2026 年 6 月 17 日，Canonical 工程总监 Jean-Baptiste Lallement 在 Ubuntu 社区论坛正式公布了 Project Myna，旨在为 Ubuntu 桌面带来系统级的本地 AI 语音转文本功能。
Myna 得名于擅长模仿人类说话的八哥鸟（Myna bird），这个意象本身就暗示了项目的本质：不是理解语言，而是忠实地将语音复制为文字。项目的初始定位非常克制——一个纯粹的桌面听写工具，用户按下键盘快捷键开始说话，松开后转录的文字直接出现在当前应用程序的光标位置。整个过程就像使用系统自带的原生功能一样自然，不需要打开独立应用窗口，不需要手动复制粘贴，也没有语音助手式的对话交互。激活听写时，屏幕上只会出现一个微型状态指示器，告诉用户麦克风正在收音，转录完成的文本则直接注入到活动窗口的光标处。
Myna 的模块化架构由三个核心部件组成。最上层是 Audio Adapter，负责捕获麦克风输入，执行降噪处理，并将连续音频流切分为适合识别的数据块。中间层是 Speech Orchestrator——听写会话管理器，协调激活热键、音频输入和文本注入的生命周期。最底层是一个名为 Canonical Inference Snap 的沙盒化推理引擎，承担实际的语音识别工作。这个 snap 包将提供轻量、默认和高质量三种模型尺寸，适配不同的硬件场景：NVIDIA GPU、Intel NPU 或纯 CPU 推理都得到支持。模型选型方面，项目贡献者 charles05 在论坛中透露团队已经考察了 OpenAI Whisper、NVIDIA Nemotron 和阿里通义的 Qwen3-ASR，其中部分模型提供多语言变体，但不同语言间的识别准确率差异较大——这暗示多语言覆盖将是一个渐进过程，而非首发即完美。
隐私策略是 Myna 设计中最鲜明的差异化标签。Canonical 在项目文档中反复强调"隐私从一开始就是设计原则"。所有语音识别完全在本地运行，一旦下载安装好模型，电脑就永远不需要联网。麦克风只在用户明确激活听写的瞬间才打开，音频数据在处理后立即从内存中丢弃。Lallement 在公告中明确承诺"不会有任何录音被上传到外部服务"。这套设计思路直接回应了过去几年开发者对语音类工具的普遍疑虑——无论是 Microsoft 365 的云端听写，还是 Google Docs 的语音输入，都将音频发送到远程服务器做处理，这在注重隐私的 Linux 用户群体中几乎天然被抵制。Myna 选择的是另一条路：宁可牺牲云端的超大规模模型和持续更新能力，也要保证数据只留在用户自己的硬盘和内存里。
首版 Myna 计划随 Ubuntu 26.10（Stonking Stingray）在 2026 年 10 月发布，面向 GNOME 桌面环境和 Wayland 显示协议，这是 Ubuntu 桌面当前的标准技术栈。Lallement 在公告中划了一条清晰的边界：首发版本只做桌面听写，严格排除语音助手、语音命令、桌面操控、翻译工具、自动语言检测和唤醒词监听。这个决策透露出 Canonical 对第一个版本的实际判断——语音识别在 Linux 上的基础打得还不够牢，在全速冲刺高级场景之前，先要把"按下按键→说话→出字"这条链路做到稳定可靠。项目的 GitHub 仓库目前只有许可证、README 和架构文档，代码尚未公开，但 Canonical 表示"未来几周"可能出现在 Ubuntu 26.10 的每日构建版本中。
选择 Wayland 作为首发目标协议是一个值得注意的技术决策。Wayland 相比 X11 有更严格的沙盒模型——应用程序之间默认隔离，一个窗口不能随意截获另一窗口的键盘输入或屏幕内容。这对语音听写来说同时意味着机遇和挑战：机遇在于 Wayland 的安全边界与 Myna 的隐私设计天然契合，麦克风权限的管理和音频通道的隔离都比 X11 时代更可靠；挑战则在于文本注入——将转录完成的文字插入到另一个应用程序的光标位置——在 Wayland 的安全模型下需要克服更多的协议限制。Canonical 在 GNOME 桌面上拥有多年维护经验，这或许是 Myna 选择首发 GNOME + Wayland 而非追求更广泛兼容性的深层原因：在一个自己深度参与开发的技术栈上，协议层面的障碍可以更早被识别和解决。
Myna 的发布，让 Linux 桌面语音转文字这件事从一个"社区自发实验"的话题直接升级为"发行商系统集成"的工程问题。但有必要承认的是，Myna 所进入的不是一个空白地带——恰恰相反，2026 年的 Linux STT 生态已经颇有气象。dictee 项目以 Rust 编写的 ONNX Runtime 后端驱动 NVIDIA Parakeet-TDT 0.6B 模型，支持 25 种以上语言，在 8GB 显存 GPU 上仅用约两分钟就能完成一段 54 分钟演讲的完整转写。OpenWhispr 跨 Linux/macOS/Windows 三平台，将本地模型与 AI Agent 模式结合，支持会议录音的实时说话人分离。whisrs 在 Rust 中实现了 Wayland、Hyprland、Sway 等多种合成器的原生支持。Vocalinux 和 Quassel 则在 whisper.cpp 引擎上分别打磨了各自的特色体验。这些项目互不隶属，却共同构筑了一个活跃的本地优先、开源优先的 STT 生态。但它们的共性是都依赖用户主动去发现和配置——你需要知道 whisper.cpp 的存在，需要了解你的 GPU 驱动栈是否兼容 ONNX Runtime，需要在几个竞品之间权衡取舍。这对 Linux 老手不算什么，但对从 macOS 或 Windows 切换过来的普通用户而言，这些前置知识本身就是一道不低的墙。
Myna 项目目前处于规范定义阶段，Canonical 特别呼吁依赖听写技术或辅助技术的用户参与反馈。对于一个在 2026 年才刚刚拿到系统级语音输入方案的桌面操作系统来说，晚出发也许不是劣势——后来者可以站在五年 Whisper 生态和两年 NVIDIA Parakeet 进化史的肩上，省略大量的探索性错误。Linux 桌面的语音听写故事，从这里才真正开始由一家主流发行商来书写。
参考来源：
微信关注我们
转载内容版权归作者及来源网站所有！
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。
Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。
Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。
Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。
扫码在手机上查看文章
扫描二维码，手机阅读更方便
有任何问题或合作意向欢迎联系我们
Email: 99873273@qq.com
QQ: 99873273