把嘴变成键盘免费开源的离线语音转文字应用 Handy我是这么上手的【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上周五下午我盯着电脑屏幕发呆——一篇两千字的周报键盘敲到手腕发酸思路却卡在第三段。随手按下CtrlShiftSpace对着麦克风把脑子里没理清的那几句话嘟囔出来松开按键文字整整齐齐落进了文档里。那一刻我才真正体会到原来离线语音转文字可以自然到这种程度。这款让我动嘴不动手的小工具叫Handy免费、开源而且完全离线。这篇文章就用我这几天的真实体验说说它到底是什么、怎么跑通、又能玩到什么程度。一句话认识它电脑上的语音输入键升级版如果你用过手机输入法自带的语音输入就能秒懂 Handy 的定位——只不过它把这件事搬到了电脑上并且更进一步按下快捷键说话松开后文字直接打进你正在用的任何软件里聊天框、文档、搜索栏都行全程不经过任何云端服务器。它有点像对讲机按住就说松手就出字。没有复杂的界面不要求你切换到某个专用窗口。你的语音从麦克风到文字只在你自己这台机器里转了一圈。首次跑通的完整路径比想象中少踩很多坑我把它当成一次通关来玩实际流程比预想顺装应用。macOS 一条命令brew install --cask handyWindows 用户winget install cjpais.Handy或者直接去官网下载对应平台的安装包。授权。第一次启动会要麦克风权限用来录音以及辅助功能权限用来把文字粘贴进其他应用。这两项在系统设置里点允许就行。选模型。首次使用需要下载一个语音识别模型这是本地推理的大脑几百 MB 的量级下载一次之后就一直用。说第一句话。默认快捷键按住开始、松开结束说完这句你会在光标所在的位置看到自己的话变成了文字。我卡住的唯一一处是 Linux 环境转写文字贴不进去。查了文档才知道Linux 上需要额外装一个输入工具X11 用xdotoolWayland 用wtype装完就好了。这也提醒我第一次用先读一眼项目 README 里的 Linux 注意事项能少走半小时弯路。能力分层拆解从入门到高手的三级台阶入门级会按快捷键就能用记住一个动作按住快捷键说话、松开出字。这一层不需要任何设置开箱即用。默认的按键是CtrlShiftSpacemacOS 是CmdShiftSpace录完自动贴字跟平时打字无缝衔接。进阶级挑对模型体验立刻上一个台阶这一层的关键是模型选择。Handy 支持两条模型路线Whisper 系列Small / Medium / Turbo / Large识别精度阶梯式上升有独显可以开 GPU 加速适合追求准确率的场景。Parakeet V3专为 CPU 优化在中等配置的机器上能做到约 5 倍实时速度还自带自动语言检测——不用手动选语言说啥识别啥。我的建议很直接日常使用先装 Parakeet V3速度快、CPU 友好、免去选语言的麻烦遇到口音重或术语多的内容再切 Whisper 的大模型硬碰硬。这一层还能配很多东西把录音模式改成按住说话的 Push-to-Talk、设置自定义词汇表专业术语不再被转错、切换 20 多种识别语言、多麦克风环境下指定录音设备都在设置面板里改完立即生效。专业级把它当成可编程的语音引擎玩到这一层Handy 的开放性才真正露出来。0.9.0 版本加入的流式模型 实时转录悬浮窗是我最喜欢的功能用上流式模型后你说话的同时屏幕上会浮出一个透明小窗字一边说一边往外蹦转写完成后自动落进目标应用——看字说话心里踏实多了。再往上它还有命令行参数handy --toggle-transcription这类可以接进 Raycast、脚本甚至自己写的自动化流程内置 debug 模式CtrlShiftD能查看实时日志。对折腾型用户来说它不只是工具而是一块可以随意拼接的积木。它和常见的语音输入方案差在哪维度Handy离线语音转文字系统自带听写云语音输入服务是否联网完全离线多数离线必须联网价格免费开源随系统常需订阅或限量隐私语音不出本机本机处理上传服务器跨平台Win / macOS / Linux平台绑定看具体产品可扩展性模型可换、CLI、插件几乎不可扩展封闭文字落点自动粘贴到任意应用常限于自家应用多限于自家应用一句话总结系统自带听写够用但封闭云服务好用但把隐私交了出去而 Handy 想同时要离线、免费、可折腾这三样。把它揉进日常节奏的三种玩法写作初稿靠说写文章最怕思路被打字打断。我现在先把想法口述一遍让文字先落下来再打开文档慢慢改——初稿阶段的效率至少翻倍。会议随手记开会时按一下快捷键把关键结论嘟囔两句文字直接进备忘录。散会时笔记已经有了不用再抄。无障碍场景手部不便或长时间打字难受的人可以把 Handy 当成语音键盘来用配合自动语言检测中英文混说也基本不用切换。