如何使用Handy语音转文本工具：离线语音识别的完整指南

【免费下载链接】Handy A free, open source, and extensible speech-to-text application that works completely offline. 项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy

Handy是一款免费、开源且可扩展的语音转文本应用程序，完全离线工作。它是一个跨平台桌面应用程序，提供简单、注重隐私的语音转录功能。按下快捷键，说话，您的文字就会出现在任何文本字段中。这一切都在您自己的计算机上完成，不会将任何信息发送到云端。

Handy应用程序图标，展示了友好的手势设计

为什么选择Handy语音转文本工具？

Handy的创建是为了填补真正开源、可扩展的语音转文本工具的空白。正如handy.computer所述：

• 免费：辅助工具应该掌握在每个人手中，而不是被付费墙阻挡
• 开源：我们可以共同进一步发展。为自己扩展Handy，并为更大的项目做出贡献
• 隐私：您的声音留在您的计算机上。无需将音频发送到云端即可获得转录
• 简单：一个工具，一个工作。转录您所说的内容并将其放入文本框

Handy并不试图成为最好的语音转文本应用程序——它试图成为最可分叉的应用程序。

Handy语音转文本工具的工作原理

1. 按下可配置的键盘快捷键开始/停止录制（或使用按键通话模式）
2. 说话当快捷键处于活动状态时说出您的话
3. 释放后，Handy使用Whisper处理您的语音
4. 获取转录文本直接粘贴到您正在使用的任何应用程序中

整个过程完全在本地进行：

• 使用Silero的VAD（语音活动检测）过滤静音
• 转录使用您选择的模型：
  • Whisper模型（Small/Medium/Turbo/Large），在可用时支持GPU加速
  • Parakeet V3 - CPU优化模型，具有出色的性能和自动语言检测
• 适用于Windows、macOS和Linux

Handy语音转文本工作流程示意图，展示了从语音输入到文本输出的全过程

Handy语音转文本工具的快速入门

安装步骤

1. 从发布页面或网站下载最新版本
   • macOS：也可通过Homebrew cask获取：brew install --cask handy
2. 安装应用程序
3. 启动Handy并授予必要的系统权限（麦克风、辅助功能）
4. 在设置中配置您喜欢的键盘快捷键
5. 开始转录！

开发设置

有关包括特定平台要求在内的详细构建说明，请参见BUILD.md。

Handy的架构

Handy是作为Tauri应用程序构建的，结合了：

• 前端：React + TypeScript与Tailwind CSS用于设置UI
• 后端：Rust用于系统集成、音频处理和ML推理
• 核心库：
  • whisper-rs：使用Whisper模型进行本地语音识别
  • transcription-rs：使用Parakeet模型进行CPU优化的语音识别
  • cpal：跨平台音频I/O
  • vad-rs：语音活动检测
  • rdev：全局键盘快捷键和系统事件
  • rubato：音频重采样

调试模式

Handy包含高级调试模式，用于开发和故障排除。通过按以下键访问：

• macOS：Cmd+Shift+D
• Windows/Linux：Ctrl+Shift+D

Handy语音转文本工具的系统要求

以下是在您自己的机器上运行Handy的建议。如果您不满足系统要求，应用程序的性能可能会下降。我们正在努力提高各种计算机和硬件的性能。

对于Whisper模型：

• macOS：M系列Mac，Intel Mac
• Windows：Intel、AMD或NVIDIA GPU
• Linux：Intel、AMD或NVIDIA GPU
  • Ubuntu 22.04，24.04

对于Parakeet V3模型：

• 仅CPU操作 - 在各种硬件上运行
• 最低要求：Intel Skylake（第6代）或同等AMD处理器
• 性能：在中端硬件上约为实时速度的5倍（在i5上测试）
• 自动语言检测 - 无需手动选择语言

