Programy do dyktowania na Linuksie: 14 narzędzi, które naprawdę działają (2026)
Autor: Futsy, założyciel Vibe Typera
Większość zestawień programów do dyktowania powstaje z myślą o Windowsie i Macu, a Linuksa dokleja na końcu ktoś, kto nigdy z niego nie korzystał. Tutaj jest odwrotnie: każde narzędzie poniżej ma prawdziwą wersję na Linuksa, a najważniejsza kolumna to Wayland, bo to właśnie na nim większość z nich po cichu przestaje działać.
Sami robimy jedno z tych narzędzi, więc weź na to poprawkę.
Najkrócej
- Ma po prostu działać, bez konfiguracji → Vibe Typer. Jeden AppImage, natywnie na Waylandzie i X11, w chmurze.
- Wayland i mało cierpliwości → Vibe Typer. Pisze natywnie na Waylandzie, bez konfigurowania
ydotool. - Piszesz w kilku językach → Vibe Typer. 99 języków, automatyczne wykrywanie, bez pobierania.
- Prompty do asystentów programistycznych → Vibe Typer. Wkleja tekst odpowiednio do każdej aplikacji, a w terminalu bezpiecznie, także w Claude Code i Codex.
Dlaczego dyktowanie na Linuksie jest trudniejsze, niż powinno być
Dyktowanie ma dwie części: zamianę mowy na tekst i wprowadzenie tego tekstu do aplikacji, którą masz przed sobą. Pierwsza jest rozwiązana: Whisper sprawił, że dobra transkrypcja jest darmowa. Na drugiej narzędzia linuksowe się wykładają.
W X11 dowolny proces może wstrzykiwać naciśnięcia klawiszy do dowolnego okna. Właśnie to robi xdotool i dlatego praktycznie każde linuksowe narzędzie do dyktowania sprzed mniej więcej 2022 roku zakładało X11 i działało bez zarzutu.
Wayland celowo to usunął. Klient Waylanda nie może wstrzykiwać zdarzeń wejściowych do innego klienta; o to właśnie chodziło w modelu bezpieczeństwa. Narzędzia oparte na xdotool albo XTestFakeKeyEvent nie działają więc gorzej, tylko po prostu nie robią nic, zwykle nawet bez komunikatu o błędzie. Obejścia to ydotool (wymaga demona uinput i często restartu), dotool albo wtype; ten ostatni nie działa w GNOME, ponieważ GNOME nie implementuje potrzebnego mu protokołu wirtualnej klawiatury.
Dlatego uczciwa kolumna poniżej nazywa się „Wayland”, a nie „Linux”. Ubuntu domyślnie używa Waylanda od 22.04, a Fedora od 25. Jeśli narzędzie reklamuje się „wsparciem dla Linuksa”, a w praktyce chodzi o X11, aktualizacja dystrybucji może po cichu zepsuć ci dyktowanie.
Porównanie
| Narzędzie | Wayland | X11 | Instalacja | Licencja | Cena |
|---|---|---|---|---|---|
| Vibe Typer | Natywnie | Natywnie | AppImage | Zamknięta | Darmowy plan, 8 $/mies. przy płatności rocznej |
| Vocalinux | Tak | Tak | Skrypt w jednej linii | AGPL-3.0 | Za darmo |
| VOXD | Tak (przez ydotool) | Tak | .deb / .rpm / .pkg | MIT | Za darmo |
| Handy | Częściowo | Tak | AppImage | MIT | Za darmo |
| nerd-dictation | Częściowo | Tak | pip + git + model | GPL-3.0 | Za darmo |
| Talon | Nie | Tak | Instalator / zip | Zamknięta + Patreon | Za darmo |
| OpenWhispr | Częściowo | Tak | Aplikacja Electron | Otwarte źródła | Za darmo |
| Whispering | Częściowo | Tak | Aplikacja desktopowa | Otwarte źródła | Za darmo |
| Speech Note | Częściowo | Tak | Flatpak | Otwarte źródła | Za darmo |
| whisper.cpp | Tylko CLI | Tylko CLI | Kompilacja ze źródeł | MIT | Za darmo |
| Blahst | Częściowo | Tak | Skrypt | Otwarte źródła | Za darmo |
| Numen | Tak | n/d | Źródła | Otwarte źródła | Za darmo |
| VoiceKey | Częściowo | Tak | .deb | Zamknięta | Płatne |
| Dyktowanie w przeglądarce | n/d | n/d | Brak | n/d | Za darmo |
„Częściowo” oznacza, że działa, ale wymaga pomocnika (ydotool, dotool, wtype) i przy niektórych kompozytorach potrafi zachowywać się nieprzewidywalnie.