它凭什么值得信任离线之外的几层保障你可能想问免费开源的东西安全吗我查了它的实现放心了不少数据不出本机录音、转写、模型推理全在本地完成架构上是 Tauri 应用——Rust 写后端负责音频采集和推理React 只画设置界面没有偷偷上传的通道。透明到露怯项目 README 把自己当前已知的问题比如部分机型上 Whisper 模型会崩溃、Linux Wayland 支持有限一条条列出来还公开标注欢迎来修——这种透明度比某些闭源产品嘴上说稳定可信得多。社区在动活跃的 Discord 群、持续的版本迭代、发布包带签名校验加上整个模型生态Whisper、Parakeet、Granite、Qwen 系都是开放的你随时可以换成自己更顺手的引擎。新手最容易踩的几个坑提前帮你排掉别一上来就下最大的模型。先装 Parakeet V3跑通了再考虑升级否则首次下载可能等很久。Linux 用户先装输入工具。忘了装xdotool/wtype会碰上转录成功但文字贴不进去的诡异问题。Wayland 下快捷键可能要自己配。系统级快捷键交给桌面环境命令指向handy --toggle-transcription即可。悬浮窗抢焦点时如果发现文字贴错了窗口去高级设置把悬浮窗位置改成无就好这是 Linux 上的常见坑。听不懂的术语先搜 README模型、VAD、overlay 这些词项目文档里都有解释不必自己瞎试。最后你有多久没有说着打字了我用了一周最大的感受是键盘并没有被淘汰但在想得快和打得慢之间多了一条语音的近道。Handy 的开发者们在 README 里写过一句话它不是要做最好的语音转文字工具而是想做最容易被改造成你自己的那个。这句话挺打动我——工具最好的样子或许不是功能堆到顶而是刚好长成你想要的模样。如果你也想试试动嘴不动手的滋味去这个项目的主页逛一圈读完 README 再决定要不要装——说不定下周的周报就是你对着麦克风说完的。️想从源码折腾起克隆到本地一条命令就能跑起来git clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy npm install npm run tauri dev【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
把嘴变成键盘：免费开源的离线语音转文字应用 Handy，我是这么上手的
把嘴变成键盘免费开源的离线语音转文字应用 Handy我是这么上手的【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上周五下午我盯着电脑屏幕发呆——一篇两千字的周报键盘敲到手腕发酸思路却卡在第三段。随手按下CtrlShiftSpace对着麦克风把脑子里没理清的那几句话嘟囔出来松开按键文字整整齐齐落进了文档里。那一刻我才真正体会到原来离线语音转文字可以自然到这种程度。这款让我动嘴不动手的小工具叫Handy免费、开源而且完全离线。这篇文章就用我这几天的真实体验说说它到底是什么、怎么跑通、又能玩到什么程度。一句话认识它电脑上的语音输入键升级版如果你用过手机输入法自带的语音输入就能秒懂 Handy 的定位——只不过它把这件事搬到了电脑上并且更进一步按下快捷键说话松开后文字直接打进你正在用的任何软件里聊天框、文档、搜索栏都行全程不经过任何云端服务器。它有点像对讲机按住就说松手就出字。没有复杂的界面不要求你切换到某个专用窗口。你的语音从麦克风到文字只在你自己这台机器里转了一圈。首次跑通的完整路径比想象中少踩很多坑我把它当成一次通关来玩实际流程比预想顺装应用。macOS 一条命令brew install --cask handyWindows 用户winget install cjpais.Handy或者直接去官网下载对应平台的安装包。授权。第一次启动会要麦克风权限用来录音以及辅助功能权限用来把文字粘贴进其他应用。这两项在系统设置里点允许就行。选模型。首次使用需要下载一个语音识别模型这是本地推理的大脑几百 MB 的量级下载一次之后就一直用。说第一句话。默认快捷键按住开始、松开结束说完这句你会在光标所在的位置看到自己的话变成了文字。我卡住的唯一一处是 Linux 环境转写文字贴不进去。查了文档才知道Linux 上需要额外装一个输入工具X11 用xdotoolWayland 用wtype装完就好了。这也提醒我第一次用先读一眼项目 README 里的 Linux 注意事项能少走半小时弯路。能力分层拆解从入门到高手的三级台阶入门级会按快捷键就能用记住一个动作按住快捷键说话、松开出字。这一层不需要任何设置开箱即用。默认的按键是CtrlShiftSpacemacOS 是CmdShiftSpace录完自动贴字跟平时打字无缝衔接。