企业官网建设流程全解析

Handy 快速上手：免费离线语音转文本，5 分钟让电脑听懂你说话

【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

开会时想把关键结论直接口述进文档，但录音文件一旦丢给云端服务，合规风险立刻摆上台面。医院写病历、律所记庭审笔记，很多场景对"语音数据出网"是有硬性限制的。还有一种更朴素的需求：出差断网、飞行模式、内网隔离环境，你只是想说话变成字。

Handy 就是为这些场景做的一个桌面应用：免费、开源、完全离线的语音转文本工具。它把 Whisper 和 Parakeet 这类本地语音识别模型跑在你自己的电脑上，按住快捷键说话，松开后文字直接粘贴进当前输入框。全程没有任何音频离开本机。

🛡️ 为什么本地语音识别比云端更适合这类场景

说白了，云和路的差别不在"聪明不聪明"，而在边界条件：

这不是说云端方案一无是处——如果你要的是几十种小语种的高精度转录，云端大模型确实有优势。但对"数据不能出网"有硬约束的场景，本地方案不是妥协，是唯一解。Handy 属于后者。

🚀 5 分钟跑起来：各平台安装步骤

Windows

winget install cjpais.Handy

装完打开应用，授予麦克风权限即可。

macOS

brew install --cask handy

首次启动会弹麦克风权限，另外要在"系统设置 > 隐私与安全性 > 辅助功能"里勾选 Handy——它靠这个权限把文字粘贴回你正在用的应用。

Linux

去 releases 页面下载 AppImage / deb / rpm（请以仓库最新 README 为准）。Wayland 用户注意装一下文本输入工具：

sudo apt install wtype # Wayland；X11 则装 xdotool

首次配置：选模型、定快捷键

模型在"设置 > 模型"里下载。Whisper 各档位从 487 MB（Small）到 1.6 GB（Turbo）不等，Parakeet 系列约 478 MB。网络受限时可以手动下载模型文件，丢进应用数据目录下的models文件夹再重启 Handy（macOS 在~/Library/Application Support/com.pais.handy/models，Linux 在~/.config/com.pais.handy/models）。

快捷键默认是"按住说话、松开发送"，也可以在设置里改成点按切换模式：

上面三种行为里：Hold 是按住才录音，Toggle 是点一下开始、再点一下结束，Auto 则是两种都支持。挑一个你手腕舒服的。

⚡ 核心能力实战：按场景用

日常速记：快捷键触发 → 转写 → 自动粘贴

完整链路就三步：触发快捷键 → 说话 → 松开。Handy 会先静音、再识别、然后把结果直接塞进当前焦点的输入框——邮件、备忘录、代码编辑器都算。它支持直接键入和剪贴板粘贴两种策略，在"设置 > 高级"里可以切，某些应用里一种粘不进去就换另一种试试。

流式模式下你能在悬浮层里看到文字边说边出来，顺便检查自己有没有口误：

专业领域提效：用自定义词汇表校准术语

识别错的通常是专名：药名、法条编号、公司内部代号。Handy 的自定义词汇表就是干这个的——把词加进列表，识别时会被优先匹配。对应界面在 自定义词汇设置，每个词不超过 50 字符。

• 医疗：把"阿托伐他汀""CT 平扫"这类加进去
• 法律：法条引用、当事人姓名
• IT：产品代号、缩写词（不加的话 Whisper 经常自由发挥）

多模型策略：按硬件选模型，一句话决策

各档位的适用边界大致是：

• Canary 180M Flash：约 140 MB，四国语言（英德法西），老机器、低内存首选
• Parakeet V3 / Parakeet Unified EN：纯 CPU 跑，中端硬件约 5 倍实时速度，英文场景默认推荐（要求 Skylake 或同代 CPU）
• Whisper Small/Medium：多语言、精度与速度的折中
• Whisper Turbo/Large：精度最高，吃 GPU，Turbo 约 1.6 GB

一句话：没有独显选 Parakeet，有 8 GB 以上显存选 Whisper Medium 起步，要最高精度上 Turbo。注意 Parakeet 系列目前只支持英语，多语言场景走 Whisper。

LLM 后处理联动：转写完顺手润色

转录完可以自动把文本发给一个外部 LLM API，做语法修正、去口头禅、格式化。在"设置 > 后处理"里配置 Provider、Base URL、模型名和 API Key，然后触发录制时走带后处理的模式即可。踩坑提醒：这一步会让文本出网。语音本身不出网，但如果你连转写结果都不能出网，就别开它。

🛠️ 让速度再快一点：性能调优清单

问题：Whisper 在 CPU 上转得慢→ 去"设置 > 高级"的加速选项里挑设备。Whisper 推理走 CUDA / Metal / DirectML / ROCm，ONNX 部分（VAD 等）另有一个下拉框，两个都建议先选 Auto 再手动对比。对应组件是 加速选择器。

