Ubuntu 26.10实测：新AI语音输入功能Myna上手体验

Mark Do 13 小时前暂无评论阅读 106 次

Myna：Ubuntu的AI语音输入新成员

Ubuntu 26.10即将引入AI驱动的语音输入功能Myna，支持用户通过语音将文本输入任意有效文本框。目前该功能仍处于开发阶段，笔者获取早期版本进行了实测，以了解其当前状态。

随着Ubuntu 26.10进入开发冻结阶段，Myna的用户界面组件逐步完善。本周，默认安装中新增了一个GNOME Shell扩展，用于在Myna监听和录音时显示屏幕指示器，帮助用户直观感知功能状态。

若想了解Myna的更多细节（如功能定位、技术原理），可参考笔者的Myna详解文章（已根据最新信息更新）。

Myna的架构：并非扩展，而是协调器

需明确的是，Myna本身并非GNOME Shell扩展，而是一个协调器（orchestrator）。它的核心职责是管理AI模型的加载、热键激活、音频流传递（从麦克风到模型）、文本转录，并通过IBus将结果反馈至文本框。

但上述扩展至关重要——它是用户可见的部分，用于提示Myna是否正在监听和处理音频（以及是否出现故障）。

实测体验：从激活到转录的全流程

以下是一段简短屏幕录制的截图，展示了激活Myna并在文本编辑器应用中转录简单句子的过程（测试环境为虚拟机，性能仅供参考）：

Myna在文本编辑器中的转录演示（虚拟机环境）

Myna的GitHub页面介绍称：“无论您希望免提输入文本、提升可访问性，还是简化工作流程，Myna都能将无缝语音识别直接带到您的Linux生态系统中。”

在笔者测试的版本中，激活Myna的方式是按下（而非按住，这与Canonical之前的描述不同）super + t快捷键，前提是已聚焦要使用语音输入的文本框。

激活后，屏幕上会出现一个OSD（屏幕显示）提示正在监听。说话时，OSD内的“波浪”动画会振荡，这是很好的确认反馈，让用户知道功能正在运行。

完成输入后，再次按下同一快捷键停止监听。OSD动画会停止，音频在后台转录。短暂延迟后，文本将出现在目标应用的文本框中。

根据规格说明，激活Myna后关闭或最小化目标窗口会停止功能，但笔者测试中这一行为并不稳定，不过Myna的OSD偶尔会提示焦点丢失。而切换窗口或使用Alt+Tab不会中断输入——Myna会跟踪目标窗口，避免文本输入到错误的位置！

如果Myna没有检测到音频，会给出提示；它无法转录静音，也不能进行心灵感应式的输入。

AI模型：本地运行，多种选择

Myna由不同AI模型驱动。根据Canonical的说法，所有音频都不会离开设备，Myna完全离线运行，无论是字面意义上还是比喻意义上。此外，用于转录的音频不会被存储、记录或用于训练。

在笔者测试中，Myna使用了Whisper模型，但未来将提供多种本地AI模型（均以snap包形式），包括仅支持NVIDIA GPU、仅支持CPU、支持更广泛语言的模型等。

当该功能进入更广泛的测试阶段时，会根据系统硬件自动选择最佳的本地AI模型。目前，笔者尚未在Snap商店找到语音snap包或Myna调度器，但从GitHub源码成功运行了该功能。好消息是，它工作得相当准确，尽管在虚拟机中运行时稍显缓慢（笔者对源码的稳定性不作保证）。输入成功适配了大多数测试的文本框，包括文本编辑器、GNOME Shell概览和Firefox。