代码全部公开
源码、词库和构建脚本都在仓库里。不放心的话，可以自己读一遍，或者干脆自己编译一份来用。
翩若惊鸿，
言如泉涌。
言泉是一个开源的 Windows 拼音输入法。没有广告，不捆绑软件， 也不会上传你的输入记录——词库、设置和学习数据都只存在本机。 代码全部公开，它做了什么，你随时可以查证。
开源
代码、词库、构建脚本都在 GitHub 上，任何人都能查看，也能自己编译。
本地
输入内容全部在本机处理，没有云端联想，也没有遥测上报。
干净
安装时不带别的软件，不改浏览器首页，卸载后不留东西。
它做了什么，没做什么
功能不求多，但每一项行为都摆在明处。
不带多余的东西
没有捆绑安装，没有弹窗和推送，也不会动你的浏览器和系统设置。它只做输入法该做的事。
输入内容不出本机
所有处理都在本地完成，不联网也照常工作。你打过的字，只有你自己知道。
Windows 原生集成
基于 TSF（文本服务框架）开发，同时支持 64 位和 32 位程序，在 Windows 10 和 11 上原生运行，并针对部分旧式应用和游戏补充兼容注册与候选窗定位回退。候选窗口适配高分屏和多显示器，常用切换快捷键可以自行设置；首次切换时先提供基础候选，再在后台接入完整模型，避免冷启动拖慢或影响当前应用。
越用越顺手
你常打的词会排得越来越靠前，刚上屏的前文也会用于调整候选顺序。v1.20.0 还能在安全可读的编辑窗口中参考光标前的文档内容，为当前文档反复出现的术语、人名和相邻表达提供有限加分；临时缓存按文档隔离，只留在内存中，密码框和受保护区域不会读取。不管是全拼、简拼、混着打，还是分几段确认出来的词组，它都记得住；本地学习数据也可以在设置中一键清空。
全拼、双拼与模糊拼音
除了全拼，还内置六种双拼：微软、小鹤、自然码、搜狗、紫光和拼音加加，并可分别启用 11 组常见声母、韵母模糊规则。不管用哪种方案，简繁词库、候选排序和学习数据都是同一套；长句还没打完时，词库里对得上的词和单字也会继续留在候选里。
原创的一键补全
言泉原创设计了候选窗一键补全：输入至少两个完整音节后，底部会在证据足够明确时只给出一个续写方案，可用 Tab 或反引号直接接受。短词补全会结合用户偏好、已上屏前文、词库流行度和语料转移证据，从内部多条方案中选出一个；长句在末尾形成稳定词锚点时，也可由受词库约束的本地模型补出一小段可靠后续。方向不明确时宁可不提示，学习结果只用于补全，不会改变普通用户词和单字权重。
现在的输入法功能越来越多，但很多人想要的其实很简单：
打字准一点，别弹广告，别偷偷传数据。
言泉就是照着这个想法做的。
长句和短词是怎么变准的
同样的拼音可以拆出很多种结果：yanquan 是「言泉」，也可以是「眼圈」「烟圈」。 句子越长，可能的组合越多，引擎要在几十条路径里挑出你想说的那条。 这部分工作完全在本地完成，历次版本的改进可以概括为四个阶段。
第一阶段是统计语言模型。v1.1.0 引入用语料训练的本地统计模型，除单个词的词频外， 还建模词与词、字与字之间的接续关系；v1.2.0 扩展字符语言模型，使其更早参与长句路径保留和完整候选排序。
第二阶段引入神经网络复核。v1.3.0 加入首个可部署的神经残差重排器：先由原有引擎生成完整候选， 再由微型神经网络复核一遍；v1.4.0 将这套离线训练能力扩展到短词，v1.5.0 又为长句和短词上下文排序加入独立的残差复核阶段，只在新候选优势足够明确时才调整顺序。
第三阶段让模型进入搜索和最终裁决。v1.6.0 首次将训练模型前移到长句路径搜索；v1.9.0 建立结构多样的完整候选池，并用语言模型、N-best 共识和残差信号统一复核；v1.13.0 以后进一步加入双向精确词锚定、高置信词库边保留、上下文差异感知排序和统一最终裁决， 让模型既能保住容易被切碎的合理路径，也能谨慎处理长句、短词和一键补全中的真实竞争候选。
第四阶段从 v1.18.0 开始，引入受约束的运行时 Transformer。拼音对齐模型只在长句基础排序存在明显歧义时复核内部完整候选； v1.19.0 又把拼音条件序列评分器接入最终裁决，并扩展长句一键补全的多级后缀召回。v1.20.0 进一步从“复核已有候选”走向“受约束地补充候选”： 直接拼音模型可以生成严格对齐、能由词库词组成的完整路径，局部续写模型则在静态索引不明确时补充一至三个词的短后续；文档级临时上下文也为当前文档中的术语和接续关系提供有限加分。 所有新结果仍要经过统一排序与置信门控，证据不足时主动弃权，不取代原有词库、搜索和用户学习。短词一键补全则将 nc-gpt 的离线判断蒸馏为静态先验，运行时不加载大模型。 详细改动见各版本发布说明。
发布前：分阶段离线训练
所有模型都在发布前完成训练：先从清洗后的中文语料学习词与词、字与字的接续规律，再以词库实际能生成的候选做对比训练，得到长句多阶段模型、短词重排器、直接拼音候选生成器和受约束的局部续写模型。训练产物不保存语料原文，基准测试语料也不参与训练。
安装时：轻量本地部署
全部模型随安装包一并提供：统计先验写入本地 SQLite 词库，大部分紧凑重排器转换为引擎原生参数；需要神经复核的长句排序和局部续写采用量化 ONNX 模型，由外部 Host 进程加载。无需另装模型或推理环境，使用时也不联网、不下载数据。
打字时：分轨本地排序
