04 · 当前配置与改动清单

本机（omarchy，单机）相对 voxtype 出厂状态的全部改动。配置文件由 chezmoi 管理（~/chezmoi/dot_config/voxtype/config.toml），模型文件不入 git。

出厂 → 现状

项	出厂	现状	改动方式
二进制家族	whisper.cpp	ONNX（`/usr/bin/voxtype → /usr/lib/voxtype/voxtype-onnx-avx2`）	`pkexec voxtype setup onnx --enable`（官方切换命令，写 /usr/bin 需 root）
引擎	`whisper`	`sensevoice`	config.toml 一行
模型	base.en（142MB，纯英文）	sensevoice-small-int8（229MB，zh/en/ja/ko/yue）	手动下载放置
听写语言	英文	中文（`language = "zh"` + `use_itn = true` 数字/日期规范化）	config.toml

config.toml 有效差异

[engine]
engine = "sensevoice"        # 原为 "whisper"

# [whisper] 段保留出厂内容（model = "small" 为过渡期遗留，已不生效）

[sensevoice]                 # 新增段：缺失会导致 daemon 启动失败
model = "small-int8"         # 目录名 ~/.local/share/voxtype/models/<model>
quantized = true             # int8 量化版（229MB；全精度 fp32 约 894MB）
language = "zh"
use_itn = true               # 逆文本规整：「九点」→「9点」

磁盘上的模型

路径（`~/.local/share/voxtype/models/`）	大小	状态
`ggml-base.en.bin`	142M	闲置（出厂自带，可删）
`ggml-small.bin`	466M	闲置（whisper 过渡方案遗留，可删）
`sensevoice-small-int8/{model.int8.onnx, tokens.txt}`	229M	使用中

来源：HuggingFace csukuangfj/sherpa-onnx-sense-voice-zh-en-ja-ko-yue-2024-07-17

使用方式

操作	动作
按住 `F9` 说话	push-to-talk，松开即转写注入
`Super + Ctrl + X`	开关式连续听写
文字去向	当前聚焦的输入框光标处

实测性能

SenseVoice 模型加载：1.54s（daemon 启动时一次性）
中文转写推理：0.19s（int8 CPU AVX2，测试音频「开饭时间早上9点至下午5点。」）
对比 whisper small 同任务慢数倍——CTC 非自回归架构优势

已知问题

中英混排顺序错乱（本项目要修的）：见 01-问题分析.md
ONNX 与 Whisper 二进制互斥：切引擎需换二进制 + 重启 daemon；动态的是模型不是二进制
voxtype setup model 的交互 TUI 无法脚本化下载 ONNX 模型，新机器部署需手动下载两件套

chezmoi 同步

已纳管：~/chezmoi/dot_config/voxtype/config.toml
不纳管：模型二进制（体积大，首次使用按本文档手动下载）、系统级 /usr/bin/voxtype 符号链接（换机后重跑一次 pkexec voxtype setup onnx --enable 即可）

回滚到 Whisper 方案

[engine]
engine = "whisper"
[whisper]
model = "small"   # 多语言版，需 ggml-small.bin 在位
language = "zh"

重启 systemctl --user restart voxtype 前先 pkexec voxtype setup onnx --disable 切回 whisper.cpp 家族。