5 步跑通 Handy：完全离线的语音转文本，按住快捷键就能打字

5 步跑通 Handy：完全离线的语音转文本，按住快捷键就能打字

【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

如果你也受够了"语音输入要把录音先传到云端"的套路，可以看看 Handy——一个免费开源、完全离线的语音转文本桌面应用。按住快捷键说话，松手，文字直接出现在你正在输入的任何文本框里，全程不联网。

一分钟认识 Handy

Handy 的定位很简单：一个工具，干一件事——把你说的话转成文字，塞进当前光标位置。所有音频都在你自己的电脑上处理，隐私问题从根上不存在。

适合谁用？对号入座一下：

• 💻内容创作者 / 文字工作者：口述初稿，键盘不再是瓶颈
• 🎧会议记录者：边听边转，纪要直接落在文档里
• 🏥需要无障碍输入的用户：打字困难、肩颈劳损，说话就是打字

最快 5 步跑起来

日常使用其实是直接装发布版就行（macOS 有brew install --cask handy，Windows 有winget install cjpais.Handy）。这里给的是从源码跑起来的最短路径，适合想折腾、想魔改的：

git clone https://gitcode.com/GitHub_Trending/handy11/Handy && cd Handy npm install npm run tauri dev

前提是你装好了 Rust 和 Bun，完整的环境要求（各平台依赖、Linux 的 ALSA 库等）写在 BUILD.md 里。

成功标志：设置窗口弹出来、系统托盘里多了一个小图标，就对了。接下来去 Settings 里设好快捷键，Handy 就能用了。

按你实际使用的顺序，功能是这样走的

1. 先过权限这关。首次运行，macOS 会找你要麦克风权限（录音用的）和无障碍权限（把文字"贴"进别的 App 用的）。两个都点允许，否则后面粘贴文字会失灵。

2. 选一个模型。Handy 内置 Whisper（Small / Medium / Turbo / Large）和 CPU 优化的 Parakeet V3 等模型，有 GPU 的话 Whisper 可以硬件加速，没有 GPU 用 Parakeet 很稳。应用会引导你下载选中的模型，下载完之后就可以一直离线用了。模型页面还能试 IBM Granite、Mistral Voxtral、Qwen3-ASR 等一堆新模型。

3. 设快捷键，这是核心交互。三种触发方式：

• Hold：按住录、松手停（经典按键说话）
• Toggle：按一下开始、再按一下停止
• Auto（默认）：两种行为合一，按住录也能点按切换

在 General → Shortcut Behavior 里挑一个，再配上顺手的全局按键。

4. 按住快捷键，开口说。屏幕角落会出现一个流式浮层，边说边出字，像这样：

5. 松手，收文字。转录完成后，文字自动插入你刚才所在的 App——备忘录、IDE、聊天框都行，不用来回切换。

放进真实场景

你正在赶一篇稿子，思路突然涌上来，打字速度根本跟不上。这时你按住快捷键，一口气把想法全说出来；松手，几百字的语音直接落成带标点的段落。不用开录音软件，不用复制粘贴，光标在哪文字就在哪。

你正在开一场一小时的会，老板说"会后把结论整理一份纪要"。这时你让 Handy 在后台待命，每有一个关键结论就按一下快捷键口述两句；散会后，这些口述片段已经在文档里排好队，你只需要整理措辞。全程录音没离开过你的电脑。

你正在写代码，懒得起身去够键盘。这时长按快捷键，"把这个函数改成异步的，注释说明参数含义"，松手，描述直接落进 commit message 或 Issue 正文里。

提前知道的坑

macOS 上用蓝牙耳机录音，声音发闷？正常。蓝牙会切成双向音频模式，临时拉低音质。解决办法：输出设备继续用耳机，但在 Handy 里把麦克风选成 Mac 内置麦或外接麦。

fn / 地球键快捷键不触发？那是硬件限制：fn只有苹果自家键盘会把它上报给系统，第三方键盘的 Fn 键在固件里就消化掉了，Handy 根本收不到这个事件。换用ctrl/option/shift/command加普通键的组合，一劳永逸。

Linux 上文字贴不进去？取决于你的显示服务器：X11 装xdotool，Wayland 装wtype（Ubuntu 26.04 默认 Wayland，需要换ydotool）。具体命令和 dotool 的配置在 README 的 Linux Notes 一节有完整表格。

Whisper 模型偶发崩溃？这是已知的、和系统配置相关的问题（Windows/Linux 上），不是所有人都会遇到。遇到崩溃可以换 Parakeet 顶上，开发者则欢迎你去提 issue 并附 debug 日志。

识别精度怎么调？三个抓手：安静环境 + 好麦克风是基础；模型按需求选——追求速度选流式模型（边说边出字、完成得更快），追求精度选更大的 Whisper；专业术语总被听错？往自定义词表里加，入口在 CustomWords.tsx，加完命中率立竿见影。

深度玩法

• 快捷键自定义：除了触发方式（Auto / Hold / Toggle），还能单独配一个"取消键"随时打断当前操作，具体在 HandyKeysShortcutInput.tsx 那套设置里。
• 语言：内置 60 多种语言，选 Auto Detect 直接自动检测，列表完整定义在 languages.ts。
• 调试模式：Cmd+Shift+D（macOS）或Ctrl+Shift+D（Win/Linux）打开，能看到详细日志和实时 log，排查问题靠它。
• 命令行遥控：对着已在运行的实例敲handy --toggle-transcription就能开关录音，还能--start-hidden静默启动，适合挂到脚本和自动启动里。

技术底牌

React + TypeScript + Tailwind 做设置界面，Rust（Tauri 框架）负责系统集成、音频处理和模型推理，Whisper 模型走 transcribe-cpp 本地跑——所以快、所以离线。

去把 Handy 跑起来，下次卡壳的时候，直接开口说。

【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