Guías: instalar y ejecutar

Paquetes nativos para Debian 12+ y derivadas (Ubuntu 24.04+, Mint 22+…), Fedora, openSUSE Leap y Arch Linux. Hay dos vías de instalación; elija una por máquina.

# Debian 12+, Ubuntu 24.04+, Mint 22+...
sudo apt install ./vosk-cli-dictation_0.5.4~beta_all.deb

# Fedora
sudo dnf install ./vosk-cli-dictation-0.5.4~beta-1.fc42.noarch.rpm

# openSUSE Leap
sudo zypper install ./vosk-cli-dictation-0.5.4~beta-1.leap156.noarch.rpm

# Arch Linux
sudo pacman -U ./vosk-cli-dictation-0.5.4_beta-1-any.pkg.tar.zst

git clone https://github.com/RonanDavalan/vosk-cli-dictation.git
cd vosk-cli-dictation
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt

Idiomas de dictado

Se incluyen cuatro idiomas: inglés, francés, alemán y español. El idioma activo se elige con --lang, si no con el idioma del sistema, si no con default_model en el archivo de configuración.

vosk-cli-dictation --lang es

Cada idioma necesita su modelo acústico de Vosk descomprimido en ~/.local/share/vosk-models/ (paquete) o vosk-model/ (clon).

La orden puede descargar el modelo pequeño de un idioma y verificarlo contra una suma de comprobación conocida:

vosk-cli-dictation --download-model es

En la primera ejecución sin ningún modelo, ofrece esa misma descarga.

Controlar una sesión

Inicio y parada por voz mediante una frase de dos palabras, propia de cada idioma:

Entre el inicio y la parada, el habla se escribe en la ventana que tiene el foco. La puntuación y los saltos de línea también se dictan (coma, nueva línea, …); la lista completa por idioma se muestra al arrancar.

Las mismas acciones existen como subórdenes, pensadas para asociarse a un atajo de teclado del escritorio: la vía admitida en Wayland.

vosk-cli-dictation --toggle        # iniciar o pausar
vosk-cli-dictation --finalize      # parar y copiar el texto
vosk-cli-dictation --sleep-toggle  # liberar el micrófono / reanudar

vosk-cli-dictation --diagnose informa del tipo de sesión, el backend de inyección, el dispositivo de audio y el estado de los modelos, y luego termina.

Modos de activación

El gesto de inicio/parada depende de interaction.mode en el archivo de configuración. Por defecto toggle (arriba): un gesto inicia, un gesto distinto detiene. Otros dos modos: maintenue — pulsar para hablar, el dictado dura exactamente el tiempo que se mantiene pulsada la tecla hotkeys.push_to_talk (por defecto Ctrl_R); silence — un solo gesto inicia la sesión, que se detiene y se copia sola una vez transcurrido interaction.silence_timeout_ms (por defecto 700 ms) sin más habla. En los tres modos, la frase de parada hablada y --finalize siguen funcionando como red de seguridad.

Wayland y X11

El texto se inyecta a través del portapapeles, así que necesita una herramienta de pulsaciones y una de portapapeles: wtype + wl-clipboard en Wayland, xdotool + xclip en X11, con ydotool como respaldo de pulsaciones a nivel de controlador (wl-clipboard sigue siendo necesario). Los paquetes nativos las arrastran; una instalación desde las fuentes las añade por su cuenta. Sin una herramienta de portapapeles, el pegado reinserta lo último que se copió a mano. ydotool, cuando actúa de respaldo, necesita el demonio ydotoold y pertenecer al grupo input (cierre la sesión y vuelva a entrar tras añadirlo). Los atajos globales con Alt solo alcanzan ventanas X11 y XWayland; en Wayland, asocie las subórdenes anteriores a los ajustes de atajos de su escritorio para cubrir todas las ventanas.

Referencia completa

Cada clave de configuración, la cascada de búsqueda de modelos y el socket de control están documentados en el docs/ del proyecto: configuration.md y la página de manual vosk-cli-dictation(1), en los cuatro idiomas. Consulte Entender para ver cómo encajan las piezas.