Handy 完全离线语音转文字5 分钟上手的免费开源指南【免费下载链接】HandyA free, open source, and extensible speech-to-text application that works completely offline.项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy开完会剩下一堆语音想转成文字又不想上传到在线服务Handy 是一个免费、开源的语音转文字speech-to-text应用所有处理都在你自己的电脑上完成音频永不离开设备。按下快捷键说话松开文字就出现在你正在用的任何文本框里。Windows、macOS、Linux 都能用。先跑起来安装只需要一条命令。macOS 用户brew install --cask handyWindows 用户winget install cjpais.HandyLinux 用户或想自己编译的从源码构建git clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy按照 BUILD.md 里的平台说明装好依赖后用npm run tauri dev跑起来即可。首次启动时系统会要两个权限麦克风录音用和辅助功能把转写结果粘贴到别的 App 里。都点允许。然后在任意文本框里按快捷键说一句话——文字直接贴进去你就已经在用了。拆开看它怎么做Handy 的工作流很短但每一步都在本地完成你按下快捷键开始录音。Silero VAD语音活动检测持续过滤静音和背景噪音只留下你真正说话的部分。松开后选定的模型把语音转成文字。结果自动粘贴到你刚才停留的应用里不用切窗口。模型是关键变量。Handy 内置了一个模型目录约 70 个可选模型见 src-tauri/src/catalog/覆盖 Whisper、Parakeet、Nemotron、Canary 等多个家族带速度、准确度评分和推荐排序。选型其实就看一件事你的机器有没有 GPU。有 GPU或 Apple Silicon选 Whisper 系列。有 GPU 加速识别质量上限最高适合中文、多语言混说。只有 CPU选 Parakeet V3。它是 CPU 优化模型在中端 i5 上能做到约 5 倍实时速度还自带自动语言检测——你不用手动选语言说啥语言就出啥语言的文字。另外 Handy 支持流式覆盖层边说边出字你能实时看到正在转写的内容就像在录一条可以看见的语音换个场景试试场景一会议记录。开完会别急着打字整理。打开笔记应用把光标停在文档里按住快捷键把刚才讨论的要点逐条口述。每说完一条松开一次文本逐段贴进文档。二十分钟的会议五分钟口述完。场景二回邮件和聊天。按住快捷键对着输入框说“收到我下午三点前把方案发你先确认一下预算部分没问题。”松开文本已经躺在输入框里你只需要检查一遍再发送。适合不想打字、又需要措辞准确的时候。场景三整段长口述。要录一整段思路时用切换Toggle模式按一次开始说说累了停一下接着按一次继续。不用一直按着键也不会在中途误触停止。按你的口味微调设置界面在 src/components/settings/ 下常用的几个快捷键行为。默认是 Auto按住录音、点按切换两种操作都支持。你也可以锁成只按其中一种自定义词汇表。做专业领域时识别不准多半是术语不认识。在设置的“自定义词汇”里把专业名词、公司名、项目代号加进去保存后立即生效。这是提升准确率最便宜的一招。录音手感。不想让声音打扰自己可以打开“录音时静音”没有声音反馈时不确定有没有在录可以开音频反馈提示音。进阶LLM 后处理。设置里可以接入一个本地或远程 LLM对转写结果做二次加工——清理填充词“嗯”“那个”、加标点甚至翻译成英文。默认关闭按需在 PostProcessing 设置 里配置。省内存模型用完不卸会一直占着显存。Model Unload Timeout可以设一个空闲时间超时后自动卸载模型。引擎盖下面架构就三块简单粗暴前端React TypeScript Tailwind CSS就是你看到的设置界面src/components/。后端Rust 负责系统级集成、音频处理和模型推理src-tauri/src/。跨平台Tauri 框架一套代码同时跑 Windows、macOS、Linux。核心推理依赖几个专门的库transcribe-cpp跑 Whisper 家族模型transcribe-rs跑 Parakeet 这类 CPU 优化模型cpal管音频输入输出vad-rs做语音活动检测rdev捕获全局快捷键。每个模块职责单一这也是它被设计成“最容易 fork 的语音转文字工具”的原因——想改哪块就动哪块。排障手册遇到麦克风没反应或者系统直接拒绝。去系统隐私设置里把麦克风和辅助功能权限给 HandymacOS 在“系统设置 隐私与安全性”Windows 在“设置 隐私 麦克风”。顺手检查下是不是蓝牙耳机或会议软件正占着麦克风。授权后重启一次应用再试。遇到Linux 上转写正常但文字没贴进目标窗口。先在“设置 高级”里把 Overlay Position 设为 None——录音覆盖层在 X11/Wayland 下可能抢走焦点导致粘贴失败。如果还想保留视觉提示就开“音频反馈”代替它。Wayland 用户另外确认装好了wtypeX11 装xdotool没有这些工具时输入兼容性受限。启动崩溃的话参考 README.md 的 Linux 启动排障一节九成是gtk-layer-shell库缺失。遇到Whisper 模型转写中途崩溃。这是已知问题和具体系统配置有关不是一台机器一台机器都中。最省事的绕法切到 Parakeet V3纯 CPU 跑、没有这个历史包袱速度也不慢。如果你的机器刚好复现README 里也欢迎带日志反馈。一句话收尾Handy 的全部卖点就一句话语音转文字但一个字都不出你的机器。装好它下次要输入长内容时试着直接说出来。【免费下载链接】HandyA free, open source, and extensible speech-to-text application that works completely offline.