尧图网页设计 
Handy 离线语音转文字完整指南从安装到进阶玩法 10 分钟上手【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晚上十一点会议记录还没写完对着键盘敲字效率低嘴说却快得很。可主流的语音输入工具都要把音频上传到云端服务器处理——你刚在会上听到的敏感讨论、还没发出的商业方案全在网络上裸奔。有没有一种方式让你像操作键盘一样操作自己的声音Handy就是为此而生的一款免费、开源、完全离线运行的跨平台语音转文字应用。按下快捷键、说话、松开你的话就会出现在当前正聚焦的任意文本框里——录音、识别、打字全程发生在你自己的电脑上没有任何数据离开本机。项目速览项目信息说明一句话定位完全离线、可自由扩展的语音转文字桌面应用支持平台Windows、macOS、LinuxX11 / Wayland核心特性全局快捷键听写、本地模型转录、流式实时出字、可选 LLM 后处理、CLI 远程控制技术栈Tauri React TypeScript Tailwind前端Rust后端、音频与推理开源协议MIT注意名称与品牌素材不开源二次分发需换品牌界面语言内置 20 语言翻译中文可用相关文档构建指南见 BUILD.md版本更新说明见 src/content/release-notes/从说话到出字它是怎么做到的架构分层Handy 基于 Tauri 框架构建。你可以把 Tauri 理解成用系统原生窗口装一个网页的应用框架——前端用 React TypeScript 写设置界面和交互后端用 Rust 负责真正吃性能的部分录音、全局快捷键、模型推理、文本注入。这也让应用体积和资源占用远低于 Electron 类方案。转录流水线整个流程是一条本地流水线四步走快捷键触发后Rust 端通过cpal跨平台音频库采集麦克风输入VAD 降噪Silero 语音活动检测Voice Activity Detection即判断这段声音里有没有人说话先过滤掉静音减少模型要处理的数据模型转录音频交给你选择的本地模型——Whisper 系列GPU 可用时自动加速或 CPU 优化的 Parakeet V3自带语言检测文本注入转录结果通过剪贴板或模拟按键直接敲进你当前正在编辑的应用并自动还原你之前的剪贴板内容。流式模型是 0.9 版本的大更新新的 transcribe-cpp 引擎支持流式转录——你不是说完一段才等结果而是边说边看到文字在覆盖层里实时生成整体完成速度也更快。官方推荐的流式模型是 Parakeet Unified英文和 Nemotron Streaming 3.528 种语言、自动检测语言。模型怎么选模型决定了速度、精度和内存占用的平衡Handy 内置模型目录见 src-tauri/src/catalog/catalog.json收录了 Whisper、Parakeet、Nemotron、Canary、Voxtral、Qwen3-ASR 等众多模型。常见选择模型推荐场景特点Parakeet Unified EN 0.6B日常英文听写官方推荐第 1 位流式、速度快、约 477MBQ4 量化Nemotron Streaming 3.5多语言听写流式、28 种语言、自动语言检测Parakeet TDT 0.6B v3无 GPU 的 CPU 环境非流式但 CPU 优化好自动语言检测Whisper Medium / Large追求最高精度、有独立显卡可 GPU 加速模型更大更慢量化档位Q4 / Q5 / Q8 / F16在设置里可选位数越低文件越小、速度越快精度略降。日常使用 Q5 或 Q8 是不错的起点。5 分钟上手从安装到第一次听写安装按平台任选一种方式。macOS 和 Windows 有包管理器一键装# macOS用 Homebrew 安装 Handy brew install --cask handy# Windows用 winget 安装 Handy winget install cjpais.HandyLinux 用户下载.deb包后用 APT 安装让依赖自动装齐不要用dpkg -i直接装# Debian/Ubuntu用 APT 安装下载的 Handy deb 包并自动处理依赖 sudo apt install ./Handy_*.deb首次启动与权限第一次打开 Handy 时系统会请求两类权限都要给麦克风权限用于录音和辅助功能/屏幕录制权限用于把手打的字贴回其他应用。