📌 项目地址:cjpais/Handy | ⭐ 36,522 颗星 | 🔧 Rust | 📜 未标注

它解决什么问题

语音转文字的工具不少,但大多绕不开两件事:收费,或者把你的音频传到服务器上处理。你口述的内容往往很私密,工作安排、私人消息,甚至随口拼出的密码。让这些音频出厂,本身就不合理。

Handy 是反着做的:免费、开源、转写全部在本地跑。按住快捷键,说话,松手,文字直接出现在光标所在的位置。音频不离开你的电脑。

这个思路显然戳中了很多人的需求:36522 个 Star。

技术上怎么实现的

录音进来先过一道 Silero VAD(语音活动检测),把静音段过滤掉,省掉无意义的计算。然后交给转写模型,README 里给了两条路:

  • Whisper 系列(Small / Medium / Turbo / Large),检测到 GPU 就用 GPU 加速,显卡好可以跑 Large 换准确率
  • Parakeet V3,为 CPU 优化,性能好,还能自动检测语言,没显卡的机器选这个

我觉得这个分层设计是对的。同类工具常常只绑定一个模型,用户没得选。Handy 让硬件好和硬件差的用户都能用,不用为设备妥协。

快捷键的行为也可以配置:按住录音、松开停止;或者点一下开始、再点一下结束。README 还提到 Hold-only 和 Toggle-only 两种模式,可以锁定其中一种方式。

Windows、macOS、Linux 三个平台都有。

安装

从 releases 页面或 官网下载安装包。macOS 和 Windows 也可以走包管理器:

macOS(Homebrew):

brew install --cask handy

Windows(winget):

winget install cjpais.Handy

注意这两个包是社区维护的,不是 Handy 开发者自己提交的。

Debian/Ubuntu 有个坑:装 .deb 必须用 APT,让依赖自动装好:

sudo apt install ./Handy_*.deb

README 明确说别用 dpkg -i,除非依赖已经齐了。如果已经踩坑,跑一句 sudo apt --fix-broken install 补救。

装好后启动,授予麦克风权限和辅助功能权限(尤其 macOS,辅助功能不给的话文字贴不进其他应用),在设置里配好快捷键就能用了。

为什么值得长期关注

README 的立场写得很直白:无障碍工具应该人人可用,不该锁在付费墙后面。这句话对应的是现实,市面上的听写工具要么订阅制,要么把免费额度做得很小气。

代码用 Rust 写,定位是可扩展的(”extensible” 是 README 原词)。官方的姿态是自己用、做扩展、贡献回来,仓库里有 Discord 邀请链接,遇到问题有地方问。想自己编译的话,看仓库里的 BUILD.md,各平台依赖要求写在里面。

我的判断

它只做一件事:把你说的话变成文字,放进输入框。不做会议纪要,不做摘要,不做云端同步。这种克制反而让它可靠。

两个提醒:大模型首次下载要等一会儿;转写速度吃硬件,没 GPU 就选 Parakeet V3 或 Whisper Small,别硬上 Large。

如果你打字慢、常写长文,或者单纯不想让声音上传到任何人的服务器,装一个试试,五分钟就知道适不适合你。

这篇文章对你有帮助吗?

发表回复