新闻详情

新闻详情

首页 / 资讯中心 / 详情

Handy 离线语音转文字:3 步跑通,开口说话文字直接出现,音频不出电脑

发布时间:2026/11/19 12:16:19来源:尧图网络
Handy 离线语音转文字:3 步跑通,开口说话文字直接出现,音频不出电脑
Handy 离线语音转文字3 步跑通开口说话文字直接出现音频不出电脑【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开会时想边听边记但不想把录音上传给任何云服务按住一个快捷键、正常说话、松开你说的话就会直接出现在当前光标所在的文本框里——这就是 Handy一款开源、完全离线运行的语音转文字Speech-to-Text应用录音、识别、粘贴全部在你自己的电脑里完成。一句话定位Handy 是免费开源的跨平台桌面工具Windows / macOS / Linux面向在意隐私的用户——按快捷键、说话文字被粘贴进你正在用的任何输入框全程没有任何音频发往服务器。开口说话文字如何出现Handy 的主循环只有四步按下快捷键 → 说话 → 松开或再按一次→ 文本粘贴进当前应用。它内部做两件事用 Silero 的 VADVoice Activity Detection语音活动检测先把没人说话的静音段剪掉只把你真的在说的部分送去识别用你选定的本地模型把语音转成文字再自动粘贴。快捷键本身有三种行为模式在设置 → 通用 → 快捷键行为Shortcut Behavior里切换模式行为适合场景Auto默认按住 推而即说点按 开始/停止切换日常通用两种习惯都支持Hold只有按住期间才录音需要严格控制录音时长Toggle按一次开始再按一次结束长段口述、会议记录Handy 模型怎么选先看语言再看硬件模型是下载到你本机运行的路径见下文 FAQ在设置 → 模型里切换。官方维护的完整模型清单含文件大小、量化版本、支持语言数在 src-tauri/src/catalog/catalog.json常见的几款如下模型体量语言覆盖适用判断Parakeet Unified EN 0.6B默认推荐Q8_0 约 731MBQ4 量化约 477MB仅英语只说英语、追求最快响应Nemotron Streaming 3.50.6B28 种含中文多语言 自动语言检测日常主力Canary 180M Flash180M4 种低配机器几乎无感延迟Whisper Medium764M 参数99 种语言覆盖最广速度略慢Whisper Large v31.5B 参数100 种精度优先、配置较好的机器选择建议可以按两个问题判断你要说的语言只说英语 → Parakeet中文或中英混说 → Nemotron Streaming 3.5 或 Whisper 系列小语种 → Whisper Large v3。机器跑不跑得动都是本地推理参数越大越吃算力。拿不准就先装 0.6B 级别的设置页能看到每个模型的下载进度和磁盘占用。另外它有一个可选项后处理Post-Processing。你可以接一个 LLMOpenAI 兼容、Anthropic、Ollama 等 provider对识别结果做二次整理——删口头禅、改标点、转成英文。默认关闭也只有这个功能在你主动启用时才会走网络语音识别本身始终离线。三步跑通 Handy第 1 步安装。三个平台都有现成渠道# macOS brew install --cask handy # Windows winget install cjpais.Handy # Debian/Ubuntu先下载 .deb 包用 apt 装可自动带上依赖 sudo apt install ./Handy_*.deb也可以直接从官方发布页下载对应平台的安装包。第 2 步给权限、等模型。首次启动会请求麦克风权限录音用和辅助功能权限自动粘贴文字用两个都允许。它会自动下载推荐模型下载进度在设置页可见如果你手动改过模型这一步会自动下对应文件。第 3 步按快捷键说话。默认是CtrlShiftSpaceWindows/Linux或CmdShiftSpacemacOS按住说话、松开文字就出现在你之前聚焦的输入框里。习惯不同可以在设置里换成自己的组合键或切换上文说的 Hold / Toggle 模式。进阶用命令行和快捷键接管 Handy愿意折腾的人可以完全不碰鼠标。Handy 支持 CLI 参数macOS 上应用打包后直接调用二进制路径为/Applications/Handy.app/Contents/MacOS/Handyhandy --toggle-transcription # 切换录音开/关 handy --toggle-post-process # 切换录音 后处理 handy --cancel # 取消当前操作 handy --start-hidden --no-tray # 开机自启场景隐藏窗口、无托盘Linux 用户注意两件事文本输入工具按显示服务器选X11 装xdotoolWayland 装wtypesudo apt install xdotool/sudo apt install wtype装完粘贴才能稳定落到目标应用Wayland 下系统级快捷键由窗口管理器持有把命令设为handy --toggle-transcription即可比如 GNOME 自定义快捷键、Sway 配置里写bindsym $modo exec handy --toggle-transcription。想改它本身直接编译源码git clone https://gitcode.com/GitHub_Trending/handy11/Handy cd Handy bun install cd src-tauri cargo build --release平台依赖和构建细节都写在 BUILD.md 里。高频疑问Q: 粘贴出来的不是转录内容而是我刚才复制过的东西 A: 先按CtrlShiftDmacOS 为CmdShiftD打开 Debug 面板试Reliable Paste (Beta)仍不行就调大Paste Delay (After)。这个参数控制 Handy 多久之后才恢复你原来的剪贴板值太小会导致目标应用读慢半拍。Q: Linux 上文本贴丢了、或者贴进了别的窗口 A: 到设置 → 高级把Overlay Position覆盖层位置设为None并打开Audio Feedback用声音提示录音状态。Linux 下录音覆盖层可能抢焦点这是最常见的干扰源。Q: 网络受限模型下不下来 A: 手动下载模型文件放进应用数据目录下的models文件夹macOS~/Library/Application Support/com.pais.handy/modelsWindows%APPDATA%\com.pais.handy\modelsLinux~/.config/com.pais.handy/models文件名不要改重启 Handy 后在设置 → 模型里应显示已下载。数据目录在设置 → 关于页面可直接复制。Q: 蓝牙耳机当麦克风录音时播放音质/音量突然变差 A: 这是 macOS 上蓝牙耳机切到双向音频的正常现象。输出继续用耳机输入改选 Mac 内置麦克风即可。Q: 快捷键里用了 fn地球键却按不出来 A:fn不是标准 USB HID 信号只有 Apple 键盘能被 macOS 识别第三方键盘的 Fn 在固件里就被消化了系统根本收不到事件。换成ctrl/option/shift/command加普通键的组合。Handy 速查清单你想做的事怎么做切换录音不碰鼠标handy --toggle-transcription录音并走 LLM 后处理handy --toggle-post-process静默后台启动handy --start-hidden --no-tray打开 Debug 面板macOSCmdShiftD其他平台CtrlShiftD改录音触发方式设置 → 通用 → Shortcut BehaviorAuto/Hold/Toggle查数据目录、手动放模型设置 → 关于 → App Data Directory下设models/看全部可装模型src-tauri/src/catalog/catalog.jsonHandy 是 MIT 协议见 LICENSE的社区项目欢迎把踩到的坑、想要的功能以 issue 或 PR 的形式丢回仓库——它被设计成最容易分叉的语音转文字应用你就是下一个改它的人。【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 2026/11/18 21:21:17

【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 2026/11/18 14:20:46

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 2026/11/18 20:01:42

【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 ... 2026/11/18 11:04:06

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 2026/11/18 15:55:22

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 2026/11/18 21:21:16

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
📞 ✉