长句先在受控搜索中保留高置信词库词和结构多样的完整路径，直接拼音模型只在需要时补充严格对齐的候选，再由统计模型、N-best 共识、残差模型和歧义门控的 Transformer 统一复核；短词按有无前文进入各自独立的排序路径。模型证据不足时不强行改动，仍按精确匹配、词频和用户学习顺序给出候选。
大部分排序模型仍是引擎内的原生计算；需要 ONNX 推理的可选模型只在外部 Host 进程中使用随安装包提供的 ONNX Runtime， 后台加载、仅用 CPU，未就绪或推理失败时立即沿用原有结果。运行时不会启动 PyTorch 或外部模型服务，照旧不联网、不需要 GPU。 以下各套基准测试的语料都与训练数据隔离，成绩里没有「背题」的水分。
基准测试
长句、短词与一键补全测试语料都取材于开发者自己的小说《永恒的舞动》， 并与模型训练数据保持隔离。测试方法、案例构造和指标定义见 BENCHMARK.CN.md。
从 v1.11.0 起，同一位置的“他”和“她”按拼音输入无法区分，基准测试将二者视为等价；表中斜体数字为严格区分二者的旧口径结果。 后续版本统一使用新口径，不再重复公布旧口径数据。
长句基准测试-16300
对 16300 条长句一次性设置完整拼音，检查完整候选的准确率与引擎解码耗时。
| 版本 | Top1 | Top2 | Mean (ms) | P95 (ms) | Max (ms) |
|---|---|---|---|---|---|
| v1.20.0 | 11065 / 16300 67.88% | 12376 / 16300 75.93% | 59.53 | 110 | 406 |
| v1.19.0 | 10917 / 16300 66.98% | 12248 / 16300 75.14% | 55.99 | 94 | 437 |
| v1.18.0 | 10731 / 16300 65.83% | 12128 / 16300 74.40% | 51.78 | 93 | 454 |
| v1.17.0 | 10595 / 16300 65.00% | 12023 / 16300 73.76% | 42.68 | 78 | 406 |
| v1.16.0 v1.15.0 |
10553 / 16300 64.74% | 11921 / 16300 73.13% | 41.5 | 78 | 484 |
| v1.14.0 | 10345 / 16300 63.47% | 11903 / 16300 73.02% | 58.78 | 172 | 766 |
| v1.13.0 | 10131 / 16300 62.15% | 11320 / 16300 69.45% | 65.94 | 203 | 1047 |
| v1.12.0 | 9767 / 16300 59.92% | 10996 / 16300 67.46% | 63.03 | 187 | 1062 |
| v1.11.0 |
9760 / 16300 59.88% 旧口径 9340 / 16300（57.30%） |
10990 / 16300 67.42% 旧口径 10773 / 16300（66.09%） |
59.82 | 187 | 1031 |
| v1.10.0 | 9279 / 16300 56.93% | 10708 / 16300 65.69% | 60.39 | 188 | 1046 |
| v1.9.0 | 9121 / 16300 55.96% | 10685 / 16300 65.55% | 59.65 | 187 | 1172 |
| v1.8.1 | 8285 / 16300 50.83% | 9067 / 16300 55.63% | 72.44 | 281 | 1594 |
| v1.7.0 | 7940 / 16300 48.71% | 8642 / 16300 53.02% | 71.55 | 235 | 2047 |
| v1.6.0 | 7936 / 16300 48.69% | 8637 / 16300 52.99% | 66.99 | 219 | 1687 |
| v1.5.0 | 7459 / 16300 45.76% | 7966 / 16300 48.87% | 63.42 | 203 | 2140 |
| v1.4.0 | 7168 / 16300 43.98% | 7617 / 16300 46.73% | 66.23 | 218 | 2578 |
| v1.3.0 | 7155 / 16300 43.90% | 7601 / 16300 46.63% | 64.54 | 203 | 2188 |
| v1.2.0 | 6895 / 16300 42.30% | 7303 / 16300 44.80% | 59.89 | 188 | 2078 |
| v1.1.0 | 6677 / 16300 40.96% | 7067 / 16300 43.36% | 73.18 | 234 | 2750 |
| v1.0.0 | 6106 / 16300 37.46% | 6857 / 16300 42.07% | 71.49 | 219 | 5344 |
