mori-ear

全域熱鍵 → 錄音 → STT → 焦點視窗

Mori 宇宙的「耳朵」器官 — 極簡 Rust CLI。預設按一下開始、再按一下停止，講話中的停頓會先送去轉譯；獨立於 mori-desktop(身體 / GUI), 身體重啟時耳朵還在聽。

實測範圍：新的運作模式目前只在 Linux X11 實測。Windows 尚未實測，可能正常，也可能遇到問題；Wayland 與 macOS 也不列入這次新模式的實測保證。

快速開始

已經有 Rust?本機 whisper-server 可直接使用；需要雲端 fallback 或繁中 cleanup 時再設定 Groq API key。

cargo install --path . && mori-ear &

安裝路徑

兩種路徑，挑一個：預編譯 binary(快、不用 Rust 工具鍊)或從原始碼。

Windows · 預編譯

(選用)設 Groq key:setx GROQ_API_KEY gsk_xxxxx
從 Actions 抓最新 mori-ear-windows-x86_64.zip,解壓到固定路徑。
跑 install-autostart.ps1(會彈 UAC，點是)→ 登入後自動啟動。
立即啟動：Start-Process .\mori-ear.exe

注意：Windows 尚未實測新的 toggle、停頓分段與邊講邊貼流程。程式可能正常，也可能遇到問題。

從原始碼?→

Linux · 預編譯

(選用)設 Groq key：
export GROQ_API_KEY=gsk_xxxxx。X11 paste-back 另裝 xclip xdotool；Wayland 裝 wl-clipboard ydotool 並啟動 ydotoold。
從 Actions 抓 mori-ear-linux-x86_64.tar.gz，解壓後 install -m 755 mori-ear ~/.local/bin/。
登入自動啟動：./install-autostart.sh
立即啟動：mori-ear &

從原始碼?→

從原始碼建置

裝 Rust。Windows 加裝 MSVC C++ Build Tools(rustup-init 會提示)；Linux 加 pkg-config libasound2-dev libx11-dev，再依 session 裝 paste-back 工具。
git clone https://github.com/yazelin/mori-ear && cd mori-ear
cargo install --path . — binary 進 ~/.cargo/bin/。
依平台跑 scripts/install-autostart.{ps1,sh} 設登入自動啟動。

完整 README →

Linux 便利:`ear` 一鍵 wrapper

把「裝 / 啟 / 停 / 解除」收成一個指令 + GNOME 全域 toggle 快捷鍵。Linux + GNOME 主測；KDE / XFCE / Sway 自動 skip keybind 層，其他層照常 work。

git clone https://github.com/yazelin/mori-ear
cd mori-ear
ln -s "$PWD/scripts/ear.sh" ~/.local/bin/ear
ear install

ear install 自動跑 依賴檢查 + cargo install + XDG autostart + GNOME 快捷鍵 + 啟動 五層,idempotent — 已裝的會跳過。

ear(無參數) — toggle on/off,等同按 Ctrl+Shift+Alt+E
ear on / off / status / log — 明確開關、看 process + 各層安裝狀態、tail log
ear autostart on|off — 只動開機自動啟用(不動 binary / 快捷鍵)
ear keybind on|off — 只動 GNOME Ctrl+Shift+Alt+E 快捷鍵(不動其他層)
ear uninstall — 反過來全套拆(會確認;--yes 跳過 prompt)

使用

按一下 Ctrl+Alt+E

預設 toggle，開始錄音

講話

停頓就先分段送 STT

再按一下

尾巴完成 STT + cleanup LLM

字貼進焦點視窗

toggle 會逐段 live-paste

想用傳統按住說話、放開停止，可在 voice_input.hotkey_mode 設成 "hold"。hold 會用外部 yad 顯示預覽；因為按住熱鍵時的 keyboard grab，hold 不支援邊講邊貼，長句可在確認視窗編輯後送出。

