Handy | 开源语音输入项目 – 离线本地转写 – Windows/Mac/Linux

简介

Handy 是一款完全离线运行的开源语音输入工具：按住快捷键说话，松开后便会把本地转写结果输入当前应用。它不要求把录音上传到云端，适合希望在编辑器、聊天窗口、浏览器和办公软件之间统一使用语音输入，同时重视隐私与网络独立性的用户。

杂货喵小编结合 Handy 官网、GitHub 仓库、Release 与 WarpNav 原文重新核对，重点说明本地模型、全局快捷键、系统权限和 Linux Wayland 兼容边界。截至 2026 年 7 月 15 日核对时，最新正式版为 v0.9.2，桌面端覆盖 Windows、macOS 与 Linux，程序代码采用 MIT 许可证，品牌素材不包含在该许可中。

本文要点

• 录音和语音识别在本机完成，不依赖在线转写服务。
• 通过全局快捷键把转写文字送入当前应用，减少复制粘贴。
• 可选 Whisper 或 Parakeet 模型，速度、语言和硬件占用不同。
• 首次使用仍需下载模型，并授予麦克风与辅助功能权限。
• Linux 的 Wayland、输入模拟和音频环境可能需要额外配置。

Handy 适合解决什么问题

系统自带语音输入通常与特定账号、联网状态或应用生态绑定，云端听写也意味着录音需要离开设备。Handy 把识别模型放在本机，并以桌面快捷键作为统一入口，因此可在不同软件之间复用同一套操作。写邮件、记灵感、回复消息或输入代码注释时，不必为每个应用分别寻找语音功能。

“完全离线”描述的是模型安装完成后的转写过程。首次下载模型、获取安装包与检查更新仍需要网络；若设备空间有限，也要提前评估模型体积。它更像一个隐私优先的输入层，而不是会议录音归档、多人说话人分离或专业字幕制作平台。

Whisper 与 Parakeet 怎么选

模型越大不一定越适合日常输入。短句响应速度、风扇噪声和内存占用会直接影响体验，建议先用较小模型测试自己的口音、麦克风和常用词，再决定是否增加模型体积。中文输入还应检查标点、数字、英文缩写和专业名词，不能只看一段标准普通话的结果。

安装与首次配置

1. 从 Handy 官网或 GitHub Release 下载与系统架构对应的安装包。
2. 启动后选择识别模型，并等待模型文件完整下载到本机。
3. 在系统设置中授予麦克风权限；macOS 还需按提示开放辅助功能权限。
4. 设置不与常用软件冲突的按住说话快捷键，测试录音和文字注入。
5. 在编辑器、浏览器和聊天软件分别试用，确认中英文、标点与快捷键行为。

若下载中断，不应反复启动多个下载任务；先检查代理、磁盘剩余空间和模型缓存。企业设备可能通过安全策略禁止麦克风、全局热键或辅助功能控制，这类限制需要管理员处理，重新安装程序通常不能绕过。

跨应用输入与权限边界

Handy 要把文字写入当前窗口，需要知道当前焦点并模拟输入。macOS 的辅助功能授权、Windows 的安全软件拦截，以及 Linux 的桌面会话都会影响结果。如果能够录音但没有文字出现，应先确认焦点窗口、权限和快捷键冲突，再判断识别模型是否异常。

密码管理器、管理员窗口、远程桌面或受保护输入框可能主动阻止模拟按键，这是合理的安全边界。语音输入也不适合密码、密钥、身份证号等敏感内容；即使识别离线，屏幕上的目标应用、剪贴板工具或输入历史仍可能留下痕迹。

Linux 与 Wayland 注意事项

Linux 桌面在 X11 与 Wayland 下对全局热键和输入模拟的支持不同。Wayland 更严格地限制应用控制其他窗口，因此不同桌面环境可能需要额外依赖、门户授权或替代输入方案。安装成功不代表所有发行版与桌面组合都能获得一致体验。

排查时可分别确认音频输入设备、会话类型、快捷键注册和文字注入。若麦克风指示正常但目标窗口没有文字，问题更可能在输入模拟；若没有录音波形，则优先检查 PipeWire、PulseAudio、设备选择与系统权限。

适用人群

Handy 适合经常写长消息、邮件、笔记和初稿，希望减少键盘输入，同时不愿把语音交给第三方云服务的个人。内容创作者、开发者和有无障碍输入需求的用户，也可以把它作为系统听写之外的本地方案。

需要多人会议转录、说话人识别、团队词库、云端同步或正式客服支持的组织，不应只依赖 Handy。老旧设备若无法流畅运行本地模型，也可能更适合系统听写或其他轻量方案。

编辑整理体验

Handy 最有价值的地方不是“能识别语音”，而是把离线识别放进了日常输入路径。按住、说话、松开这一动作足够短，才可能替代零散的键盘输入；如果模型太慢或快捷键经常冲突，再高的离线准确率也难以形成习惯。

更稳妥的用法是把它用于草稿和自然语言，再人工检查专有名词、数字与标点。涉及代码、命令和精确格式时，语音适合描述思路，不适合直接执行未经复核的内容。

常见问题（FAQ）

Handy 断网后还能使用吗？

模型下载完成后，核心录音和转写可以离线运行。首次下载模型、安装更新或访问项目文档仍需要网络。

为什么能录音却不能把文字输入应用？

常见原因是辅助功能权限、焦点窗口、全局快捷键冲突或 Wayland 输入限制。应把录音识别和文字注入分开排查。

中文语音输入应该选哪个模型？

优先选择明确支持多语言的 Whisper 模型，并用自己的口音与常用词测试。模型大小要在准确率、延迟和硬件占用之间平衡。

MIT 许可包含 Handy 的品牌素材吗？

不包含。仓库说明代码采用 MIT，而名称、标志等品牌素材有单独保留条件，二次分发前应阅读仓库许可说明。

使用建议

先在普通文本编辑器完成一次小模型、麦克风和快捷键测试，再扩展到常用软件。保留键盘作为精确修改手段，并定期检查模型文件、权限和新版本说明。

版本、模型与系统兼容情况会继续变化，下载和许可判断应以 Handy 官网、GitHub README、Release 与许可证原文为准。

相关链接

• GitHub 仓库：https://github.com/cjpais/Handy
• 官方网站：https://handy.computer
• Release：https://github.com/cjpais/Handy/releases/latest