Голосовой ввод текста в Linux

Обновлено: 7 ноября 2026 г.

На Mac и в Windows диктовка включается сочетанием клавиш. В основных окружениях рабочего стола Linux такой встроенной функции нет, поэтому голосовой ввод вы либо собираете сами из открытых компонентов, либо ставите готовое приложение. И первый вопрос здесь не «какую программу взять», а «какая у вас графическая сессия». Ниже о том, почему X11 и Wayland так сильно влияют на диктовку, на что смотреть при выборе, как поставить AppImage или .deb и что делать, если что-то не заработало.

Первым делом: у вас X11 или Wayland?

Программе для диктовки нужно сделать две вещи за пределами собственного окна: заметить горячую клавишу, когда активна другая программа, и вставить текст в это чужое окно. В X11 (Xorg) приложениям исторически разрешено и то, и другое. Wayland задумывался так, чтобы изолировать приложения друг от друга: программа не может просто слушать все нажатия клавиш или печатать в окно, которое ей не принадлежит. Для безопасности это хорошо, для диктовки неудобно.

Чтобы узнать тип сессии, откройте терминал и выполните echo $XDG_SESSION_TYPE. Команда выведет x11 или wayland. В большинстве окружений это же видно в разделе «О системе».

x11: глобальные горячие клавиши и вставка текста обычно работают, большинство инструментов диктовки ведут себя как ожидается.
wayland: нужна поддержка со стороны программы и окружения, иногда дополнительная настройка; часть приложений работает с ограничениями.

Если ваш дистрибутив ещё предлагает сессию X11, её обычно можно выбрать на экране входа: выберите пользователя и, прежде чем вводить пароль, найдите меню сессий (часто это значок шестерёнки). Некоторые свежие выпуски уже убрали сессию X11, так что сначала проверьте, что есть у вас, а потом читайте требования программы.

Два пути: собрать самому или поставить готовое

Собрать самому. Есть открытые движки распознавания речи, которые работают офлайн на процессоре, и утилиты, которые имитируют нажатия клавиш в X11 или Wayland. Связать их вместе (запись с микрофона, распознавание, вставка текста, горячая клавиша) можно скриптами. Это бесплатно и гибко, но требует времени, а качество и удобство целиком на вас.

Готовое приложение. Ставится пакетом, горячая клавиша и вставка текста уже настроены, модель скачивается из интерфейса. Взамен вы зависите от того, какие дистрибутивы и сессии поддерживает разработчик.

Критерий	Что проверить	Почему важно
Сессия	X11, Wayland или обе	От этого зависят горячая клавиша и вставка текста
Формат пакета	AppImage, .deb, другие	AppImage работает почти везде, .deb удобнее в Ubuntu и Debian
Разрядность	64-битная система	Речевым моделям нужна 64-битная архитектура
Где распознаётся речь	На компьютере или на сервере	Приватность и работа без сети
Языки	Есть ли русский, можно ли смешивать с английским	Рабочая речь часто двуязычная
Модель оплаты	Бесплатно, разово или подписка	Подписка за $10 в месяц стоит $240 за два года

Voice Monkeys на Linux

Voice Monkeys (это наша программа) выпускается для 64-битного Linux в виде AppImage и пакета .deb для Ubuntu и Debian. Речь распознаётся на самом компьютере, без интернета. Сеть нужна один раз, чтобы скачать речевую модель (около 640 МБ), потом только для проверки лицензии и обновлений; звук и текст никуда не отправляются. Нужна сессия X11 (Xorg): под Wayland система блокирует глобальную горячую клавишу и автоматическую вставку текста.

В работе всё так же, как на Mac и Windows. Держите клавишу, говорите, отпускаете, и текст появляется у курсора в редакторе, терминале, браузере или мессенджере. Короткое нажатие включает режим без рук до следующего нажатия, Esc отменяет запись. Русский входит в 25 языков, язык определяется на слух, и русский с английским можно смешивать в одной фразе; подробнее в статье диктовка на нескольких языках.