特性

全域熱鍵

任何視窗按 Ctrl+Alt+E 就講話。可改 ~/.mori/ear.json 的 hotkey 欄位。

自動貼回焦點視窗

Win32 clipboard + SendInput,Linux 走 xclip + xdotool。Terminal 自動偵測切 Ctrl+Shift+V。

雙 STT backend

auto 預設先走本機 whisper-server；不可用才 fallback Groq。也能用 local / groq 強制單一路徑。

繁中校正 LLM

Whisper 簡體輸出 + 偶爾幻覺出 YouTube 結尾語。cleanup LLM 二次處理，清掉雜訊、轉繁體。

停頓就先轉譯

錄音期間背景偵測尾巴靜音，將前段併行送去 STT；停止時通常只剩最後一小段需要等待。

Loopback HTTP service

預設在 127.0.0.1 提供 /inference，讓 AgentOS / mori-desktop 共用這顆耳朵的轉譯能力。

設定

~/.mori/ear.json(可選,partial merge — 沒寫的欄位使用預設；Groq key 也會從 ~/.mori/config.json / 環境變數補):

{
  "hotkey": "Ctrl+Alt+E",
  "backend": "auto",
  "language": "zh",
  "raw": false,
  "paste_back": true,
  "transcribe_timeout_secs": 90,
  "service": { "enabled": true, "port": 0 }
}

hotkey：任意組合，被其他程式佔用會 register 失敗。換一組(例 Ctrl+Shift+V / Ctrl+Alt+Y)。
groq_api_key:留空時 fallback ~/.mori/config.json 的 providers.groq.api_key,再 fallback 環境變數 GROQ_API_KEY。
language:空 = 自動偵測。zh / en / 其他 ISO 639-1。
raw:true = 跳過 cleanup LLM,直接送 raw Whisper 輸出。省 ~200ms / 一輪 token,但會有錯字 / 簡體。
cleanup_prompt_file:cleanup LLM 的 system prompt 來源 .md / .txt 路徑(支援 ~/)。空 / 檔不存在 → fallback 內建。每次 cleanup live-read,改 prompt 不必重啟。指向 mori-desktop 的 USER-00.純文字輸入.md 可共用同一份。
paste_back:true(預設)同時印 stdout + 貼焦點視窗;false 只印 stdout,不碰 clipboard。pipe / headless 場景設 false。
backend:auto(預設)先走本機 whisper-server,失敗才 fallback Groq；也能指定 local 或 groq。本機路徑不需要 Groq key。
voice_input:可設定 toggle / hold、停頓分段、live-paste、yad 預覽與靜音剪裁；完整欄位以 README 為準。
transcribe_timeout_secs:一次 STT + cleanup 的整體 timeout，預設 90 秒。
service:預設在 127.0.0.1 開 GET /、GET /health 與 POST /inference；設 enabled:false 可關閉。

Batch / pipe 模式

不按熱鍵，直接餵音檔(wav / mp3 / m4a / flac / webm / ogg)轉文字到 stdout。跟 daemon 模式互不衝突。

本機 whisper-server 只吃可解碼的 WAV；backend=auto 餵其他格式時會在本機失敗後 fallback Groq，因此需要 Groq API key。

mori-ear --input recording.wav > out.txt
mori-ear --input clip.wav | translate -t en

Loopback 轉譯服務

mori-ear 不只是一個 hotkey daemon，也能作為 Mori 宇宙共用的 STT provider。daemon 預設開啟服務；mori-ear --serve 則只啟動服務，不註冊熱鍵。

服務發現

只綁 127.0.0.1，不對外公開。
實際 port 寫入 ~/.mori/mori-ear-server.json。
AgentOS / mori-desktop 先用 GET / 驗活，再送轉譯。
服務停止時會移除自己的 descriptor，避免 stale discovery。

`POST /inference`

必填 multipart 欄位：file。
選填：language、prompt、backend、cleanup。
回應：{"text":"..."}。
cleanup=false / 0 / raw / none 可要求 raw output。

平台支援

環境	hotkey	paste-back	備註
Windows	尚未實測	尚未實測	已有 Win32 SetClipboardData + SendInput Ctrl+V 路徑，但新模式尚未驗證，可能正常，也可能遇到問題
Linux X11	已實測	已實測	目前新運作模式的主要驗證環境；xclip + xdotool ctrl+v，Terminal 自動偵測切 +Shift
Linux Wayland	未實測	未實測	程式已有 GlobalShortcuts portal 與 `wl-copy` + `ydotool` 路徑，但新模式不在目前實測範圍；需要 `ydotoold` 與 `input` 群組
macOS	理論支援	理論支援	第一次跑要授權 Accessibility；paste-back 走 enigo `text()` 逐字 fallback