cjpais/Handy

TL;DR

Handy 是一款基于 Tauri v2 (Rust) 构建的跨平台桌面端离线语音转写工具。它通过全局快捷键实现“按住说话、松手即输”，支持 Whisper 和 Parakeet V3 模型，无需联网即可完成高精度转录。

它解决什么问题

现有的语音转文字方案大多依赖云端 API（如 Apple Dictation、Google Voice Typing），存在隐私泄露风险和延迟问题；而本地方案（如 macOS 自带听写）通常封闭且不可扩展。Handy 填补了“完全本地化、开源可定制”的空白，特别适合对数据隐私敏感的用户（如开发者、法律从业者）以及网络受限环境。

核心做法

架构上采用 Tauri v2，前端为 Webview（Linux下使用WebKitGTK），后端逻辑由 Rust 驱动。核心流程包括： 1. 音频捕获：监听全局快捷键，支持 Hold/Toggle 模式。 2. VAD 处理：集成 Silero VAD，自动过滤静音片段。 3. 推理引擎：底层调用 ggml 库，支持 Whisper (Small/Medium/Turbo/Large) 及 Parakeet V3（CPU优化，自动语言检测）。 4. 文本注入：通过 xdotool (X11), wtype/dotool (Wayland) 或原生 API 将结果粘贴到当前焦点窗口。

作者

cjpais (Chris Pais)。README 未提供其详细背景，但项目拥有较高的社区关注度（3.6k+ Stars），且赞助方包括 Wordcab、Epicenter 等 AI/开发者工具公司，暗示其背后有独立的开源维护团队或资金支持。

社区反应

项目发布于 2025 年 2 月，截至数据更新已获 36,520 Stars 和 3,449 Forks。这一数据在开源工具类项目中属于极高水平，表明其解决了广泛的痛点。Open Issues 为 211 个，主要集中在 Linux Wayland 兼容性、macOS Bluetooth 麦克风问题及粘贴延迟等细节上。语言生态以 Rust (Tauri) 为主，社区活跃度极高。

怎么上手

依赖：无需编译即可使用预构建二进制。若从源码构建，需安装 Tauri 依赖及平台特定的 GUI/Webkit 库。
硬件：推荐有 GPU（CUDA/Metal）以加速 Whisper，但 Parakeet V3 在 CPU 上表现优异。
步骤： 1. 从 Releases 下载对应系统安装包（macOS/Windows/Linux）。 2. macOS 用户可通过 brew install --cask handy 安装。 3. Linux (Debian/Ubuntu)：sudo apt install ./Handy_*.deb 4. 启动后授予麦克风及辅助功能权限，配置快捷键即可使用。

争议与局限

Linux Wayland 支持有限：由于 X11/Wayland 权限隔离，文本注入依赖外部工具（wtype/dotool），配置复杂且存在焦点窃取风险。README 明确标注 Overlay 在 Linux 上默认禁用。
macOS Bluetooth 麦克风：使用蓝牙耳机时，因蓝牙带宽限制切换为双向音频模式，可能导致录音质量下降或系统播放音量降低（推断：这是蓝牙协议限制，非软件可完全解决）。
fn/Globe 键兼容：仅支持 Apple 原生键盘，第三方键盘无法触发（硬件限制）。
粘贴可靠性：在高压环境下可能出现“旧剪贴板内容覆盖”问题，需开启 Beta 版的 Reliable Paste。