Narzędzia
Vibe Typer
Nasze. Jeden przenośny AppImage: bez repozytoriów, bez zależności, bez modeli do pobrania:
chmod +x ~/Pobrane/VibeTyper.AppImage
~/Pobrane/VibeTyper.AppImage
Na szczycie tabeli stoi przez jedną kolumnę: Wayland. Obsługuje Waylanda i X11 natywnie, zamiast wywoływać xdotool: sam wybiera ścieżkę właściwą dla twojej sesji i przenosi ustawienia, kiedy się przełączysz. To rzadkość i najczęstszy powód, dla którego ludzie tu trafiają po tym, jak coś innego przestało działać.
Naciskasz skrót, mówisz, a tekst pojawia się tam, gdzie stoi kursor: terminale, edytory, przeglądarki, komunikatory, poczta. Magic Formatter usuwa po drodze „yyy”, urwane zdania i poprawianie się w trakcie, zamiast wiernie je zapisywać. Zaznacz dowolny tekst i powiedz „skróć to”, żeby od razu przepisać go na miejscu. 99 języków z automatycznym wykrywaniem i bez pobierania osobnych modeli dla każdego z nich.
Działa w chmurze i to świadomy wybór, a nie brak. Transkrypcję wykonują duże modele rozpoznawania mowy na sprzęcie zbudowanym z myślą o szybkości, a nie twój procesor. Dlatego na pięcioletnim ThinkPadzie jest równie szybki i dokładny jak na stacji roboczej i dlatego nie ma żadnego modelu do pobrania. Dźwięk jest przetwarzany w pamięci i odrzucany, backend nie trzyma po swojej stronie żadnej pamięci podręcznej z transkrypcjami i nic nie jest trenowane na twoim głosie.
Darmowy plan to 2000 słów i 20 operacji AI miesięcznie, bez karty. Pro kosztuje 8 $ miesięcznie przy płatności rocznej, 10 $ bez zobowiązań.
Najlepsze dla: osób, które chcą dyktować w każdej aplikacji od pierwszego dnia i nie chcą niczego utrzymywać.
Vocalinux
Najbardziej dopracowana opcja offline, napisana od razu z myślą o Linuksie. Jedno polecenie, a instalator sam wykrywa sprzęt:
curl -fsSL https://raw.githubusercontent.com/jatinkrmalik/vocalinux/main/install.sh -o /tmp/vl.sh && bash /tmp/vl.sh --interactive
Testowane na Ubuntu 22.04+, Debianie 11+, Fedorze 39+, Archu, openSUSE Tumbleweed, Manjaro i EndeavourOS. Działa na X11 i na Waylandzie, a to bardzo wąskie grono. Domyślnie whisper.cpp z Vulkanem dla obsługi GPU różnych producentów; opcjonalnie także Whisper, VOSK albo zdalne API, które kontrolujesz sam. Bez chmury, bez telemetrii, bez konta. AGPL-3.0, bez wersji płatnej.