设置页的 About 区域还显示应用数据目录需要手动管理模型时会用到平台应用数据目录macOS~/Library/Application Support/com.pais.handy/Linux~/.config/com.pais.handy/Windows%APPDATA%\com.pais.handy\模型下载首次转录时 Handy 会自动下载所选模型的推荐量化版本。如果你的网络受限代理、防火墙可以手动下载官方模型文件按原始文件名放入数据目录下的models/文件夹Whisper 的.bin与 GGUF 的.gguf都支持不要改名重启 Handy 即可在 Settings → Models 中看到状态变为 Downloaded。模型下载地址见仓库 README 的 Manual Model Installation 一节。快捷键与第一次听写默认快捷键如下可在 General 设置里改成任意组合操作Windows / LinuxmacOS开始/停止转录CtrlSpaceOptionSpace转录并后处理CtrlShiftSpaceOptionShiftSpace取消当前录音EscEsc新版还有一个值得注意的Shortcut Behavior选项Auto 模式下同一个快捷键按住录音、松开停止推键说话和点按开始、再按停止两种用法都能用也可以单独锁定 Hold只按住录音或 Toggle只点按切换。新安装默认 Auto。一切就绪后把光标放进任何文本框浏览器输入框、微信、Word 都行按住CtrlSpace开始说话松手。几秒后你的话就出现在了光标处。第一次转录建议说一段 10 秒左右的中文或英文测试并确认文字真的落进了目标应用。进阶玩法命令行、信号与定制CLI 远程控制Handy 支持命令行标志beta 功能可以直接控制已在运行的实例非常适合写自动化脚本。注意单实例机制重复运行handy不会开新窗口而是把参数投递给正在运行的那个实例。命令作用handy --toggle-transcription切换录音开/关handy --toggle-post-process切换带后处理录音开/关handy --cancel取消当前录音handy --start-hidden启动时不显示主窗口handy --no-tray启动时不显示托盘图标handy --debug开启调试模式与详细日志macOS 上如果 Handy 是以 .app 形式安装直接调二进制即可/Applications/Handy.app/Contents/MacOS/Handy --toggle-transcription。Wayland 用户的外部触发Wayland 不允许应用随意注册全局快捷键正确姿势是把触发权交给你的窗口管理器或快捷键守护进程。最简单的做法是发 Unix 信号# 用信号触发 Handy 切换转录pkill 这里只是发信号不会杀掉进程 pkill -USR2 -n handy注意旧版本支持的SIGUSR1触发带后处理转录已废弃——它和 WebKitGTK 内部使用的信号冲突会导致幽灵录音且现在发送它可能直接弄崩应用请移除已有的pkill -USR1绑定改用handy --toggle-post-process。窗口管理器集成以 Sway 为例在~/.config/sway/config加一行即可用ModO触发听写bindsym $modo exec handy --toggle-transcriptionGNOME 和 KDE 也可以建自定义快捷键指向同一条命令具体步骤见 README 的 Linux Notes 一节。后处理可选转录本身完全离线但 Handy 允许你配置一个 LLM 端点支持 OpenAI 兼容接口在转录后自动润色文本、去口水词。不开启也完全不影响核心听写功能配置入口在 Settings 的 Post Processing 区域。自定义 Whisper 模型如果你有微调过的社区 Whisper GGML 模型把.bin文件丢进models/目录重启即可——Handy 会自动发现并在 Models 页的 Custom Models 分组里列出它模型名取自文件名。Raycast 用户macOS 上有社区开发的 Raycast 扩展可以在 Raycast 里直接开始/停止录音、浏览转录历史、管理词典和切换模型语言。卡点排查装不上、贴不进、打不出字Linux 打不出字这是 Linux 用户最常踩的坑。