Wordcab支持的Handy语音转文本工具，提供高质量的语音识别服务

Handy的故障排除

手动模型安装（适用于代理用户或网络限制）

如果您处于代理、防火墙或受限制的网络环境中，Handy无法自动下载模型，您可以手动下载和安装它们。URL可从任何浏览器公开访问。

步骤1：找到您的应用数据目录

1. 打开Handy设置
2. 导航到关于部分
3. 复制显示的"应用数据目录"路径，或使用快捷键：
   • macOS：Cmd+Shift+D打开调试菜单
   • Windows/Linux：Ctrl+Shift+D打开调试菜单

典型路径为：

• macOS：~/Library/Application Support/com.pais.handy/
• Windows：C:\Users\{username}\AppData\Roaming\com.pais.handy\
• Linux：~/.config/com.pais.handy/

步骤2：创建模型目录

在您的应用数据目录中，如果尚不存在，创建一个models文件夹：

# macOS/Linux
mkdir -p ~/Library/Application\ Support/com.pais.handy/models

# Windows (PowerShell)
New-Item -ItemType Directory -Force -Path "$env:APPDATA\com.pais.handy\models"

步骤3：下载模型文件

从下面下载您想要的模型

Whisper模型（单个.bin文件）：

• Small (487 MB)：https://blob.handy.computer/ggml-small.bin
• Medium (492 MB)：https://blob.handy.computer/whisper-medium-q4_1.bin
• Turbo (1600 MB)：https://blob.handy.computer/ggml-large-v3-turbo.bin
• Large (1100 MB)：https://blob.handy.computer/ggml-large-v3-q5_0.bin

Parakeet模型（压缩档案）：

• V2 (473 MB)：https://blob.handy.computer/parakeet-v2-int8.tar.gz
• V3 (478 MB)：https://blob.handy.computer/parakeet-v3-int8.tar.gz

步骤4：安装模型

对于Whisper模型（.bin文件）：

只需将.bin文件直接放入models目录：

{app_data_dir}/models/
├── ggml-small.bin
├── whisper-medium-q4_1.bin
├── ggml-large-v3-turbo.bin
└── ggml-large-v3-q5_0.bin

对于Parakeet模型（.tar.gz档案）：

1. 提取.tar.gz文件
2. 将提取的目录放入models文件夹
3. 目录必须精确命名如下：
   • Parakeet V2：parakeet-tdt-0.6b-v2-int8
   • Parakeet V3：parakeet-tdt-0.6b-v3-int8

最终结构应如下所示：

{app_data_dir}/models/
├── parakeet-tdt-0.6b-v2-int8/     (包含模型文件的目录)
│   ├── (模型文件)
│   └── (配置文件)
└── parakeet-tdt-0.6b-v3-int8/     (包含模型文件的目录)
    ├── (模型文件)
    └── (配置文件)

重要说明：

• 对于Parakeet模型，提取的目录名称必须与上面显示的完全匹配
• 不要重命名Whisper模型的.bin文件——使用下载URL中的精确文件名
• 放置文件后，重新启动Handy以检测新模型

步骤5：验证安装

1. 重新启动Handy
2. 打开设置→模型
3. 您手动安装的模型现在应显示为"已下载"
4. 选择您要使用的模型并测试转录

如何贡献

1. 查看现有问题：github.com/cjpais/Handy/issues
2. 分叉仓库并创建功能分支
3. 在目标平台上彻底测试
4. 提交拉取请求，并清晰描述更改
5. 加入讨论 - 通过contact@handy.computer联系

目标是创建一个有用的工具和其他人可以构建的基础——一个模式良好、简单的代码库，为社区服务。

总结

Handy语音转文本工具为用户提供了一个免费、开源、隐私保护的离线语音识别解决方案。通过简单的安装和设置，您可以快速开始使用语音转文本功能，而不必担心数据隐私问题。无论是为了提高工作效率，还是为了辅助功能需求，Handy都是一个值得尝试的优秀工具。

您寻找合适的语音转文本工具的旅程可以在这里结束——不是因为Handy是完美的，而是因为您可以使其成为完美的工具。

【免费下载链接】Handy A free, open source, and extensible speech-to-text application that works completely offline. 项目地址: https://gitcode.com/GitHub_Trending/handy11/Handy