新闻详情

新闻详情

首页 / 资讯中心 / 详情

Handy 离线语音转文字:5分钟上手指南

发布时间:2026/11/21 5:05:53来源:尧图网络
Handy 离线语音转文字:5分钟上手指南
Handy 离线语音转文字5分钟上手指南【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/Handy开会赶不上记笔记长文只想说不想打却又舍不得把录音传给云端开源项目 Handy 帮你解决按一下快捷键说话文字直接出现在任意输入框里语音转文字全程离线完成声音一步不出你的电脑。它是什么和同类工具差在哪Handy 是一款跨平台桌面应用支持 Windows、macOS 和 Linux用 Tauri 框架前端 React、后端 Rust 的轻量桌面方案加 Whisper 系列模型把语音识别完全放在本地跑。和先把音频上传云端、再返回文字的主流语音输入工具相比它的区别可以概括为三点完全离线音频全程不出本机、免费且开源MIT 协议代码可查可改、模型可自选Whisper 各尺寸、Parakeet 等按需切换代码组织见 核心模块。核心功能拆解离线转录怎么跑起来全程不用联网也能用松开快捷键后录音先经 Silero VAD语音活动检测通俗说就是自动剪掉没人说话的部分过滤掉静音再由你选的模型转成文字最后自动粘贴进你正在用的应用。可选模型包括 WhisperSmall 约 487MB 到 Large 约 1.1GB有 GPU 时自动加速和面向 CPU 优化、支持自动语言检测的 Parakeet0.9.0 版本换装 transcribe.cpp 引擎后又增加了 Granite、Voxtral、MedASR、Qwen3 ASR 等一批新模型。快捷键一步配好新安装默认用 Auto 模式按住快捷键录音、松开即停也可以点按一次开始、再点按一次停止两种习惯一套按键都兼容。介意的话可以在 General → Shortcut Behavior 里改成 Hold纯按住说话或 Toggle纯点按切换。边说边看到字装上流式模型如 Parakeet Unified、Nemotron Streaming后你说话的同时文字就逐字出现在屏幕上整段转录也完成得更快配套的流式覆盖层会实时显示正在写入的内容不喜欢的话可以在高级设置里换回极简样式。转录后的自动整理Handy 默认开启填充词移除自动删掉嗯、啊这类口癖还支持自定义词表提升专有名词的识别准确率。想要更工整的输出可以打开 LLM 后处理接入支持 Base URL API Key 的提供商含 Apple Intelligence 等用你写的提示词润色原始转录——该功能默认关闭需手动开启并填入密钥。5 分钟完成安装和第一次转录✅安装macOS 和 Windows 有现成的包管理器通道cask 与 winget 包由社区维护# macOS brew install --cask handy # Windows winget install cjpais.HandyLinux 下载 .deb 后用 apt 安装依赖会自动补齐sudo apt install ./Handy_*.deb✅首次配置启动后授予麦克风和辅助功能用于粘贴文字权限Handy 会自动下载推荐模型到应用数据目录路径可在设置 About 页查看。✅第一次使用点进任意输入框按下快捷键说话、松开文字就出现在原处——你的第一次离线转录完成了。进阶与生态模型、命令行与自动化自己动手管模型网络受限时可跳过自动下载把模型文件Whisper 的 .bin 或 GGUF 文件文件名保持原样放进数据目录下的models文件夹macOS 为~/Library/Application Support/com.pais.handy/modelsLinux 为~/.config/com.pais.handy/models重启 Handy 即被识别放进共享 Hugging Face 缓存或社区微调的 Whisper 模型它也会自动发现并列入 Models 页的 Custom 区域。用命令行远程控制官方标注为 betahandy --toggle-transcription # 切换录音 handy --start-hidden --no-tray # 隐藏窗口和托盘启动Wayland 用户尤其值得玩窗口管理器保留快捷键的主权把自定义按键绑定到 CLI 或 Unix 信号上即可——bindsym $modo exec pkill -USR2 -n handy这里的pkill只是发信号、不会杀掉进程GNOME、KDE、Hyprland 都可用同样思路配置。嵌入自己的工作流社区 Raycast 扩展支持从 Raycast 里开始/停止录音、查历史、管词表、切模型和语言配合开机自启 隐藏启动设置Handy 适合常驻后台做随时听写。Linux 上记得装文本输入工具X11 用 xdotoolWayland 用 wtypedotool 需要用户加入 input 组。从源码构建开发者需要 Rust 和 Bun各平台依赖清单见 BUILD.mdgit clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy bun install bun tauri dev谁该用谁可以先等等如果你的录音涉及隐私、常处离线环境或想把语音转文字工具改成自己的样子Handy 很合适如果你要的是手机随手录、开箱即用的云端高精度识别它帮不上忙。先去装好它、按住快捷键说句话试试有问题提个 issue喜欢就点个 star。【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
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/20 0:44:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/19 15:17:14

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/20 20:45:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/20 16:11:20

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/20 18:41:01

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/20 0:44:55

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