Handy 靠系统文本输入工具模拟按键不同显示服务器需要不同工具环境工具安装命令X11xdotoolsudo apt install xdotoolWaylandwtype首选sudo apt install wtype两者皆可dotoolsudo apt install dotool且需sudo usermod -aG input $USER后重新登录没有这些工具时 Handy 会退回 enigo在 Wayland 下兼容性很差。Ubuntu 26.04 默认 Wayland 且wtype失效需改装ydotool并配 systemd。Linux 启动崩溃或卡住按顺序尝试三招。先确认运行时库存在缺失时报libgtk-layer-shell.so.0错误Ubuntu/Debian 装libgtk-layer-shell0Fedora 装gtk-layer-shellArch 装gtk-layer-shell。装好还不行跳过 layer shell 初始化覆盖层退回普通置顶窗口# 跳过 GTK layer shell 初始化规避部分合成器下的崩溃 HANDY_NO_GTK_LAYER_SHELL1 handy# 关闭 WebKit DMA-BUF 渲染器规避部分 GPU/驱动组合下的窗口崩溃 WEBKIT_DISABLE_DMABUF_RENDERER1 handy哪个变量起了作用就写进你的 shell 配置文件或.desktop启动项的Exec行里固化下来。贴进来的是旧剪贴板内容History 里转录是对的但应用里出现的是你之前复制的东西——这是固定延迟恢复剪贴板时接收方应用读取慢了。到 Debug 页快捷键CtrlShiftD/ macOSCmdShiftD试试 Reliable Paste (Beta)或调大 Paste Delay (After) 再测。Linux 覆盖层抢焦点录音覆盖层默认在 Linux 上关闭某些合成器会把它当活动窗口导致焦点被抢粘贴就跑偏了。若你开了覆盖层却发现粘贴失败去 Settings → Advanced 把 Overlay Position 设为 None并打开 Audio Feedback 用声音代替视觉确认录音状态。macOS 蓝牙耳麦录音时蓝牙会切到双向音频模式播放质量/音量可能短暂下降。建议输出保留耳机、在 Handy 里选 Mac 内置或外接麦克风录音。macOS fn地球仪键带 fn 的快捷键只在 Apple 键盘上生效第三方键盘的 Fn 在固件里被消化掉、根本不会上报给系统这不是 Handy 的 bug。如果你外接键盘改用 ctrl/option/shift/command 组合。校验发布包签名下载的安装包用 Tauri updater 签名格式签名公钥在 src-tauri/tauri.conf.json 的plugins.updater.pubkey。把公钥和.sig文件从 base64 解码后用minisign -Vm验证输出Signature and comment signature verified即为通过验证脚本见 README勿用 gpg 处理这些.sig。适合谁一份诚实的匹配清单写作与内容工作者长文、邮件、社媒文案用说代替打字敏感内容不出本机。处理敏感信息的职业人群律师、医生、记者、咨询顾问——对话内容本身就是红线离线是唯一稳妥的选择。网络受限环境内网电脑、公司防火墙环境模型手动下载一次后完全离线可用。Linux / Wayland 用户对 Wayland 的快捷键限制给出了信号 窗口管理器的正经解法而不是绕开它。想动手改的人代码结构清晰src-tauri/src/ 下 managers、shortcut、audio_toolkit 等模块各司其职MIT 协议定位就是最容易分叉的听写应用——加模型、改快捷键、接自己的工作流都是社区预期的玩法。Handy 团队把它当成一个社区项目来做issue 里如实记录已知限制蓝牙耳麦、fn 键、Linux 合成器差异发布版本提供签名可验证更新日志逐版本写清楚行为变化。隐私这件事上它没有把离线当营销词而是当架构约束——从 VAD、转录到粘贴整条链路都在本地闭环。如果你想体验一次话一说完字就落进文本框而服务器什么都没收到的感觉上面那 5 分钟安装流程就是全部门槛。【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 离线语音转文字完整指南：从安装到进阶玩法 10 分钟上手
