 學習曲線陡峭——需要記憶指令與一套語音字母表
- 核心引擎為專有（社群指令稿則是開源）
- Linux 支援僅限 X11——不支援 Wayland
並列比較
| 工具 | 開源 | 離線 | 語言 | AI 整理 | 全系統 | 價格 |
|---|---|---|---|---|---|---|
| OpenWhispr | 99+ | 免費（Pro 每月 $8） | ||||
| Nerd Dictation | 視 VOSK 模型而定 | 免費 | ||||
| Speech Note | 視後端／模型而定 | 免費 | ||||
| Simon | 自訂 | 免費 | ||||
| Chrome Voice Typing | 多種瀏覽器支援的語言 | 免費 | ||||
| Whisper.cpp CLI | 99+ | 免費 | ||||
| Talon Voice | 英文 | 核心免費／付費 Patreon 方案 |
我們的推薦
Linux 上沒有單一「最佳」的聽寫工具——一切取決於你重視什麼。以下是我們的歸納方式：
對大多數使用者
OpenWhispr 提供了最完整的體驗：真正的圖形介面、全系統一鍵說話、AI 整理、Whisper 級準確度，而且開源。它是 Linux 上最接近 macOS 與 Windows 使用者習以為常之體驗的方案。
對 CLI 純粹主義者
Nerd Dictation 以其簡潔而出色。單一 Python 檔案、由 VOSK 驅動、可無限改造。如果你偏好透過指令稿設定工具，又不需要 Whisper 級的準確度，它幾乎無可匹敵。
對 KDE/Qt 使用者
Speech Note 與以 Qt 為基礎的桌面整合良好，除了語音辨識，還提供翻譯與 TTS。如果你想要一款一應俱全的記事工具，它是個強而有力的選擇。
對開發者
Whisper.cpp CLI 是驅動上述許多工具的引擎。如果你想要最大程度的掌控，又習慣自行建構管線，那就直接從源頭著手。
對無障礙使用與免手操作運算
Talon Voice 完全屬於另一個層次。如果你需要取代鍵盤與滑鼠——而不只是用聽寫來輔助它們——Talon 就是值得學習的工具。投入的時間相當可觀，但回報是脫胎換骨的。
資料來源與延伸閱讀
想試用 OpenWhispr 嗎？
適用於 Linux、macOS 與 Windows 的開源聽寫工具。一鍵說話、whisper.cpp、AI 整理，以及 99 種以上語言——永久免費。
無需帳號 · 可離線運作 · 永久開源