pi-mimo-voice-input

Pi MiMo 语音输入扩展 — 中文 ASR、本地 VAD、可选口语整理与录音自检

Package details

extension

Install pi-mimo-voice-input from npm and Pi will load the resources declared by the package manifest.

$ pi install npm:pi-mimo-voice-input

Pi manifest JSON

{
  "extensions": [
    "./index.ts"
  ]
}

Pi packages can execute code and influence agent behavior. Review the source before installing third-party packages.

简体中文 | English

为 Pi coding agent 打造的轻量级中文语音输入扩展，基于小米 MiMo，支持 Ubuntu/Linux 和 macOS，安装后直接在 Pi 中使用。

基本开箱即用：安装扩展和本机录音工具后，只需填入一个 MiMo API Key，其他配置保持默认即可。

仅提供语音输入，不包含 AI 回复语音播放。

成本低，适合日常高频使用：语音输入通常是短句、多次调用；MiMo 较低的模型调用成本，以及 Flash 处理短文本的低开销，适合把语音作为日常输入方式。
语音识别和文本模型配套：MiMo 既有语音识别模型，也有 Flash 文本模型，使用同一个普通 API Key 就能串起“录音 → 转写 → 口语清洗”，无需再接入另一家模型服务。
Flash 足够快，可以直接做口语清洗：默认整理模型 mimo-v2.6-flash 可直接处理语气词、重复表达、标点断句和明确的自我纠正，适合在转写后紧接着整理文本，再写入编辑器草稿。

实际费用以 MiMo 官方定价为准，耗时会随网络、文本长度和服务负载变化。口语整理默认关闭，按需开启；结果仍需人工复核。

需要 Pi 和 Node.js ≥ 22.19。先安装本机录音工具：

# Ubuntu / Debian
sudo apt install pulseaudio-utils alsa-utils
# macOS
brew install sox

推荐直接通过 npm 安装，无需克隆仓库或手动编译（npm 包）：

pi install npm:pi-mimo-voice-input

本地安装 / 开发（普通使用可跳过）：

git clone https://github.com/JXZxiao5/pi-mimo-voice-input.git
cd pi-mimo-voice-input
npm ci --ignore-scripts --legacy-peer-deps
pi install "$PWD"

不要同时加载本地版本与 npm 版本；切换前用 pi remove <原安装来源> 移除旧声明（旧包为 npm:pi-mimo-voice-zh）。

从 MiMo 控制台获取普通 API Key（不支持 Token Plan）， **最简单的设置方式：复制 Example 配置到 ~/.pi/mimo-voice-zh.json，填入自己的 apiKey 即可。**已有配置的用户按需合并，不要直接覆盖。

示例使用 F8 录音，并开启 mimo-v2.6-flash 口语整理；其余选项自动使用默认值。

运行 chmod 600 ~/.pi/mimo-voice-zh.json 保护凭据，然后在 Pi 中执行 /reload，按 F8 即可开始语音输入。不要将真实配置提交到 Git。

口语整理会增加一次 MiMo 文本请求，失败或超时保留原文；不需要时将 textCleanupEnabled 改为 false。

**需要进一步定制快捷键、录音设备、VAD 或模型参数？请看配置说明。**普通使用无需调整高级选项。

F8 或 /voice：开始录音，再次操作则停止并识别。等待状态栏出现录音计时（如“● 0:00 · F8”）后再说话；部分键盘需按 Fn+F8。
/voice-test：本地录音自检，再次运行停止并回听，最多录制 10 秒；回放中再次运行可停止回放。
/voice-status：查看设备、录音检测和口语整理状态。
/voice-raw：恢复最近一次整理前的原文；草稿已修改或发送时不覆盖，退出或重载后不可恢复。
/reload：重新加载代码和配置。

进度只显示在状态栏，录音时显示时长和停止快捷键，不再重复弹出正常进度或转写预览。识别结果追加到编辑器，保留已有草稿，不会自动发送。启用口语整理后允许改写，发送前请人工复核。录音发送给 MiMo；启用整理时还会向 MiMo 文本模型发送转写文本。自检完全本地，不调用 API。