| v0.8.5 | 6097 / 16300 37.40% | 6847 / 16300 42.01% | 520.05 | 1203 | 13297 |
| v0.7.0 | 5368 / 16300 32.93% | 6110 / 16300 37.48% | — | — | — |
| v0.6.0 | 4905 / 16300 30.09% | 5378 / 16300 32.99% | — | — | — |
| v0.5.0 | 4834 / 16300 29.66% | 5243 / 16300 32.17% | — | — | — |
| v0.4.0 | 4371 / 16300 26.82% | 4744 / 16300 29.10% | — | — | — |
| v0.3.1 | 3845 / 16300 23.59% | 4651 / 16300 28.53% | — | — | — |
| v0.2.0 | 2671 / 16300 16.39% | 2863 / 16300 17.56% | — | — | — |
Top1：整句首选即正确的比例；Top2：前两个候选中含正确结果的比例。Mean、P95、Max 为引擎整句直设解码耗时（ms），不代表逐键输入到候选窗口显示的端到端延迟。
短词上下文基准测试-65000
65000 个二至四字词案例保留输入位置之前已经上屏的文本，用于评估短词精确候选和上下文消歧。 Contested 是同一拼音对应至少两个目标词的歧义子集。
| 版本 | Top1 | Top2 | Contested Top1 | Contested Top2 | Mean (ms) | P50 (ms) | P95 (ms) | Max (ms) |
|---|---|---|---|---|---|---|---|---|
| v1.20.0 v1.19.0 v1.18.0 |
61827 / 65000 95.12% | 63517 / 65000 97.72% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 4.584 | 3.985 | 9.653 | 39.36 |
| v1.17.0 v1.16.0 v1.15.0 |
61827 / 65000 95.12% | 63516 / 65000 97.72% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 3.817 | 3.239 | 8.376 | 39.881 |
| v1.14.0 | 61782 / 65000 95.05% | 63516 / 65000 97.72% | 9560 / 11728 81.51% | 10775 / 11728 91.87% | 3.998 | 3.132 | 8.665 | 68.147 |
| v1.13.0 | 61515 / 65000 94.64% | 63516 / 65000 97.72% | 9384 / 11728 80.01% | 10775 / 11728 91.87% | 4.748 | 3.652 | 10.337 | 103.689 |
| v1.12.0 | 61343 / 65000 94.37% | 63474 / 65000 97.65% | 9304 / 11728 79.33% | 10745 / 11728 91.62% | 4.400 | 3.417 | 9.462 | 104.316 |
| v1.11.0 |
61343 / 65000 94.37% 旧口径 61227 / 65000（94.20%） |
63474 / 65000 97.65% 旧口径 63461 / 65000（97.63%） |
9304 / 11728 79.33% 旧口径 9191 / 11728（78.37%） |
10745 / 11728 91.62% 旧口径 10732 / 11728（91.51%） |
4.217 | 3.284 | 9.110 | 75.503 |
| v1.10.0 | 61214 / 65000 94.18% | 63448 / 65000 97.61% | 9191 / 11728 78.37% | 10732 / 11728 91.51% | 4.425 | 3.446 | 9.591 | 84.68 |
| v1.9.0 | 61215 / 65000 94.18% | 63448 / 65000 97.61% | 9191 / 11728 78.37% | 10732 / 11728 91.51% | 4.214 | 3.268 | 9.113 | 71.004 |
| v1.8.1 | 61206 / 65000 94.16% | 63430 / 65000 97.58% | 9182 / 11728 78.29% | 10725 / 11728 91.45% | 4.85 | 3.721 | 10.413 | 107.714 |
