0c-biggo/0c-ime
效率与系统工具本機 Transformer 依前文選字的注音輸入法,讓台灣使用者整句打完不必逐字挑同音字。
如果你平常打注音、而且經常停下來挑同音字,0C(靈犀注音)值得當成日常輸入法試用;但它更適合視為一個新專案的實驗,而不是理所當然能全面取代現有輸入法。它要解決的正是「打完一串注音、還得按數字鍵挑字」這個反覆打斷節奏的動作。
解決什麼問題
原本的流程是:打幾個音節、等候選字出現、按鍵選字,句子讀起來不對再回頭改。這個中斷每句話會發生好幾次,遇到人名和術語更明顯。0C 保留統計式詞圖解碼,再加一層 Transformer,讀取剛送出、游標仍緊接其後的最多 64 字前文,替前 8 名候選重新評分,首選命中率因此提高,你可以繼續往下打。
有什么不同
它採兩段式解碼:unigram/bigram 加 Viterbi 先列出前 8 名,再由因果 Transformer(8 層、寬度 512、約 3,261 萬參數、從零訓練)結合注音與已送出前文重新排序。只有在模型有把握時才顯示 Tab 補全,而且補全只來自詞庫與個人片語,不生成新內容。全部在 CPU 上執行,兩個模型合計約 250 MB,P95 延遲約 7–16 ms。
最值得看的是評測:事前凍結的台灣新聞測試(2026-09-24〜26,共 6,000 例,一半是困難的同音短詞,讀音由字典合成、答案取原文),Transformer 版本首選正確率 86.0–86.1%,統計引擎單用 76.9%,新酷音 0.11.0 與小麥注音分別為 64.2% 與 67.2%。這是作者執行、以合成讀音為輸入的結果,不是真人打字紀錄;README 也直言免選字是目標而非保證。不連網、不上傳打字內容,密碼欄位、暫停學習與英數模式下不把文字送給模型;模型失效時自動退回統計排序。
谁值得试
適合:在 Linux(Fcitx5 或 IBus)、macOS 或 Windows 上常用注音打整段繁體中文,願意安裝發行版、維護個人詞彙,並試用選配標點功能。不適合:需要多年使用者回報、已被大量日常使用驗證的輸入法,或不願自行建置測試、卻想在文件列出的四種外殼以外平台使用的人。
使用条件与边界
從原始碼建置需要 Go 1.26,測試與發佈工具需要 Python 3.11;各平台外殼另需自己的工具鏈與系統函式庫,見建置說明。make assets 會從對應 Release 取得約 275 MB 的字典與配對模型;只取字典約 36 MB。個人學習存在本機,授權為 AGPL-3.0-only 並可洽談商業授權,送出時補標點標為 Beta。罕見人名或詞庫外的詞仍可能要手動選,模型與字典是配對版本,必須和安裝的 Release 一致。
HotRepo 点评
HotRepo 在專案建立 5 天時才開始追蹤,2026-10-25 在 go 新項目榜(不是總榜)以 141 顆總星數排第 11;樣本只涵蓋 2026-10-24 到 2026-10-25,還無法判斷熱度能否持續。採用前請確認你所在平台的外殼,以及所安裝版本的字典與模型配對。
本文由 AI 根据项目 README 生成,更新于 2026年10月25日,以项目官方文档为准。