前情提要
上一篇介紹了 asr-ime-fcitx 的基本架構：C++ addon 攔截熱鍵、Python daemon 錄音辨識、FIFO 雙管道通訊。那時候的功能是「按 F8 說話，辨識結果送到游標」，加上 Copilot GPT-5 mini 自動補標點。
一個月過去，commit 從 12 個變成 20 個，daemon_asr.py 從 800 行長到 1500 行。核心架構沒變，但做了幾件重要的事。
最大的新功能：Shift+F8 語音指令
這是我最常用的新功能。
用法：滑鼠選取一段文字 → 按 Shift+F8 → 對麥克風說指令（例如「翻譯成英文」「改成正式語氣」「加上標點」）→ 結果自動寫到剪貼簿，Ctrl+V 貼上。
選取文字 → Shift+F8 → 說「翻譯成英文」
↓
X11 primary selection 抓選取內容
↓
ASR 辨識語音指令
↓
Copilot/Claude 處理（指令 + 選取文字）
↓
結果 → xclip → 剪貼簿
C++ addon 收到 Shift+F8 時送 "command\n" 到 FIFO，daemon 切到指令模式。辨識完語音後，不走標點後處理，而是把語音指令和選取文字一起丟給 AI：
// asrime.cpp — Shift+F8 專門處理
if (key.check(fcitx::Key("Shift+F8"))) {
sendCommand("command\n");
keyEvent.filterAndAccept();
return;
}
# daemon_asr.py — 指令模式呼叫 AI
def run_clipboard_command(instruction, selected_text, timeout=60, provider="copilot"):
prompt = f"{instruction}：\n\n{selected_text}"
if provider == "claude":
cmd = [claude, "-p", prompt, "--model", "haiku", "--tools", ""]
else:
cmd = [copilot, "-s", "--model", "gpt-5-mini", "-p", prompt, "--allow-all"]
proc = subprocess.run(cmd, capture_output=True, text=True, timeout=timeout)
return proc.stdout.strip(), ""
指令處理跑在背景 thread，不會 block 正常的語音輸入。設定面板可以選要用 Copilot（GPT-5 mini）還是 Claude（Haiku）。
砍掉 Vosk
中間有一版加了 Vosk 做離線串流辨識，想法是「邊講邊出字」比較有即時感。實際用了幾天發現：
- Vosk 中文模型辨識率明顯比 faster-whisper 差
- 串流模式程式碼複雜度高，要處理 partial result、model 下載、各種狀態
- faster-whisper 本身已經夠快，小模型幾乎即時
所以整包砍了，設定面板也跟著簡化。加了又砍，少了幾百行程式碼。
process-on-stop 模式
之前的預設是「偵測到靜音就自動送字」（silence 模式）。在安靜環境很好用，但在咖啡廳、辦公室之類比較吵的地方，RMS 門檻很難調，常常講到一半就被切斷。
daemon 預設改成 process-on-stop：按 F8 開始錄 → 一直錄到再按 F8 停止 → 一次辨識全部內容。
# daemon DEFAULT_CONFIG
"process_on_stop": True,
想要即時送字的話，設定面板取消勾選「只在切回 OFF 時辨識一次」就好。或啟動時加 --no-process-on-stop。
設定面板簡化
砍掉 Vosk 之後，設定面板也大幅瘦身（302 行），只留真正會用到的選項：
- 辨識後端：
local（faster-whisper）/google - 麥克風：auto 或指定 index / 名稱關鍵字
- 強制繁體
- process-on-stop 開關
- 語音門檻（背景噪音過濾，建議 0.05~0.3）
- 指令模式 AI：
copilot（GPT-5 mini）/claude（Haiku） - 本機模型：tiny / base / small / medium / large-v3
- 本機裝置：auto / cpu / cuda
- 本機精度：auto / int8 / float16
- 儲存後自動套用（reload Fcitx + restart daemon）
以前有複雜的熱鍵編輯器、Vosk model 選擇器，全部拿掉了。熱鍵現在就是 F8，要改的話編輯 ~/.config/asr-ime-fcitx/hotkeys.conf。
daemon 裡的半成品
這一個月迭代過程中，有些功能的程式碼寫進了 daemon，但最後設定面板簡化時沒有保留對應的 UI：
- Smart Edit（
postprocess_mode: "smart"）— 填充詞過濾 + 自我修正偵測，程式碼完整，可透過config.json手動設定或--postprocess-mode smart啟用 - 上下文記憶（
enable_context_memory）— 保留最近 N 段辨識結果作為 LLM 上下文，可透過--enable-context-memory啟用 - 多語言切換 — daemon command_loop 有處理
switch_language指令，但 C++ addon 沒有對應的熱鍵，只能啟動時用--language en-US指定 - 語調控制 —
TONE_PROMPTS定義了 casual / formal / professional / creative，但self.tone硬寫"casual"，沒有 CLI 或 UI 可以改
這些都是核心邏輯寫好了、但還沒打磨到一鍵可用的程度。未來如果需要，把 UI 接回去就能用。
目前的架構
┌────────────────────────────────────────────┐
│ C++ Addon (asrime.cpp, 259 行) │
│ - F8 → toggle 錄音開關 │
│ - Shift+F8 → 語音指令模式 │
│ - 從 commit FIFO 讀辨識結果 → commitString │
└────────┬───────────────────┬───────────────┘
│ cmd.fifo │ commit.fifo
▼ ▲
┌────────────────────────────────────────────┐
│ Python Daemon (daemon_asr.py, 1533 行) │
│ - sounddevice 麥克風擷取 │
│ - VAD（RMS 門檻）或 process-on-stop │
│ - ASR：Google Web Speech / faster-whisper │
│ - 後處理：heuristic 標點 / LLM command │
│ - OpenCC 強制繁體 │
│ - Shift+F8 指令 → Copilot/Claude → xclip │
└────────────────────────────────────────────┘
小結
這一個月的重點：
- Shift+F8 語音指令 — 日常最實用的新功能，選文字 → 說指令 → 貼上
- 砍掉 Vosk — 加了又砍，學到「少即是多」
- process-on-stop 預設 — 吵雜環境下更穩定
- 設定面板瘦身 — 只留真正用得到的選項
- Claude Haiku 支援 — 語音指令多一個 AI 選擇
最值得記錄的教訓：加功能容易，砍功能更重要。Vosk、複雜的設定 UI 都是加了又砍，最後少了幾百行程式碼，設定面板也更乾淨。daemon 裡留著的半成品程式碼（Smart Edit、上下文記憶等）之後有需要再接回來就好。