问题：内存不够，不想让模型一直占着→ 调"模型卸载超时"：从立即卸载到 1 小时共 7 档。开着 5 分钟或 10 分钟是多数人的甜蜜点——第二次触发时不用重新加载，机器压力又可控。内存紧张就选更短的。

问题：松开快捷键后要等一会儿才有文字→ 看录音缓冲区设置，它决定转写时回看多少秒音频，太小会截断开头。

问题：停顿也被当成说话内容→ 语音活动检测（VAD）用 Silero 模型做静音过滤，平滑窗口可调，窗口放宽容忍度变高，适合边想边说的场景。

问题：换应用之间录音老丢→ 检查是否开了"录制时静音"，以及蓝牙耳机（macOS 上蓝牙麦克风会切换双向音频，导致录音时音质变差，建议输出留耳机、输入用内建麦克风）。

🖥️ 三端差异速查

Linux（最容易踩坑）

• 全局快捷键不能在应用内配：Wayland 下要在桌面环境/窗口管理器里绑定，命令填handy --toggle-transcription
• Sway/i3 配置长这样：

bindsym $mod+o exec handy --toggle-transcription

• 录音覆盖层默认关闭（Overlay Position: None），因为部分合成器会抢焦点导致粘不回原应用
• 启动报libgtk-layer-shell.so.0缺失就装发行版对应包；顽固问题可用HANDY_NO_GTK_LAYER_SHELL=1启动
• 粘贴不生效先装wtype（Wayland）或xdotool（X11）

macOS

• Globe 键可以当触发键，但仅限 Apple 键盘——第三方键盘的 Fn 不上传系统事件，这是硬件限制
• Apple Silicon 自动走 Metal 加速，Intel 机型可用但建议中小模型
• 麦克风 + 辅助功能两样权限都要给，少一个就缺一条腿
• 蓝牙耳机录音时音质下降，属已知行为，换输入设备可解

Windows

• 全局快捷键由后端rdev监听，行为最"正常"的一端
• winget 安装后默认在系统托盘，可设置开机自启、隐藏启动
• 偶发 Whisper 模型崩溃（与具体系统配置相关），换个量化版本或模型通常能绕过
• 调试菜单快捷键Ctrl+Shift+D

🔧 给开发者的后门

先讲分工：界面是 React + TypeScript（Tailwind 写样式），Zustand 管状态；系统级的事——音频采集、VAD、模型加载、全局快捷键、粘贴——全部在 Rust 端用 Tauri command 暴露给前端。音频这条链路的代码集中在 音频处理模块，从采集、重采样到 VAD 都能在那看到。

想加一个新设置项？最短路径两步：在src/components/settings/下新建一个组件（照抄ModelUnloadTimeout.tsx这种 Dropdown 写法就行），状态读写走src/stores/settingsStore.ts；如果设置涉及后端行为，再在src-tauri/src/加一个 Tauri command，前端通过src/bindings.ts生成物调用。

排障时按Cmd+Shift+D（macOS）或Ctrl+Shift+D（Win/Linux）开调试菜单，里面有应用数据目录、实时日志查看、日志级别切换——模型加载卡住、粘贴失败这类问题，先看日志再说。

❓ 常见疑问 & 避坑

Q：按快捷键没声音/录不到东西？先确认系统权限（macOS 麦克风 + 辅助功能）；再确认 Linux 下装了对应的输入工具；蓝牙耳机的用户把麦克风切到内建或外接的。还不行就开调试看 LiveLog，会直接告诉你卡在哪一步。

Q：模型下载慢或下不动？走代理或离线环境时，用浏览器从发布页把模型文件下下来，手动放进应用数据目录的models文件夹，重启即识别。Whisper 放.bin/.gguf文件，Parakeet 要解压成固定名字的目录。细节以仓库 README 的 Troubleshooting 为准。

Q：和系统默认输入法/语音输入冲突？换个不常用的组合键，避开Win+H这类系统占用。macOS 上 Globe 键方案和第三方键盘有坑（见上节），直接改用标准修饰键组合最稳。

Q：Parakeet 和 Whisper 到底选哪个？英文为主、机器一般甚至偏老：Parakeet。要识别多语言、或者对长难句精度更敏感：Whisper。两个都装了可以随时切，不冲突。

Q：转写结果能留多久？历史保留时长和条数上限都在设置里可调，也可以直接清空。它和"录音保留"是两个独立开关，按需配置。

Q：为什么 Linux 上粘贴进了错误的窗口？大概率是录音覆盖层抢了焦点。把 Overlay Position 设为 None，想有提示就开"音频反馈"用声音代替视觉。

Handy 做的事不复杂：快捷键一按，话变成字，贴回输入框。但它把"完全离线"这条路走通了——模型、推理、粘贴全在本机，隐私边界由你自己控制。对合规敏感的团队来说，这比任何功能列表都值钱。随着本地推理硬件（NPU、统一内存的 Apple 芯片）越来越普及，语音这类高频、高隐私的交互，桌面本地化几乎是必然方向，而一个免费开源、好 fork 的实现，会是这个方向上很值得盯着的项目。

【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