VOXD
Lokalne dyktowanie, które pisze prosto do aktywnego okna, dostarczane jako prawdziwe pakiety dystrybucyjne zamiast skryptu:
# Ubuntu / Debian
sudo dpkg -i voxd_*.deb
# Fedora
sudo rpm -i voxd-*.rpm
# Arch
sudo pacman -U voxd-*.pkg.tar.zst
Pod spodem whisper.cpp z modelami GGML od 75 MB do 2,9 GB, ponad 99 języków, GPU niepotrzebne. Autor podaje, że testował na Arch/Hyprland, Omarchy 3.0, Ubuntu 24.04 i 25.04, Fedorze 42, Pop!_OS 22, Mint 22 i openSUSE Leap 15.6. Opcjonalna obróbka AI lokalnie przez llama.cpp lub Ollamę albo w chmurze, jeśli wolisz. MIT.
Wayland działa, ale wymaga ydotool i restartu; skrypt instalacyjny załatwia to za ciebie.
Handy
Najłagodniejsze wejście w lokalnego Whispera. AppImage dla Linuksa plus wersje na macOS i Windows, licencja MIT, aktywny rozwój.
Dwie rodziny modeli: Whisper (od Small do Large, z akceleracją GPU tam, gdzie jest dostępna) oraz Parakeet V3, zoptymalizowany pod CPU, wykrywający język automatycznie i działający około pięciokrotnie szybciej niż w czasie rzeczywistym na sprzęcie ze średniej półki. To ta druga opcja jest tu ciekawa: oznacza sensowne dyktowanie offline na laptopie bez dedykowanej karty graficznej.
Wayland to słaby punkt. Potrzebny będzie wtype albo dotool, skrót trzeba ustawić w środowisku graficznym, a nie w samym Handy, a dokumentacja projektu sama ostrzega, że niektóre kompozytory traktują nakładkę Handy jako aktywne okno, a wtedy wklejony tekst ląduje w złym miejscu.
nerd-dictation
W linuksowych wątkach pada zwykle jako pierwsze i wciąż najbardziej nadaje się do przeróbek. Oparte na VOSK, całkowicie offline, bez demona i skryptowalne jak nic innego w tym zestawieniu: możesz przepisać wynik w Pythonie, zanim zostanie wpisany.
pip3 install vosk
git clone https://github.com/ideasman42/nerd-dictation.git
cd nerd-dictation
wget https://alphacephei.com/kaldi/models/vosk-model-small-en-us-0.15.zip
unzip vosk-model-small-en-us-0.15.zip && mv vosk-model-small-en-us-0.15 model
Wymaga Pythona 3.6+, narzędzia audio (parec, sox albo pw-cat) i symulatora wejścia. I to właśnie ten ostatni decyduje o Waylandzie: xdotool jest domyślny i działa tylko na X11, natomiast ydotool, dotool i wtype obsługują Waylanda ze zwykłymi zastrzeżeniami.
Nie oszukuj się co do tego kompromisu. Małe modele VOSK wyraźnie ustępują Whisperowi przy akcentach i hałasie w tle, a czyszczenia przez AI nie ma wcale: dostajesz wierną transkrypcję, razem z „yyy”. W zamian masz pełną kontrolę i zero zależności od czyjejś usługi. GPL-3.0.
Talon Voice
Jedyne narzędzie tutaj, które robi to, co Dragon. Dyktowanie, pełne sterowanie głosem, sterowanie dźwiękami (kliknięcie sykiem albo cmoknięciem), śledzenie wzroku do ustawiania kursora i skryptowalna w Pythonie gramatyka poleceń. Społecznościowe zestawy poleceń dla edytorów i IDE są dojrzałe i robią wrażenie.
Ważne zastrzeżenie: wsparcie Talona dla Linuksa obejmuje tylko X11. Na Waylandzie to obecnie nie jest twoje narzędzie, a to najczęściej zgłaszany postulat w jego społeczności.
Za darmo, z opcjonalnym Patreonem, który daje wcześniejszy dostęp i priorytetowe wsparcie. Stroma krzywa uczenia się: uczysz się języka poleceń, a nie instalujesz aplikacji.