项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Handy 完全离线语音转文字5 分钟上手的免费开源指南【免费下载链接】HandyA free, open source, and extensible speech-to-text application that works completely offline.项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy开完会剩下一堆语音想转成文字又不想上传到在线服务Handy 是一个免费、开源的语音转文字speech-to-text应用所有处理都在你自己的电脑上完成音频永不离开设备。按下快捷键说话松开文字就出现在你正在用的任何文本框里。Windows、macOS、Linux 都能用。先跑起来安装只需要一条命令。macOS 用户brew install --cask handyWindows 用户winget install cjpais.HandyLinux 用户或想自己编译的从源码构建git clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy按照 BUILD.md 里的平台说明装好依赖后用npm run tauri dev跑起来即可。首次启动时系统会要两个权限麦克风录音用和辅助功能把转写结果粘贴到别的 App 里。都点允许。然后在任意文本框里按快捷键说一句话——文字直接贴进去你就已经在用了。拆开看它怎么做Handy 的工作流很短但每一步都在本地完成你按下快捷键开始录音。Silero VAD语音活动检测持续过滤静音和背景噪音只留下你真正说话的部分。松开后选定的模型把语音转成文字。结果自动粘贴到你刚才停留的应用里不用切窗口。模型是关键变量。Handy 内置了一个模型目录约 70 个可选模型见 src-tauri/src/catalog/覆盖 Whisper、Parakeet、Nemotron、Canary 等多个家族带速度、准确度评分和推荐排序。选型其实就看一件事你的机器有没有 GPU。有 GPU或 Apple Silicon选 Whisper 系列。有 GPU 加速识别质量上限最高适合中文、多语言混说。只有 CPU选 Parakeet V3。它是 CPU 优化模型在中端 i5 上能做到约 5 倍实时速度还自带自动语言检测——你不用手动选语言说啥语言就出啥语言的文字。另外 Handy 支持流式覆盖层边说边出字你能实时看到正在转写的内容就像在录一条可以看见的语音换个场景试试场景一会议记录。开完会别急着打字整理。打开笔记应用把光标停在文档里按住快捷键把刚才讨论的要点逐条口述。每说完一条松开一次文本逐段贴进文档。二十分钟的会议五分钟口述完。场景二回邮件和聊天。按住快捷键对着输入框说“收到我下午三点前把方案发你先确认一下预算部分没问题。”松开文本已经躺在输入框里你只需要检查一遍再发送。适合不想打字、又需要措辞准确的时候。场景三整段长口述。要录一整段思路时用切换Toggle模式按一次开始说说累了停一下接着按一次继续。不用一直按着键也不会在中途误触停止。按你的口味微调设置界面在 src/components/settings/ 下常用的几个快捷键行为。默认是 Auto按住录音、点按切换两种操作都支持。你也可以锁成只按其中一种自定义词汇表。做专业领域时识别不准多半是术语不认识。在设置的“自定义词汇”里把专业名词、公司名、项目代号加进去保存后立即生效。这是提升准确率最便宜的一招。录音手感。不想让声音打扰自己可以打开“录音时静音”没有声音反馈时不确定有没有在录可以开音频反馈提示音。进阶LLM 后处理。设置里可以接入一个本地或远程 LLM对转写结果做二次加工——清理填充词“嗯”“那个”、加标点甚至翻译成英文。默认关闭按需在 PostProcessing 设置 里配置。省内存模型用完不卸会一直占着显存。Model Unload Timeout可以设一个空闲时间超时后自动卸载模型。引擎盖下面架构就三块简单粗暴前端React TypeScript Tailwind CSS就是你看到的设置界面src/components/。后端Rust 负责系统级集成、音频处理和模型推理src-tauri/src/。跨平台Tauri 框架一套代码同时跑 Windows、macOS、Linux。核心推理依赖几个专门的库transcribe-cpp跑 Whisper 家族模型transcribe-rs跑 Parakeet 这类 CPU 优化模型cpal管音频输入输出vad-rs做语音活动检测rdev捕获全局快捷键。每个模块职责单一这也是它被设计成“最容易 fork 的语音转文字工具”的原因——想改哪块就动哪块。排障手册遇到麦克风没反应或者系统直接拒绝。去系统隐私设置里把麦克风和辅助功能权限给 HandymacOS 在“系统设置 隐私与安全性”Windows 在“设置 隐私 麦克风”。顺手检查下是不是蓝牙耳机或会议软件正占着麦克风。授权后重启一次应用再试。遇到Linux 上转写正常但文字没贴进目标窗口。先在“设置 高级”里把 Overlay Position 设为 None——录音覆盖层在 X11/Wayland 下可能抢走焦点导致粘贴失败。如果还想保留视觉提示就开“音频反馈”代替它。Wayland 用户另外确认装好了wtypeX11 装xdotool没有这些工具时输入兼容性受限。启动崩溃的话参考 README.md 的 Linux 启动排障一节九成是gtk-layer-shell库缺失。遇到Whisper 模型转写中途崩溃。这是已知问题和具体系统配置有关不是一台机器一台机器都中。最省事的绕法切到 Parakeet V3纯 CPU 跑、没有这个历史包袱速度也不慢。如果你的机器刚好复现README 里也欢迎带日志反馈。一句话收尾Handy 的全部卖点就一句话语音转文字但一个字都不出你的机器。装好它下次要输入长内容时试着直接说出来。【免费下载链接】HandyA free, open source, and extensible speech-to-text application that works completely offline.项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