| v1.7.0 | 61053 / 65000 93.93% | 63424 / 65000 97.58% | 9154 / 11728 78.05% | 10723 / 11728 91.43% | 4.668 | 3.468 | 10.013 | 158.471 |
| v1.6.0 | 61043 / 65000 93.91% | 63414 / 65000 97.56% | 9154 / 11728 78.05% | 10723 / 11728 91.43% | 4.455 | 3.295 | 9.580 | 160.817 |
| v1.5.0 | 61045 / 65000 93.92% | 63364 / 65000 97.48% | 9159 / 11728 78.10% | 10677 / 11728 91.04% | 5.033 | 4.113 | 9.968 | 142.372 |
| v1.4.0 | 60676 / 65000 93.35% | 63251 / 65000 97.31% | 8993 / 11728 76.68% | 10602 / 11728 90.40% | 5.573 | 4.521 | 11.157 | 158.687 |
| v1.3.0 | 59078 / 65000 90.89% | 62881 / 65000 96.74% | 8326 / 11728 70.99% | 10386 / 11728 88.56% | 5.460 | 4.396 | 10.939 | 176.912 |
延迟为启用上下文轨道后的引擎单次完整查询耗时，不包含 TSF 调用、候选窗口渲染和真实按键间隔。
一键补全上下文基准测试-12831
从固定短词语料构造 12831 个逐音节拼音前缀机会，读取候选窗实际显示的唯一补全方案，评估补全是否准确、能节省多少按键，以及继续输入时是否保持稳定。
| 版本 | 补全命中率 | 平均节省按键 | 逐键稳定率 | P95 (ms) |
|---|---|---|---|---|
| v1.20.0 v1.19.0 v1.18.0 |
9419 / 12831 73.41% | 2.549 | 1691 / 1749 96.68% | 2.026 |
| v1.17.0 | 9273 / 12831 72.27% | 2.554 | 1652 / 1718 96.16% | 1.880 |
| v1.16.0 | 8752 / 12831 68.21% | 2.570 | 1649 / 1676 98.39% | 1.509 |
| v1.15.0 | 7265 / 12831 56.62% | 2.542 | 1278 / 1323 96.60% | 0.777 |
补全命中率按唯一参考目标严格统计；平均节省按键已扣除一次接受补全的按键。P95 只统计本地补全查询与排序耗时，不包含候选窗口渲染和实际按键间隔。
长句一键补全基准测试-16300
固定保留每条长句末尾四个完整拼音音节不输入，评估候选窗实际显示的唯一局部续写。正确结果必须扩展目标前缀，并且仍是参考句的前缀。
| 版本 | 局部续写命中率 | 提示覆盖率 | 总节省按键 | P95 (ms) |
|---|---|---|---|---|
| v1.20.0 | 357 / 16300 2.19% | 6475 / 16300 39.72% | 861 | 42.672 |
| v1.19.0 | 202 / 16300 1.24% | 3834 / 16300 23.52% | 571 | 38.452 |
| v1.18.0 | 143 / 16300 0.88% | 3957 / 16300 24.28% | 478 | 40.329 |
该测试采用单参考答案评分，其他合理但不同于原文的续写仍计为未命中。v1.17.0 与 v1.16.0 使用旧的整句严格命中口径，仅保留为历史结果，不能与当前局部续写口径直接比较。
名字的由来
Cassotis
Cassotis 是古希腊德尔斐（Delphi）神庙旁的一眼圣泉。 传说女祭司皮媞亚在颁布神谕之前，会先饮下这眼泉水， 人们相信预言便是从这泉中来的。
这个名字里还藏着一点巧合：言泉是用 Delphi 语言写的。泉眼与工具，恰好同出一地。
言泉
中文名取自「言如泉涌」——话语像泉水一样自然涌出，不必费力。 做输入法，想达到的也就是这种状态：想到什么，打出来就是什么。
一个是预言之泉，一个是言语之泉，说的其实是同一件事。
开发计划
项目还在早期，更新比较频繁。
正在做的
- 继续训练本地语言模型和紧凑重排器，提高长句与短词上下文准确率
- 扩充词库覆盖，打磨简体、繁体两套词库
- 让本地学习的结果更容易查看和管理
- 在更多编辑器、浏览器和 IDE 里测试兼容性
之后想做的
- 更细分领域的专业词库
- 扩充独立基准，弄清各类出错的原因，再校准模型门槛和回退策略
- 强化用户词库的质量控制和配套工具
- 保持项目能被任何人检查、构建和接手维护
想跟进进展或者提建议，欢迎到 GitHub 仓库来。
下载安装
Windows 10 / 11 x64 安装包，装上就能用：TSF 服务自动注册，词库自动初始化， 不用再配置什么。旧版本用户直接运行新版安装包就能升级，不用先卸载；安装程序会检查并替换仍在运行的旧版后台进程，并同步更新随包模型和推理组件。