企业官网建设流程全解析

Handy：完全免费的离线语音转文本，5 分钟上手的完整指南

【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

刚开完的会，还要花一小时听录音补纪要？访谈口述时，云端语音识别要订阅费，内容还得上传服务器，心里不踏实。Handy 是一款免费、开源、完全离线的语音转文本桌面应用：断网照样能用，录音和文本全部在本机处理，数据不出电脑。

离线语音转文本怎么安装

安装基本就是一行命令的事。Windows 用户直接：

winget install cjpais.Handy

macOS 和 Linux 可以下载对应安装包，也能自己构建。装好后按下面三步走：

1. 选个模型：首次启动会引导你下载一个本地语音识别模型，大小几百 MB 上下。
2. 按住录制键：默认快捷键按住就开始说话，松开即结束。
3. 看结果：转录文本自动出现在你当前的输入位置，就像语音版的打字机。

第一次转录可能要等模型加载几秒，之后就是即说即出。

实时转录会议 / 访谈

🎙️ 最实用的场景。在设置里开启始终麦克风，或干脆按住全局快捷键，屏幕角落会浮出一个小窗，边说边把文字转出来。

浮层里能看到正在写入的文本和当前录音进度，随时确认转写了多少。配合语音活动检测（可以理解为一个"只在有人说话时才开工的开关"），静音和背景噪音不会乱切句，长访谈一遍就能得到干净的结果。

自定义热词，让术语不再认错

录音里如果有大量专有名词、品牌名或行业黑话，识别率会掉。这时打开设置里的自定义词汇，把热词一条条加进去：

• 医疗：药名、病症
• 编程：库名、框架缩写
• 学术：术语、人名

原理很朴素：提前给模型一张"小抄"，这些词被写对的可能性就大得多。

外接 LLM API 润色文本

Handy 本体完全离线，但你可以在后处理里选配外部大模型 API：转录完成后，把草稿发给大模型做语法检查、标点修复和语气整理。配上之后润色一步到位；不配，依然是纯离线体验。关键是：原始录音不会被传出去，只发你选处理的文本。

语音识别模型怎么选

⚡ Handy 内置两大系模型，取舍很直接：

几句建议：

• 没有独显：选 Parakeet V3，CPU 上跑得很顺。
• 有显卡、追求最准：Whisper Turbo。
• 只是随手记两句：Small 足够，最省资源。

模型支持动态加载和卸载，空闲时自动释放内存，不用一直挂着占地方。

三大平台的差异与隐藏技巧

macOS— 体验最顺滑。Apple Silicon 芯片有原生加速，转录明显更快；还能把Globe 键设为触发键，按住空格旁边的地球键就能说话，比组合快捷键自然得多；麦克风和辅助功能权限也会自动申请，不用手动翻系统设置。

Windows— 除了 winget 一行装好，全局快捷键走 rdev 监听，后台、锁屏状态下都稳定可靠。

Linux— X11 和 Wayland 都支持。录音浮层依赖 gtk-layer-shell，个别 Wayland 环境下显示不出来时，启动前加一个环境变量即可：

HANDY_NO_GTK_LAYER_SHELL=1

关掉浮层不影响核心转录功能，只是少个屏幕提示。

进阶配置：快捷键、剪贴板与硬件加速

快捷键行为：默认"按住录音、松开结束"。如果你习惯"按一下开始、再按一下停"，把 Shortcut Behavior 改成 Toggle，录长段口述就方便了。

剪贴板策略：Handy 提供直接输入、剪贴板粘贴等多种方式把文字放进文档。遇到个别输入框（某些远程桌面、特殊控件）接收不到直接输入时，切换成剪贴板粘贴模式就好。

硬件加速：NVIDIA 显卡选 CUDA，Apple Silicon 选 Metal，其他环境试 OpenCL；配置弱的机器就用纯 CPU 模式，它本身也做了 SIMD 和多线程优化，速度并不慢。

写给想二次开发的读者

🛠️ 三个点快速上手：

• 设置界面在 src/components/settings/，每个开关就是一个 React 组件，新增设置项就是在这个目录里加一个组件，再补上状态逻辑。
• 核心逻辑在 Rust 侧：src-tauri/src/managers/transcription.rs 负责转录流程的协调，src-tauri/src/managers/model.rs 管模型的加载卸载，语音检测逻辑在 src-tauri/src/audio_toolkit/vad/。
• 调试模式：按 Cmd+Shift+D（macOS）或 Ctrl+Shift+D（Windows/Linux）打开调试面板，实时日志、模型推理耗时、波形和语音检测状态一目了然，排查"麦克风到底有没有收到声音"很有用。
• 接入自己的模型：把 Whisper GGML（.bin）文件放进应用数据目录的 models 文件夹，重启 Handy，它就会出现在模型列表里。

整体是 Tauri + React + Rust 的结构，三者懂哪门，就从哪层切入。

Handy 可以一句话概括：装好、选模型、开始说话，免费、开源、离线，隐私敏感的场合用它最省心。随着本地模型越来越快、越来越准，在自己设备上"说出来就是写出来"，会很快成为日常习惯。

【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