进阶级挑对模型体验立刻上一个台阶这一层的关键是模型选择。Handy 支持两条模型路线Whisper 系列Small / Medium / Turbo / Large识别精度阶梯式上升有独显可以开 GPU 加速适合追求准确率的场景。Parakeet V3专为 CPU 优化在中等配置的机器上能做到约 5 倍实时速度还自带自动语言检测——不用手动选语言说啥识别啥。我的建议很直接日常使用先装 Parakeet V3速度快、CPU 友好、免去选语言的麻烦遇到口音重或术语多的内容再切 Whisper 的大模型硬碰硬。这一层还能配很多东西把录音模式改成按住说话的 Push-to-Talk、设置自定义词汇表专业术语不再被转错、切换 20 多种识别语言、多麦克风环境下指定录音设备都在设置面板里改完立即生效。专业级把它当成可编程的语音引擎玩到这一层Handy 的开放性才真正露出来。0.9.0 版本加入的流式模型 实时转录悬浮窗是我最喜欢的功能用上流式模型后你说话的同时屏幕上会浮出一个透明小窗字一边说一边往外蹦转写完成后自动落进目标应用——看字说话心里踏实多了。再往上它还有命令行参数handy --toggle-transcription这类可以接进 Raycast、脚本甚至自己写的自动化流程内置 debug 模式CtrlShiftD能查看实时日志。对折腾型用户来说它不只是工具而是一块可以随意拼接的积木。它和常见的语音输入方案差在哪维度Handy离线语音转文字系统自带听写云语音输入服务是否联网完全离线多数离线必须联网价格免费开源随系统常需订阅或限量隐私语音不出本机本机处理上传服务器跨平台Win / macOS / Linux平台绑定看具体产品可扩展性模型可换、CLI、插件几乎不可扩展封闭文字落点自动粘贴到任意应用常限于自家应用多限于自家应用一句话总结系统自带听写够用但封闭云服务好用但把隐私交了出去而 Handy 想同时要离线、免费、可折腾这三样。把它揉进日常节奏的三种玩法写作初稿靠说写文章最怕思路被打字打断。我现在先把想法口述一遍让文字先落下来再打开文档慢慢改——初稿阶段的效率至少翻倍。会议随手记开会时按一下快捷键把关键结论嘟囔两句文字直接进备忘录。散会时笔记已经有了不用再抄。无障碍场景手部不便或长时间打字难受的人可以把 Handy 当成语音键盘来用配合自动语言检测中英文混说也基本不用切换。它凭什么值得信任离线之外的几层保障你可能想问免费开源的东西安全吗我查了它的实现放心了不少数据不出本机录音、转写、模型推理全在本地完成架构上是 Tauri 应用——Rust 写后端负责音频采集和推理React 只画设置界面没有偷偷上传的通道。透明到露怯项目 README 把自己当前已知的问题比如部分机型上 Whisper 模型会崩溃、Linux Wayland 支持有限一条条列出来还公开标注欢迎来修——这种透明度比某些闭源产品嘴上说稳定可信得多。社区在动活跃的 Discord 群、持续的版本迭代、发布包带签名校验加上整个模型生态Whisper、Parakeet、Granite、Qwen 系都是开放的你随时可以换成自己更顺手的引擎。新手最容易踩的几个坑提前帮你排掉别一上来就下最大的模型。先装 Parakeet V3跑通了再考虑升级否则首次下载可能等很久。Linux 用户先装输入工具。忘了装xdotool/wtype会碰上转录成功但文字贴不进去的诡异问题。Wayland 下快捷键可能要自己配。系统级快捷键交给桌面环境命令指向handy --toggle-transcription即可。悬浮窗抢焦点时如果发现文字贴错了窗口去高级设置把悬浮窗位置改成无就好这是 Linux 上的常见坑。听不懂的术语先搜 README模型、VAD、overlay 这些词项目文档里都有解释不必自己瞎试。最后你有多久没有说着打字了我用了一周最大的感受是键盘并没有被淘汰但在想得快和打得慢之间多了一条语音的近道。Handy 的开发者们在 README 里写过一句话它不是要做最好的语音转文字工具而是想做最容易被改造成你自己的那个。这句话挺打动我——工具最好的样子或许不是功能堆到顶而是刚好长成你想要的模样。如果你也想试试动嘴不动手的滋味去这个项目的主页逛一圈读完 README 再决定要不要装——说不定下周的周报就是你对着麦克风说完的。️想从源码折腾起克隆到本地一条命令就能跑起来git clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy npm install npm run tauri dev【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
