声、像、思、音，皆成文字。 一款开源跨平台「多模态 AI 输入法」：把 OCR（图片/截图转文字）、LLM（远程大模型） 融为一体（ASR/TTS 为实验性能力：代码保留、默认关闭、入口隐藏、不承诺），支持 Windows / macOS / Linux。
项目状态：M0–M5 主体完成——Windows TSF 前端 + LLM 直输实机验收通过；macOS IMK 前端已实现并打包（.app）；中文引擎为 Rime（librime）单引擎（候选窗/分页/主题随 M5 实机验收）；OCR（Windows.Media.Ocr/rapid）为正式能力，与 Slint 设置面板已端到端打通；ASR/TTS 冻结为实验性（2026-08-29 Owner 决策：代码保留、默认关闭、入口隐藏，不承诺）。 剩余：Linux 前端（低优先）、性能预算（范围 = LLM 核心输入链路 + OCR）、日志脱敏、M6 发布收尾（Alpha/Beta）。 见 Windows 手动验收清单 与 路线图。
传统输入法只处理「键盘 → 文字」这一条通道，而我们的表达方式早已不止于键盘：
- 看到一段文字、一张截图，想直接变成可编辑文本 → OCR
- 想说一段话、想把文字读出来（ASR / TTS）→ 实验性能力：代码保留、默认关闭、入口隐藏，不承诺
- 想润色、翻译、续写、总结，或直接"问一句" → LLM（远程）
Verba 的目标是成为三个平台上的「统一输入入口」：任何表达方式，最终都变成文字，落到光标处。
| 能力 | 说明 |
|---|---|
| 🖼️ OCR | 截图选区域 / 剪贴板图片 / 图片文件 → 文字上屏；//看图 / 眼睛 vision 直接把屏幕区域交给多模态 LLM 理解与提取 |
| 🎙️ ASR（实验性） | 全局快捷键唤起语音输入 → 实时转写 → 上屏（冻结为实验性：代码保留、默认关闭、入口隐藏，不承诺） |
| 🤖 LLM（远程） | 输入法内 AI 模式：翻译、润色、续写、总结、自定义 Prompt，流式输出；多轮上下文（ai_context_turns，//new 清空）；上屏文本自动并入窗口级上下文会话（窗口关闭即销毁，密码类字段检测不上屏外发） |
| 🔊 TTS（实验性） | 朗读选中文本 / 候选词，可配置上屏自动朗读（同上：实验性，不承诺） |
| ⌨️ 输入 | 英文直输 + 标点 + 快捷指令；快捷短语（//短语 <名称> 一键插入用户模板，verba-cli phrase set/list/del 管理）；中文拼音引擎（librime/Rime，单引擎） |
| ⚙️ 配置 | 统一设置面板（Slint 跨平台），AI 服务商可插拔，密钥系统密钥库安全存储 |
| 🔒 隐私 | 本地能力默认离线；远程 LLM 显式开关并提示数据出境 |
| 平台 | 输入法框架 | 状态 |
|---|---|---|
| Windows 10/11 | Text Services Framework (TSF) | ✅ 已实现 + 实机验收（M1） |
| macOS 12+ | Input Method Kit (IMK，全 Rust) | ✅ 已实现 + .app 打包；交互验收收尾（M2） |
| Linux | Fcitx5 / IBus / Wayland (zwp_input_method_v2) / X11 (XIM) | ⏳ 未开始（低优先） |
共享 Rust 核心 + 各平台薄前端 + 后台守护进程（daemon）：
┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ Windows TSF │ │ macOS IMK │ │ Linux │
│ 前端 (Rust) │ │ 前端 (Rust) │ │ Fcitx5/IBus │
└──────┬───────┘ └──────┬───────┘ └──────┬───────┘
│ IPC（Protobuf / 本地套接字） │
└──────────────────┬──────────────────┘
┌────────▼────────┐
│ Verba Daemon │ ← 核心引擎（Rust/tokio）
│ OCR·LLM (+ASR/TTS 实验) │
└────────────────┘
git clone https://github.com/gqf2008/verba-ime.git
cd verba-ime
cargo build --workspace # 构建核心与 CLI
cargo run -p verba-cli -- --help平台前端已落地：Windows TSF 与 macOS IMK 均已实现并打包；构建、安装与验收见 构建与打包、Windows 手动验收清单 与 路线图。
- M0 地基：仓库骨架、CI、核心引擎与 CLI ✅
- M1 Windows 垂直切片：TSF 前端 + LLM 远程直输 ✅（实机验收）
- M2 三端齐平：macOS IMK ✅（已实现打包，交互验收收尾）；Linux Fcitx5/IBus 低优先
- M3 多模态：OCR 已打通（mock + 在线 + 本地 rapid）✅（正式能力）；ASR 冻结为实验性，whisper.cpp 不再推进
- M4 打磨发布：设置面板、候选窗口已完成；TTS 冻结为实验性；性能预算（LLM 核心输入链路 + OCR）/日志脱敏待办
- M5 中文引擎：Rime 单引擎 + 候选窗/分页/主题 ✅
- M6 发布：签名、公证、安装包流水线已就绪（release.yml：macOS codesign/notary/DMG、Windows Inno Setup + signtool）—— Alpha/Beta 与社区运营进行中（见 docs/roadmap.md）
- imekit — Rust 跨平台 IME 协议库（TSF/IMK/Fcitx/IBus/Wayland）
- khiin-rs — Rust 跨平台输入法工程范式（TSF/IMK/Android + Protobuf IPC）
- fcitx5-afrim — Rust 编写原生 Fcitx5 插件的范式
- Rime / librime — 中文输入引擎（路线图集成对象）
- 素言 SuYan 输入法 — 同类产品（Windows/macOS、RIME 系、离线语音 + 截图），作为竞品与体验参考
MIT License（暂定，正式发布前可调整）。