Handy 离线语音转文字指南：5分钟搭起不联网的转录工作流
【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
Handy 是一款开源的离线语音转文字工具：按下快捷键，开口说话，你说出的话会直接出现在任意输入框里。录音和转录全部在你自己的电脑里完成，任何音频都不会被上传到服务器。下面带你从安装到选模型再到进阶玩法，大约 5 分钟就能搭好一套不联网的语音输入工作流。
真实使用场景
- 客户保密需求：律师、医生面对的客户和患者信息，不能经过任何第三方云服务。Handy 全程本地运行，你口述的内容不会离开设备。
- 会议实时纪要：开会时腾不出手打字，按住快捷键说话，松手后文字直接落在纪要文档里。
- 内网或弱网环境：云端转录服务在这里基本不可用，Handy 照常工作，速度还常比一次云端往返更快。
项目速览
Handy 是一个基于 Tauri 的跨平台桌面应用：前端是 React + TypeScript 界面，后端用 Rust 负责麦克风采集、全局快捷键和本地推理。它支持 Windows、macOS、Linux 三大平台，MIT 协议开源，README.md 和 BUILD.md 分别覆盖使用与源码构建。处理链路也很直白：Silero VAD 先滤掉静音片段，再由你选定的模型完成真正的转录。
从 0 到 1 跑起来
安装应用
按你的系统选一条命令即可，Linux 的 .deb 建议用 apt 装，依赖会自动补齐：
# macOS brew install --cask handy # Windows winget install cjpais.HandyLinux 则下载 .deb 包后执行sudo apt install ./Handy_*.deb。
权限与模型下载
启动 Handy，授予它请求的两项权限：麦克风（录音用）和辅助功能（把转录文本粘贴进其他应用用）。首次运行会自动下载推荐模型；网络受限时手动下载模型文件放进模型目录、重启应用即可被识别，文件名保持原样不要改：
# 手动放置模型文件（以 Linux 为例） mv parakeet-tdt-0.6b-v3-Q4_K_M.gguf ~/.config/com.pais.handy/models/macOS 与 Windows 的模型目录分别是~/Library/Application Support/com.pais.handy/models和%APPDATA%\com.pais.handy\models，设置里的 About 页可以直接复制真实路径。
完成第一次转录
点进任意输入框，按下快捷键开始说话，松开（或再按一次）后文字会自动粘贴到光标处。新版默认 Auto 快捷键模式：按住即推送式录音、点按即开关切换，也可以在设置「General → Shortcut Behavior」里改成纯按住或纯切换。
按硬件挑模型
| 模型 | 适配硬件 | 转录速度 | 文件大小 |
|---|---|---|---|
| Parakeet V3 | 纯 CPU，任意设备 | 约 5 倍实时 | 约 485 MB |
| Whisper Small | 集显 / 低配 | 约 3 倍实时 | 487 MB |
| Whisper Large-v3 | 独立 GPU | 接近实时，精度最高 | 约 1.1 GB |
拿不准就选 Parakeet V3：纯 CPU 也能跑到 5 倍实时，还自带自动语言检测，不用额外配置语言；有独显、追求更高精度或多语言时再换 Whisper Large-v3。
效率进阶
- 🎧 一键双模式：0.9.7 引入的 Auto 模式下，按住是推送式、点按是切换式，"边想边说"和"连续口述"用同一个键就能覆盖，不必按场景换快捷键。
- ⌨️ 命令行遥控：Handy 本身也是 CLI，
handy --toggle-transcription开关录音，handy --cancel取消当前操作，--start-hidden --no-tray可以让它安静驻留后台，方便写进脚本。 - 🖥️ Wayland 键位绑定：Wayland 下无法注册系统级快捷键，把上面的命令行写进窗口管理器配置（GNOME、KDE、Sway 均可），绑定到你顺手的任意按键即可。
- 🧩 Raycast 扩展：macOS 上如果你已经在用 Raycast，可以直接从命令面板开始/停止录音、查看转录历史、切换模型与语言。
装不上？看这里
- Linux 启动报 libgtk-layer-shell.so.0 缺失：运行时库没装。Ubuntu/Debian 执行
sudo apt install libgtk-layer-shell0，Fedora 用 dnf、Arch 用 pacman 安装 gtk-layer-shell。 - Linux 崩溃或窗口不显示：先试
HANDY_NO_GTK_LAYER_SHELL=1 handy，无效再叠加WEBKIT_DISABLE_DMABUF_RENDERER=1 handy；哪条有效就写进 shell 启动文件固定下来。 - Linux 上文字粘贴不回去：X11 需安装 xdotool，Wayland 需安装 wtype；同时把设置「Advanced」里的 Overlay Position 设为 None，录音浮层抢焦点会挡掉粘贴。
- macOS 蓝牙耳机录音时播放音量骤降：这是蓝牙双向音频的限制，保留耳机做输出，但在 Handy 里把麦克风切回 Mac 内置。
- 历史里文字正确，粘贴的却是旧剪贴板：按 Ctrl+Shift+D（macOS 为 Cmd+Shift+D）打开 Debug，启用 Reliable Paste 或调大 Paste Delay 再试。
写在最后
Handy 最适合处理敏感信息的专业人士、内网或弱网环境的使用者，以及想分叉改造的开发者。它完全开源，代码按模块切得很细，自定义门槛不高。如果你不希望自己的声音离开设备，装一个试试就知道值不值。
【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
