Handy 离线语音转文本5 步装好并调优的完整指南【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/HandyHandy 是一款免费、开源、完全离线的语音转文本应用按住快捷键说话松手后文字就自动贴进你正在用的任意输入框全程语音数据不离开你的电脑。快速上手从零到第一句转录三步装好应用不需要配置环境一条命令即可。选择你系统的对应方式# macOSHomebrew brew install --cask handy# Windowswinget winget install cjpais.Handy说明Homebrew 的 cask 包和 winget 包由社区维护不是官方出品。也可到官网发布页手动下载安装包。Linux 用户可下载 AppImage 或 deb 包。首次启动与权限打开 Handy系统会请求麦克风和辅助功能权限都点允许辅助功能权限是它能把文字贴进别的窗口的前提。在设置里挑一个你顺手的全局快捷键——它就是录音开关。在模型里确认已下载一个模型默认推荐款会自动出现未下载点一下即可。第一次转录打开任意记事本或网页输入框按住快捷键 → 说一句话 → 松手稍等片刻文字就出现在光标处。这就是它的全部核心一个工具只干一件事。核心功能实战开会、写作时怎么录三种快捷键行为在设置 → General → Shortcut Behavior里可以切换触发方式新安装默认是 AutoAuto按住录音、松手停也可点一下开始、再点一下结束两种习惯都兼容。Hold只有按住时才录是传统的推键说话。Toggle点一下开始再点一下结束适合不想一直按住键的场景。边说边出字流式模型与实时叠加层选一个支持流式streaming的模型比如 Parakeet Unified 或 Nemotron Streaming 3.5说话时屏幕上会浮出一个实时叠加层边说边显示已识别的文字比说完再等结果体验顺滑很多。不喜欢这个悬浮层可在Advanced里改成极简样式或直接关掉。专业术语总被认错加自定义词汇表医疗、编程、学术场景里专有名词最容易听错。在设置中打开自定义词汇表把Kubernetes阿司匹林这类词加进去识别准确率会明显提升。该组件源码见 src/components/settings/CustomWords.tsx。它是怎么做到完全离线的原理轻讲解Handy 用 Tauri 框架搭成前端是 React TypeScript 画界面后端是 Rust 干重活。真正让你不用联网的是下面这条本地流水线——每一步都在你自己机器上完成。层次负责的事用到的库界面层设置、模型选择、快捷键配置React TypeScript系统层全局快捷键、麦克风、把文字贴进窗口rdev、cpal音频处理层录声、重采样、静音过滤rubato、vad-rsSilero识别层真正听写的本地模型transcribe-cpp、transcribe-rs其中 VAD 就是判断你什么时候在说、什么时候在停顿的那一层先把没人说话的静音段丢掉省算力。整条链路按住快捷键 → 麦克风录音 → VAD 去掉静音 → 重采样 → 本地模型推理 → 文字贴入光标转录流程的总调度在 src-tauri/src/managers/transcription.rs静音检测模块在 src-tauri/src/audio_toolkit/vad/。全程没有任何请求发往云端这就是完全离线的含义。模型选择与性能调优模型不是越多越好而是按语言需求和硬件挑。常用几款对比模型语言数特点适合谁Parakeet Unified EN 0.6B1英流式、默认推荐快且准英文为主、想要实时Nemotron Streaming 3.528流式、自动语言检测多语种、要实时Whisper Large v3 / Turbo99~100精度最高、语言最全专业场景、GPU 机器Qwen3-ASR / SenseVoice5~30多语种、自动检测小语种、无实时需求Moonshine Tiny / Base1极小、按语种分模型老旧机器也能跑按硬件挑加速方式在 Advanced 的 Acceleration 里选有独立显卡N/AMD/Apple选 Auto 或具体 GPUWhisper 大模型能明显提速。只有 CPU / 老机器选 CPU并换成 Parakeet 或 Moonshine 这类轻量模型——官方数据约能做到 5 倍于实时的速度。不确定就留Auto它会自己挑最合适的。各平台技巧与常见坑三端通用逻辑一致差别主要在怎么把字贴进窗口。平台关键差异常踩的坑Windowsx64 支持winget 可装构建时路径过长报错macOS支持 Intel Apple Siliconfn/Globe 键只在苹果原装键盘上有效蓝牙耳麦录音时会掉音质LinuxX11 / Wayland 都要装输入工具启动闪退、粘贴不到窗口Linux 必装输入工具否则粘贴不可靠# X11 用 xdotoolWayland 用 wtype sudo apt install wtype排错速查FAQ启动报libgtk-layer-shell.so.0缺失或闪退装上对应发行版的gtk-layer-shell包还不行就用HANDY_NO_GTK_LAYER_SHELL1 handy跳过叠加层。窗口不渲染 / 花屏某些显卡驱动加环境变量WEBKIT_DISABLE_DMABUF_RENDERER1 handy。录音自己乱开乱停旧版监听了SIGUSR1新版已移除把pkill -USR1的绑定换成handy --toggle-post-process。Linux 上文字贴不进目标窗口叠加层默认关闭就是为此如仍出错到Advanced把 Overlay Position 设为 None。macOS 用蓝牙耳麦保持耳机做输出、改用 Mac 内置或外置麦克风录音避开蓝牙双向音频降质。进阶自定义1. 加载自定义 Whisper 模型。把 GGML 的.bin或.gguf文件放进应用数据目录的models文件夹重启 Handy它就会出现在自定义模型里。数据目录macOS 为~/Library/Application Support/com.pais.handy/Linux 为~/.config/com.pais.handy/。适合用微调或社区模型。2. 接外部 LLM 做后处理。在 Post-processing 设置里填 Provider、Base URL、API Key 和模型名识别完的草稿可再交给大模型润色、改语法。注意这一步是可选的不接 API 时全程依旧离线。3. 开调试模式看日志。macOS 按CmdShiftD、Windows/Linux 按CtrlShiftD能看实时日志、定位音频与转录卡在哪。调试组件见 src/components/settings/advanced/。提交 issue 时附上这里的日志会很有用。想从源码构建或贡献代码可克隆仓库git clone https://gitcode.com/GitHub_Trending/handy11/Handy总结与参与社区Handy 把按住说话、松手出字这件小事做到了极致免费、离线、可换模型、可扩展是学习和使用本地语音识别的干净范例。想参与的话三条路最实际——到项目的Issues提问题或领任务、按 Roadmap 里的方向提功能、或者给 src/i18n/locales/ 补一门语言的翻译。【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