Handy：开源离线语音转文字工具使用指南最新版

你是否曾希望有一个语音输入工具，能快速将你说的话变成文字，又不必担心隐私泄露？

Handy 正是为此而生——一个免费、开源、完全离线运行的语音转文字桌面应用。它不依赖云端服务，所有处理都在本地完成，从说话到输出文本，整个过程安全、可控、高效。

是什么让 Handy 不一样？

市面上已有不少语音识别工具，但大多需要联网上传音频，或存在功能封闭、价格高昂的问题。Handy 的目标很明确：填补一个真正可扩展、注重隐私、对所有人开放的语音转录工具的空白。

它的核心理念可以概括为四个关键词：

• 免费使用：无障碍技术不应设门槛，Handy 永远免费。
• 开源透明：代码公开，社区共建，任何人都可审查、修改和贡献。
• 隐私优先：语音数据全程保留在本地设备，不会上传至任何服务器。
• 专注单一功能：不做复杂的 AI 助手，只专注于一件事——把你说的话准确地写出来。

更重要的是，Handy 并不追求成为“最强大”的语音识别软件，而是致力于成为“最容易被改造和扩展”的基础平台。开发者可以轻松分叉项目，加入新模型、新功能，甚至集成到其他系统中。

它是怎么工作的？

Handy 的操作逻辑极为简单，几乎零学习成本：

1. 设置一个快捷键（例如 Ctrl + Space）
2. 按下快捷键开始录音，说出你想输入的内容
3. 松开按键，语音立即在后台被转录
4. 文本自动粘贴到当前光标位置（无论你在用哪个应用）

整个流程无需切换窗口，也不需要点击按钮。就像多了一个“语音键盘”。

背后的技术流程：

• 使用 Silero VAD 实时检测是否有声音，跳过静音片段，提升效率
• 支持多种本地语音识别模型：
  • Whisper 系列模型（small / medium / turbo / large），支持 GPU 加速推理
  • Parakeet V3：专为 CPU 优化的高性能模型，支持自动语言检测
• 音频重采样由 rubato 处理，确保兼容性
• 所有结果直接模拟键盘输入，通过系统无障碍接口写入目标应用

这一切都发生在你的电脑上，不需要网络连接。

支持哪些系统？

Handy 是基于 Tauri（Rust + React/TypeScript）构建的跨平台应用，目前支持：

• macOS（Apple Silicon M系列芯片原生支持）
• Windows（x64 架构，支持 Intel/AMD/NVIDIA GPU）
• Linux（x64，推荐 Ubuntu 22.04 或 24.04）

未来计划扩展更多架构支持，包括 ARM 设备等。

如何快速开始使用？

安装步骤：

1. 前往 Handy 发布页 或官网下载对应系统的安装包
2. 安装后首次启动，授予麦克风权限和辅助功能访问权限（用于模拟输入）
3. 进入设置界面，自定义快捷键和默认识别模型
4. 在任意文本框中按下快捷键，开始说话即可

无需注册账号，也无需配置复杂参数，开箱即用。

⚠️ 注意：部分系统（如 macOS）需手动允许“辅助功能”权限，否则无法实现自动粘贴文本。

技术架构一览

Handy 的底层采用前后端分离设计，兼顾性能与可维护性：

这种组合既保证了跨平台能力，又充分发挥了 Rust 在系统级编程中的性能优势。

当前限制与硬件建议

尽管 Handy 已具备实用价值，但仍处于积极开发阶段，以下是一些已知限制和运行建议：

推荐配置

使用 Whisper 模型时：

• macOS：M1 及以上芯片（推荐 M2/M3）
• Windows/Linux：配备 英特尔/AMD CPU 或英伟达 GPU 的 x64 设备
• 更高算力意味着更快的实时转录速度（如大型模型可在 M1 上接近实时）

使用 Parakeet V3 模型时：

• 纯 CPU 运行，适合无独立显卡的设备
• 最低要求：英特尔 Skylake（第六代）或同级别 AMD 处理器
• 实测表现：在 i5 级别处理器上可达约 5 倍实时速度（即 1 秒语音约 0.2 秒内完成转录）
• 支持自动语言检测，无需手动选择语种

💡 提示：如果你的设备没有 GPU，建议优先尝试 Parakeet V3 模型，其对 CPU 友好且精度良好。