Handy 离线语音转文字完整指南从安装到进阶玩法 10 分钟上手【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晚上十一点会议记录还没写完对着键盘敲字效率低嘴说却快得很。可主流的语音输入工具都要把音频上传到云端服务器处理——你刚在会上听到的敏感讨论、还没发出的商业方案全在网络上裸奔。有没有一种方式让你像操作键盘一样操作自己的声音Handy就是为此而生的一款免费、开源、完全离线运行的跨平台语音转文字应用。按下快捷键、说话、松开你的话就会出现在当前正聚焦的任意文本框里——录音、识别、打字全程发生在你自己的电脑上没有任何数据离开本机。项目速览项目信息说明一句话定位完全离线、可自由扩展的语音转文字桌面应用支持平台Windows、macOS、LinuxX11 / Wayland核心特性全局快捷键听写、本地模型转录、流式实时出字、可选 LLM 后处理、CLI 远程控制技术栈Tauri React TypeScript Tailwind前端Rust后端、音频与推理开源协议MIT注意名称与品牌素材不开源二次分发需换品牌界面语言内置 20 语言翻译中文可用相关文档构建指南见 BUILD.md版本更新说明见 src/content/release-notes/从说话到出字它是怎么做到的架构分层Handy 基于 Tauri 框架构建。你可以把 Tauri 理解成用系统原生窗口装一个网页的应用框架——前端用 React TypeScript 写设置界面和交互后端用 Rust 负责真正吃性能的部分录音、全局快捷键、模型推理、文本注入。这也让应用体积和资源占用远低于 Electron 类方案。转录流水线整个流程是一条本地流水线四步走快捷键触发后Rust 端通过cpal跨平台音频库采集麦克风输入VAD 降噪Silero 语音活动检测Voice Activity Detection即判断这段声音里有没有人说话先过滤掉静音减少模型要处理的数据模型转录音频交给你选择的本地模型——Whisper 系列GPU 可用时自动加速或 CPU 优化的 Parakeet V3自带语言检测文本注入转录结果通过剪贴板或模拟按键直接敲进你当前正在编辑的应用并自动还原你之前的剪贴板内容。流式模型是 0.9 版本的大更新新的 transcribe-cpp 引擎支持流式转录——你不是说完一段才等结果而是边说边看到文字在覆盖层里实时生成整体完成速度也更快。官方推荐的流式模型是 Parakeet Unified英文和 Nemotron Streaming 3.528 种语言、自动检测语言。模型怎么选模型决定了速度、精度和内存占用的平衡Handy 内置模型目录见 src-tauri/src/catalog/catalog.json收录了 Whisper、Parakeet、Nemotron、Canary、Voxtral、Qwen3-ASR 等众多模型。常见选择模型推荐场景特点Parakeet Unified EN 0.6B日常英文听写官方推荐第 1 位流式、速度快、约 477MBQ4 量化Nemotron Streaming 3.5多语言听写流式、28 种语言、自动语言检测Parakeet TDT 0.6B v3无 GPU 的 CPU 环境非流式但 CPU 优化好自动语言检测Whisper Medium / Large追求最高精度、有独立显卡可 GPU 加速模型更大更慢量化档位Q4 / Q5 / Q8 / F16在设置里可选位数越低文件越小、速度越快精度略降。日常使用 Q5 或 Q8 是不错的起点。5 分钟上手从安装到第一次听写安装按平台任选一种方式。macOS 和 Windows 有包管理器一键装# macOS用 Homebrew 安装 Handy brew install --cask handy# Windows用 winget 安装 Handy winget install cjpais.HandyLinux 用户下载.deb包后用 APT 安装让依赖自动装齐不要用dpkg -i直接装# Debian/Ubuntu用 APT 安装下载的 Handy deb 包并自动处理依赖 sudo apt install ./Handy_*.deb首次启动与权限第一次打开 Handy 时系统会请求两类权限都要给麦克风权限用于录音和辅助功能/屏幕录制权限用于把手打的字贴回其他应用。