信息卡

一句话定位

免费、开源、可扩展且完全离线运行的桌面语音转文字应用，按下快捷键说话，转写文本直接粘贴进任何输入框。

趋势解读：为什么火

Whisper 级模型已小到能在普通电脑上实时运行，而商业听写工具（如 Wispr Flow）订阅制收费且必须联网，用户对"语音数据上传云端"的顾虑真实存在。Handy 抓住这个空档：MIT 开源、全程本地推理、跨三大桌面平台免费使用，同时保留按键说话这一最自然的交互。本月上榜反映的是"本地优先 AI 工具"浪潮从聊天、编码延伸到输入法级的日常效率场景。

核心功能拆解

• 全局按键触发：自定义快捷键开启录音，支持按住说话（push-to-talk）与切换两种模式。
• 直接粘贴：松开后文本自动写入当前焦点应用，无缝融入任意软件。
• Silero VAD 静音过滤：裁掉无效片段，提升准确率并降低耗时。
• 多模型可选：Whisper Small/Medium/Turbo/Large 系列，检测到 GPU 时自动启用加速。
• Parakeet V3：CPU 优化的识别后端，带自动语言检测，无独显用户的默认选项。
• CLI 远程控制：`--toggle-transcription`、`--toggle-post-process`、`--cancel` 等标志便于脚本联动。
• Raycast 集成与自定义词典管理，专有名词可被持续纠正。
• 自定义模型支持：把 GGML `.bin` 格式 Whisper 模型放入 models 目录即被自动发现。

架构与技术栈浅析

基于 Tauri 框架的混合架构：前端用 React + TypeScript + Tailwind CSS 构建设置界面；核心逻辑全在 Rust 侧，负责系统集成、音频处理与 ML 推理。内部拆成多个专职 crate——transcribe-cpp 跑 GGML/GGUF 格式的 Whisper，transcribe-rs 承载 Parakeet 模型，cpal 处理跨平台音频 I/O，vad-rs 做语音活动检测，rdev 监听全局快捷键与系统事件，rubato 完成重采样。这种"薄 UI、厚 Rust 内核"的结构是性能与移植性的关键。

安装与环境要求

平台为 macOS（Intel 与 Apple Silicon）、x64 Windows 与 x64 Linux。步骤：从 Releases 或官网下载安装包 → 安装 → 启动后授予麦克风与辅助功能权限 → 在 Settings 配置快捷键 → 开始转写。社区包（非官方维护）：macOS `brew install --cask handy`，Windows `winget install cjpais.Handy`。

快速上手示例

装好后在系统设置里授权权限并设一个全局热键，然后在浏览器地址栏或记事本里按住该键讲话即可看到文字逐句粘贴出现。Wayland 用户可将 CLI 标志绑定到 GNOME/KDE/Sway/i3/Hyprland 自定义快捷键；也支持 Unix 信号，如 `pkill -USR2 -n handy` 切换录音状态。

进阶使用要点

• 需要更高精度时手动下载 Large 并确认 GPU 加速已生效；低配机器选 Parakeet V3。
• 通过 Raycast 扩展浏览转写历史并维护词典，专业术语不再误识。
• 调试模式快捷键 macOS 为 Cmd+Shift+D，Windows/Linux 为 Ctrl+Shift+D。
• 受限网络环境可用官方提供的手动模型安装流程或读取 Hugging Face 本地缓存。

典型应用场景

• 写邮件、填表单时的全局听写，替代打字疲劳场景。
• 会议速记：边说边出稿后再整理成纪要。
• 多语言输入：靠自动语言检测在中英混杂环境中切换。
• 无网环境（飞机、内网）下的可靠语音录入。

同类生态位对比

Wispr Flow 体验精致但闭源收费需联网；SuperWhisper 也走本地路线但仅限 macOS；Buzz 类工具面向文件转录而非实时输入。Handy 以开源 + 三平台 + 实时粘贴的组合占据最佳性价比生态位。

资源导航

GitHub：https://github.com/cjpais/Handy ；Releases 下载页；官网获取最新版本。注意品牌名、图标等资产不开源，非官方分支须换自有品牌。