OpenWhispr
Desktopowa aplikacja w Electronie, która traktuje Linuksa jako pełnoprawną platformę, uruchamiając Whispera i NVIDIA Parakeet w całości na twoim komputerze, bez internetu. Otwarte źródła, ponad 99 języków, skrót działający w całym systemie.
Whispering
Otwarte źródła, lokalny Whisper, wieloplatformowość i jeden z przystępniejszych interfejsów w tej kategorii.
Speech Note
flatpak install flathub net.mkiol.SpeechNote
W pełni offline: mowa na tekst, tekst na mowę oraz tłumaczenie maszynowe, z szerokim wsparciem dla wielu języków: między innymi katalońskiego, czeskiego, niemieckiego, duńskiego, hiszpańskiego, perskiego, francuskiego, islandzkiego, włoskiego, koreańskiego, niderlandzkiego, polskiego, portugalskiego, tamilskiego i ukraińskiego. Opcjonalne dodatki GPU dla kart AMD i NVIDIA.
Jedno trzeba powiedzieć jasno: to przede wszystkim aplikacja do notatek. Globalnym skrótem może pisać w oknie, które ma fokus, ale na Waylandzie wymaga zainstalowanej i działającej usługi ydotool. Jeśli chcesz mówić prosto do Slacka, Vibe Typer zrobi to jednym skrótem, bez instalowania dodatkowych narzędzi.
whisper.cpp
To nie aplikacja do dyktowania, tylko szybki silnik inferencji w C++ dla modeli Whisper i fundament kilku narzędzi powyżej. Budując na nim dyktowanie, obsługę skrótu, przechwytywanie dźwięku i wstawianie tekstu piszesz sam. MIT.
Blahst, Numen, VoiceKey
Trzy mniejsze projekty warte poznania. Blahst opiera się na whisper.cpp i daje wprowadzanie głosowe w dowolnym polu. Numen to sterowanie głosem, a nie dyktowanie, zaprojektowane od początku pod Waylanda, lżejsza odpowiedź na problem, który Talon rozwiązuje na X11. VoiceKey (dawniej VoiceHotKey) to płatny .deb dla Ubuntu, Debiana i Minta.
Dyktowanie w przeglądarce
Chrome i Dokumenty Google mają wprowadzanie głosowe od lat. Działa jednak wyłącznie w karcie Chrome: nie w terminalu, nie w edytorze, nie w Slacku desktopowym, nie w kliencie poczty. Nie do codziennej pracy.
Kto co powinien wybrać
„Chcę mniej pisać na klawiaturze i nie chcę z tego robić projektu.” Vibe Typer. Darmowy plan, jeden plik, działa od pierwszego dnia na obu protokołach wyświetlania.
„Jestem na Waylandzie i mam dość tego, że różne rzeczy po cichu przestają działać.”
Vibe Typer. Pisze natywnie na Waylandzie i X11 i sam wybiera ścieżkę właściwą dla twojej sesji, więc nie musisz najpierw składać konfiguracji ydotool.
„Piszę w kilku językach.” Vibe Typer: 99 języków, automatyczne wykrywanie i bez pobierania. Większość narzędzi opartych na VOSK potrzebuje osobnego modelu na każdy język.
„Dyktuję głównie prompty do asystentów programistycznych.” Vibe Typer. Wkleja tekst odpowiednio do każdej aplikacji, a w terminalu bezpiecznie, więc prompty trafiają prosto do Claude Code albo Codex.