设置页的 About 区域还显示应用数据目录需要手动管理模型时会用到平台应用数据目录macOS~/Library/Application Support/com.pais.handy/Linux~/.config/com.pais.handy/Windows%APPDATA%\com.pais.handy\模型下载首次转录时 Handy 会自动下载所选模型的推荐量化版本。如果你的网络受限代理、防火墙可以手动下载官方模型文件按原始文件名放入数据目录下的models/文件夹Whisper 的.bin与 GGUF 的.gguf都支持不要改名重启 Handy 即可在 Settings → Models 中看到状态变为 Downloaded。模型下载地址见仓库 README 的 Manual Model Installation 一节。快捷键与第一次听写默认快捷键如下可在 General 设置里改成任意组合操作Windows / LinuxmacOS开始/停止转录CtrlSpaceOptionSpace转录并后处理CtrlShiftSpaceOptionShiftSpace取消当前录音EscEsc新版还有一个值得注意的Shortcut Behavior选项Auto 模式下同一个快捷键按住录音、松开停止推键说话和点按开始、再按停止两种用法都能用也可以单独锁定 Hold只按住录音或 Toggle只点按切换。新安装默认 Auto。一切就绪后把光标放进任何文本框浏览器输入框、微信、Word 都行按住CtrlSpace开始说话松手。几秒后你的话就出现在了光标处。第一次转录建议说一段 10 秒左右的中文或英文测试并确认文字真的落进了目标应用。进阶玩法命令行、信号与定制CLI 远程控制Handy 支持命令行标志beta 功能可以直接控制已在运行的实例非常适合写自动化脚本。注意单实例机制重复运行handy不会开新窗口而是把参数投递给正在运行的那个实例。命令作用handy --toggle-transcription切换录音开/关handy --toggle-post-process切换带后处理录音开/关handy --cancel取消当前录音handy --start-hidden启动时不显示主窗口handy --no-tray启动时不显示托盘图标handy --debug开启调试模式与详细日志macOS 上如果 Handy 是以 .app 形式安装直接调二进制即可/Applications/Handy.app/Contents/MacOS/Handy --toggle-transcription。Wayland 用户的外部触发Wayland 不允许应用随意注册全局快捷键正确姿势是把触发权交给你的窗口管理器或快捷键守护进程。最简单的做法是发 Unix 信号# 用信号触发 Handy 切换转录pkill 这里只是发信号不会杀掉进程 pkill -USR2 -n handy注意旧版本支持的SIGUSR1触发带后处理转录已废弃——它和 WebKitGTK 内部使用的信号冲突会导致幽灵录音且现在发送它可能直接弄崩应用请移除已有的pkill -USR1绑定改用handy --toggle-post-process。窗口管理器集成以 Sway 为例在~/.config/sway/config加一行即可用ModO触发听写bindsym $modo exec handy --toggle-transcriptionGNOME 和 KDE 也可以建自定义快捷键指向同一条命令具体步骤见 README 的 Linux Notes 一节。后处理可选转录本身完全离线但 Handy 允许你配置一个 LLM 端点支持 OpenAI 兼容接口在转录后自动润色文本、去口水词。不开启也完全不影响核心听写功能配置入口在 Settings 的 Post Processing 区域。自定义 Whisper 模型如果你有微调过的社区 Whisper GGML 模型把.bin文件丢进models/目录重启即可——Handy 会自动发现并在 Models 页的 Custom Models 分组里列出它模型名取自文件名。Raycast 用户macOS 上有社区开发的 Raycast 扩展可以在 Raycast 里直接开始/停止录音、浏览转录历史、管理词典和切换模型语言。卡点排查装不上、贴不进、打不出字Linux 打不出字这是 Linux 用户最常踩的坑。