免選字，把話打完。
在你的電腦上用 Transformer 看前文選字的注音輸入法，支援 Linux、macOS 與 Windows。

官網 · 下載 · 選字技術 · 操作指南 · CLI 文件 · 支援 · 隱私 · 回報問題

English — 0C (靈犀注音) is a Zhuyin (Bopomofo) input method for Traditional Chinese. An on-device Transformer language model reads what you have just written and picks the right homophones, so you can type a whole sentence without stopping to choose characters. It runs entirely on your computer, and ships shells for Fcitx5, IBus, macOS InputMethodKit and Windows TSF.

• 🧠 Transformer 選字：自行訓練的語言模型參考整段前文與注音判斷同音字，大多數時候不必停下來挑字。
• ⇥ Tab 補全：有把握才提示後續字詞，按 Tab 接受；補全只來自詞庫與個人片語，不生成新內容。
• 🔒 全在本機：選字、補標點與個人學習都在你的電腦上以 CPU 執行，不連網、不上傳打字內容。
• 📚 我的詞彙：人名、術語、英文指令加進來就排在前面，也看得到靈犀學到了什麼。
• 🔤 中英混打、模糊音、Emoji 與顏文字：ㄗ／ㄓ、ㄘ／ㄔ、ㄙ／ㄕ、ㄣ／ㄥ 近音放在後面備選；按 = 開 Emoji 選單。
• 🔁 輸出簡體字、自訂選字鍵：看繁體打字、送出時才轉簡體，可從輸入法選單一鍵切換；選字鍵可用 1–0 或 asdfghjkl;。
• ✍️ 送出時補標點（Beta）：Enter 送出時在漢字之間補上 ，。？！、；，不改動你打的字。
• 🛟 自動退回：模型無法啟動或回應太慢時改用統計引擎排序，打字不會卡住。

傳統注音輸入法靠詞庫與詞頻挑字，只看得到相鄰的一兩個詞。靈犀注音在統計引擎之上多了一層 Transformer 重排：

flowchart TD
    K["⌨️ 注音按鍵"] --> L["📖 詞庫查詞，建立詞圖"]
    L --> V["📊 統計引擎：unigram／bigram＋Viterbi<br/>取 N-best 前 8 名"]
    C["📝 已送出的前文<br/>最多 64 字"] -.-> T
    V --> T{"🧠 Transformer 重排<br/>前文＋注音＋候選"}
    T -->|"100 ms 內完成"| P["👤 套用個人詞庫"]
    T -.->|"逾時或模型無法使用"| F["🛟 統計排序"]
    F --> P
    P --> O["✅ 首選上屏"]
    O -->|"Enter 送出"| Q["✍️ 補標點（Beta）"]

1. 列出可能的句子 📖：依注音在詞庫找出所有可能的字詞，以 unigram／bigram 統計語言模型與 Viterbi 在詞圖上搜尋最可能的組合，打字時即時更新。
2. Transformer 重排 🧠：讀入剛送出、游標仍緊接其後的前文（最多 64 字）、目前的注音與每個候選，替前 8 名重新評分。attention 能同時參考整段前文，不只看緊鄰的詞。
3. 本機學習 👤：你選過、改過的字詞記在本機個人詞庫，下次同樣的情況優先出現。
4. 有把握才補全 ⇥：後續字詞的信心夠高時才顯示 Tab 建議。

在事前凍結、模型沒看過的台灣新聞測試（2026-09-24〜26，共 6,000 例，一半是困難的同音短詞）上：

xychart-beta
    title "首選錯誤率（越低越好）"
    x-axis ["新酷音", "小麥注音", "靈犀・統計", "靈犀・Transformer"]
    y-axis "錯誤率 %" 0 --> 40
    bar [35.8, 32.8, 23.1, 14.0]

測試規格、成功標準與評分程式都在讀取資料前凍結，只評一次；讀音由字典合成、答案取原文，不是真人打字紀錄。外部輸入法採對它們最有利的輸入方式、無個人詞庫。靈犀注音的兩個數字來自兩個不同的訓練種子；「只用統計引擎」也是模型無法啟動時的表現。免選字是目標而非保證：罕見人名與詞庫外的詞仍可能要手動選。

模型從零開始訓練，不使用通用大型語言模型的權重，採用 RoPE、GeGLU 等現代化元件。一般桌機 CPU 上選字的 P95 延遲約 7 ms（短片段）至 16 ms（長片段）；兩個模型合計約 250 MB。密碼欄位、暫停學習及英數模式下不送任何文字給模型。更多數字與方法見 選字技術。

Windows、macOS、Linux 安裝包請到官網下載：👉 0c.biggo.com/download

發行版打包請用 Releases 的 0c-ime-<版本>.tar.xz：內附現成字典，符合 DFSG，解壓即可建置；已配對的神經模型在另附的 0c-ime-models-<版本>.tar.xz。見 打包與發佈。

需要 Go 1.26 以上；測試與發佈工具使用 Python 3.11 以上。以下指令在 repo 根目錄執行，不會安裝或重啟桌面輸入法：

git clone https://github.com/0c-biggo/0c-ime.git
cd 0c-ime
make assets          # 下載與這份原始碼相符的字典與模型
go test ./...
go run ./cmd/0c-cli -data assets/data

make assets 從同版本的 Release 取得原始碼與模型 tarball（合計約 275 MB），驗證後把現成字典放到 assets/data/、已配對模型放到 models/select/ 與 models/punct/，和出貨內容相同；0.2.2 起 Release 附的 Source code 壓縮檔也適用。要指定版本用 make assets RELEASE=v0.2.2，只取字典用 make assets MODELS=0（約 36 MB，以統計選字運作）。

cmd/ 下工具的旗標、輸入輸出與範例見官網 CLI 文件，例如 0c-cli、0c-update、0c-mcp。

發行版維護者以 make install PREFIX=/usr 做系統安裝、由套件管理員更新，見 Linux 系統安裝。

各平台外殼另需各自的工具鏈與系統函式庫：

core/         輸入法邏輯：注音解析、詞圖解碼、語言模型、候選重排、個人學習（不做 I/O）
bridge/       引擎與外殼之間的行程間通訊（IPC）
internal/     設定、自動更新、神經推論 worker、詞庫編譯與評測等共用程式
cmd/          執行檔入口：0c-server、0c-ibus、0c-update、0c-cli、0c-compile、0c-eval…
platforms/    Linux／macOS／Windows 外殼、設定程式、神經推論
data/         詞庫來源、來源帳本與授權聲明
models/       上游模型與字典配對的固定清單
scripts/      建置、打包與回歸測試工具
testdata/     測試資料

詞庫格式與資料來源見 data/README.md，模型版本與配對見 models/README.md。

歡迎回報問題與送 PR！請先看 參與開發：回報時附上版本、平台與逐鍵重現步驟；改程式前後跑一次檢查：

python3 scripts/check_public_tree.py
go test ./...
go vet ./...
make -C platforms/linux-fcitx5 test
make test-upgrade
make test-release

版本變更見 CHANGELOG。

自有程式採 AGPL-3.0-only，另可洽談商業授權；自有圖示與圖片採 CC BY-SA 4.0；資料、模型與第三方元件依各自授權，見 授權說明。