Narzędzia, które na Linuksie w ogóle nie działają
Warto to odnotować, bo większość zestawień „najlepszych aplikacji do dyktowania” wymienia je bez słowa o brakującej platformie. Zweryfikowane na podstawie platform deklarowanych przez producentów:
| Narzędzie | Platformy podawane przez producenta | Źródło |
|---|---|---|
| Wispr Flow | macOS, Windows, iPhone, Android | wisprflow.ai |
| Superwhisper | macOS, Windows, iOS, Android (Linux tylko jako wczesne wersje dla Omarchy i systemów opartych na Archu) | superwhisper.com |
| Aqua Voice | macOS, Windows, iPhone, Android | aquavoice.com |
| Dragon Professional | Tylko Windows; Wine i maszyny wirtualne oficjalnie nieobsługiwane | dragon.nuance.com |
| TypeWhisper | macOS, Windows i iOS stabilnie; Android w wersji beta | typewhisper.com |
| Soniox Voice Typing | macOS, Windows, iOS, Android | soniox.com |
| SpeechPulse | Windows, macOS (Apple Silicon) | speechpulse.com |
| PulseScribe | macOS, Windows; Linux w planach | pulsescribe.me |
| Talkativ | Windows | talkativ.app |
| DictaType | Windows | dictatype.com |
| Spokenly | macOS, iOS | spokenly.app |
| BetterDictation | macOS | betterdictation.com |
| Whispur | macOS | whispur.app |
| EdgeWhisper | macOS (Apple Silicon) | edgewhisper.com |
| VoiceInk | macOS 14.4+ | VoiceInk |
Instalacja Vibe Typera
- Pobierz AppImage ze strony pobierania.
chmod +x ~/Pobrane/VibeTyper.AppImage- Uruchom i zezwól na dostęp do mikrofonu.
- Ustaw globalny skrót klawiszowy.
- Kliknij w dowolną aplikację i mów.
Pełny przegląd znajdziesz na stronie dyktowanie głosowe dla Linuksa.
Najczęstsze pytania
Jaki jest najlepszy program do dyktowania na Linuksie?
Vibe Typer, dla większości osób: bez konfiguracji, działa od razu na Waylandzie i X11, a Magic Formatter usuwa „yyy” i poprawianie się w trakcie, więc do każdej aplikacji, także do terminala, trafia czysty tekst.
Czy są darmowe programy do dyktowania dla Linuksa?
Tak. Z Vibe Typera można zacząć korzystać za darmo, bez karty: darmowy plan to 2000 słów i 20 operacji AI miesięcznie, a Magic Formatter też jest w nim dostępny. Vocalinux, VOXD, Handy, nerd-dictation, Whispering i Speech Note są darmowe i mają otwarte źródła.
Które linuksowe programy do dyktowania działają na Waylandzie?
Vibe Typer działa natywnie na Waylandzie, także w GNOME, bez dodatkowej konfiguracji, i sam wybiera ścieżkę właściwą dla twojej sesji. Vocalinux i VOXD też działają bez dodatkowego dłubania. Handy, nerd-dictation, OpenWhispr i Whispering mogą działać z ydotool, dotool albo wtype, z zastrzeżeniami zależnymi od kompozytora. Talon obsługuje tylko X11.
Co dzieje się z moim dźwiękiem w Vibe Typerze?
Vibe Typer transkrybuje w chmurze. Dźwięk jest przetwarzany w pamięci i nie jest zapisywany, backend nie trzyma pamięci podręcznej z transkrypcjami i nic nie jest trenowane na twoim głosie.
Czy dyktowanie działa w terminalu na Linuksie?
Z Vibe Typerem tak: tekst trafia tam, gdzie stoi kursor, także w terminalach i edytorach, a w terminalu wkleja się bezpiecznie, również w Claude Code i Codex. Dyktowanie w przeglądarce tego nie potrafi.
Co jest dokładniejsze, Whisper czy VOSK?
Whisper, wyraźnie, zwłaszcza przy akcentach i hałasie w tle. Przewagą VOSK jest lekkość: swobodnie działa na skromnym sprzęcie. Większość obecnych narzędzi przeszła na Whispera albo whisper.cpp; nerd-dictation to główny pozostały przedstawiciel VOSK.
Jaki jest najlepszy program do dyktowania dla Ubuntu?
Vibe Typer. Ubuntu domyślnie używa Waylanda od 22.04, a Vibe Typer działa na nim natywnie, także w GNOME, jako jeden AppImage od Ubuntu 22.04. To jedno z trzech narzędzi w tym zestawieniu, które działają na Ubuntu bez wcześniejszych przygotowań.