TL;DR：一个 Linux/X11 全局语音输入工具。按住快捷键说话、松手就把识别结果敲进当前光标处，中英混说、自动标点，全程本地 ASR、音频不出本机。难点不在「能识别」，而在三件事：在任意窗口截获按键、把录音无阻塞地交给识别线程、再把文字稳稳地注入到别的应用里。这篇就拆这三件事，外加 X11