Handy 靠系统文本输入工具模拟按键不同显示服务器需要不同工具环境工具安装命令X11xdotoolsudo apt install xdotoolWaylandwtype首选sudo apt install wtype两者皆可dotoolsudo apt install dotool且需sudo usermod -aG input $USER后重新登录没有这些工具时 Handy 会退回 enigo在 Wayland 下兼容性很差。Ubuntu 26.04 默认 Wayland 且wtype失效需改装ydotool并配 systemd。Linux 启动崩溃或卡住按顺序尝试三招。先确认运行时库存在缺失时报libgtk-layer-shell.so.0错误Ubuntu/Debian 装libgtk-layer-shell0Fedora 装gtk-layer-shellArch 装gtk-layer-shell。装好还不行跳过 layer shell 初始化覆盖层退回普通置顶窗口# 跳过 GTK layer shell 初始化规避部分合成器下的崩溃 HANDY_NO_GTK_LAYER_SHELL1 handy# 关闭 WebKit DMA-BUF 渲染器规避部分 GPU/驱动组合下的窗口崩溃 WEBKIT_DISABLE_DMABUF_RENDERER1 handy哪个变量起了作用就写进你的 shell 配置文件或.desktop启动项的Exec行里固化下来。贴进来的是旧剪贴板内容History 里转录是对的但应用里出现的是你之前复制的东西——这是固定延迟恢复剪贴板时接收方应用读取慢了。到 Debug 页快捷键CtrlShiftD/ macOSCmdShiftD试试 Reliable Paste (Beta)或调大 Paste Delay (After) 再测。Linux 覆盖层抢焦点录音覆盖层默认在 Linux 上关闭某些合成器会把它当活动窗口导致焦点被抢粘贴就跑偏了。若你开了覆盖层却发现粘贴失败去 Settings → Advanced 把 Overlay Position 设为 None并打开 Audio Feedback 用声音代替视觉确认录音状态。macOS 蓝牙耳麦录音时蓝牙会切到双向音频模式播放质量/音量可能短暂下降。建议输出保留耳机、在 Handy 里选 Mac 内置或外接麦克风录音。macOS fn地球仪键带 fn 的快捷键只在 Apple 键盘上生效第三方键盘的 Fn 在固件里被消化掉、根本不会上报给系统这不是 Handy 的 bug。如果你外接键盘改用 ctrl/option/shift/command 组合。校验发布包签名下载的安装包用 Tauri updater 签名格式签名公钥在 src-tauri/tauri.conf.json 的plugins.updater.pubkey。把公钥和.sig文件从 base64 解码后用minisign -Vm验证输出Signature and comment signature verified即为通过验证脚本见 README勿用 gpg 处理这些.sig。适合谁一份诚实的匹配清单写作与内容工作者长文、邮件、社媒文案用说代替打字敏感内容不出本机。处理敏感信息的职业人群律师、医生、记者、咨询顾问——对话内容本身就是红线离线是唯一稳妥的选择。网络受限环境内网电脑、公司防火墙环境模型手动下载一次后完全离线可用。Linux / Wayland 用户对 Wayland 的快捷键限制给出了信号 窗口管理器的正经解法而不是绕开它。想动手改的人代码结构清晰src-tauri/src/ 下 managers、shortcut、audio_toolkit 等模块各司其职MIT 协议定位就是最容易分叉的听写应用——加模型、改快捷键、接自己的工作流都是社区预期的玩法。Handy 团队把它当成一个社区项目来做issue 里如实记录已知限制蓝牙耳麦、fn 键、Linux 合成器差异发布版本提供签名可验证更新日志逐版本写清楚行为变化。隐私这件事上它没有把离线当营销词而是当架构约束——从 VAD、转录到粘贴整条链路都在本地闭环。如果你想体验一次话一说完字就落进文本框而服务器什么都没收到的感觉上面那 5 分钟安装流程就是全部门槛。【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