Цена: $25 один раз, пожизненная лицензия на один компьютер со всеми обновлениями первой версии, без подписки. 7 дней бесплатно без карты, возврат в течение 14 дней. Скачать можно на странице загрузки; перед покупкой проверьте работу в своей сессии и своём окружении в пробный период.

Установка AppImage или .deb

AppImage: скачайте файл, сделайте его исполняемым командой chmod +x и именем файла, затем запустите. Если он не стартует с ошибкой про FUSE, установите пакет совместимости FUSE 2 из своего дистрибутива (в Ubuntu он обычно называется libfuse2, в новых выпусках libfuse2t64).
.deb (Ubuntu, Debian): ставьте командой sudo apt install ./ и именем файла, чтобы apt сам подтянул зависимости, потом запускайте из меню приложений.
Проверьте сессию командой echo $XDG_SESSION_TYPE и сверьте с требованиями программы.
Выберите микрофон в настройках звука окружения или в микшере вроде pavucontrol и убедитесь, что индикатор уровня двигается, когда вы говорите.

Голосовой ввод без интернета

Когда речевая модель работает на вашем компьютере, звук никуда не отправляется. Это удобно в поезде, на даче с плохим мобильным интернетом и в работе с кодом или документами, которые нельзя отправлять на чужой сервер. Проверить легко: скачайте модель, отключите сеть (nmcli networking off или выключателем в панели) и надиктуйте абзац.

Скорость распознавания на компьютере зависит от процессора и памяти. Прогоните одни и те же фразы, например «Смержи ветку после того, как пройдут тесты, и поставь тег релиза два точка четыре», и посчитайте правки. Если правок много, сначала посмотрите на микрофон: советы в статье как повысить точность голосового ввода. А вопросы, которые стоит задать любой программе про приватность, собраны в статье безопасна ли голосовая диктовка.

Если что-то не работает

Горячая клавиша ничего не делает: сначала проверьте тип сессии. В Wayland глобальные горячие клавиши обычных приложений часто заблокированы; если программа поддерживает только X11, выйдите и выберите сессию X11 на экране входа.
Правый Alt печатает странные символы: во многих раскладках правый Alt работает как AltGr, а в типографской раскладке Бирмана он даёт кавычки-ёлочки и другие знаки. Выберите для диктовки другую клавишу, чтобы они не конфликтовали.
Текст распознан, но не вставился: убедитесь, что курсор стоит в текстовом поле и нужное окно активно, когда вы отпускаете клавишу. Некоторые эмуляторы терминала вставляют по Ctrl+Shift+V, поэтому сначала проверьте в простом текстовом редакторе.
Программа ничего не слышит: откройте настройки звука или pavucontrol, выберите правильное устройство ввода и посмотрите на индикатор уровня. Bluetooth-гарнитуры иногда видны как два устройства; выберите то, у которого есть микрофон.
AppImage не запускается: запустите его из терминала, чтобы увидеть ошибку. Сообщение про FUSE значит, что не хватает пакета совместимости.

Если вы пользуетесь и Windows, в инструкции по голосовому вводу в Windows разобран встроенный ввод, а в статье как выбрать диктовку для Windows собраны критерии выбора.

Вопросы и ответы

Есть ли в Linux встроенный голосовой ввод, как на Mac или в Windows?

Основные окружения рабочего стола Linux не поставляют системную функцию диктовки, сравнимую с той, что встроена в macOS или Windows. Нужно установить приложение или собрать решение из открытых компонентов.

Почему голосовой ввод не работает в Wayland?

Wayland изолирует приложения: программа не может просто ловить клавиши в чужом окне и печатать в него. Нужна поддержка со стороны программы, иначе остаётся сессия X11.

Для каких дистрибутивов пакет .deb?

Пакет .deb рассчитан на Ubuntu и Debian. В других дистрибутивах используйте AppImage.

Можно ли в Linux диктовать без интернета?

Да, если речевая модель работает на компьютере. Voice Monkeys скачивает модель около 640 МБ один раз и дальше распознаёт речь без сети.

Сколько стоит голосовой ввод в Linux?

Собрать решение из открытых компонентов можно бесплатно, но это время на настройку. Voice Monkeys стоит $25 один раз, без подписки, с бесплатным пробным периодом на 7 дней.