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

AI-Video-Transcriber 是开源的视频/播客转录与摘要工具：粘贴 YouTube、Bilibili、抖音、Apple Podcasts、SoundCloud 等 yt-dlp 可处理的公开链接，或上传本地音视频/纯文本，生成可下载的 Markdown 转录、翻译和摘要。仓库由 wendy7756 维护，许可为 Apache-2.0；技术栈围绕 FastAPI、yt-dlp、FFmpeg、Faster-Whisper 与 OpenAI 兼容接口。

它不是零配置在线 SaaS。本地或 Docker 部署前需要准备 Python/FFmpeg（或容器环境），以及用于优化/翻译/摘要的 OpenAI 兼容 API。截至 2026 年 7 月核对，GitHub 约 3.0k stars；Stars/Forks 会变化，以仓库页为准。

本文要点

• 字幕优先：有平台字幕时先提取，无字幕再回退 Faster-Whisper。
• 输入灵活：公开链接 + 本地 .mp3/.mp4/.wav/.mkv 等；.txt 跳过 Whisper 直接进文本管线。
• 摘要/翻译走 OpenAI 兼容接口，可在 UI 配置 Base URL、Key 与模型。
• 支持 install.sh、venv、Docker Compose；默认 http://localhost:8000。

字幕优先、本地上传与 Markdown 导出

链接任务

粘贴链接后，进度会区分 Subtitle（有原生字幕，通常更快）与 Whisper（无字幕，需下载音频再识别）。实际平台范围取决于 yt-dlp 对目标站的支持与你的网络环境，不要写成“永久覆盖所有站点”。

本地文件

拖放或选择文件后走同一处理入口。音视频经 FFmpeg 归一化再进 Whisper；纯 .txt 不做语音识别，直接进入优化与摘要。适合会议录音、课程文件和已有文稿的二次整理。

AI 与导出

转录后可做错字修正、段落整理、条件翻译和摘要，并下载 Markdown，便于导入笔记或 RAG。摘要质量取决于所选模型；人名、数字、专有名词仍建议人工复核。

Docker / 本地怎么部署

常用依赖：Python 3.8+、FFmpeg、可用的 OpenAI 兼容服务。环境变量常见项包括 OPENAI_API_KEY、WHISPER_MODEL_SIZE（默认 base）、UPLOAD_MAX_MB（默认 200）、HOST/PORT。机器吃紧时先用 tiny/base；长视频建议生产模式启动，避免开发热重载打断长任务。

git clone https://github.com/wendy7756/AI-Video-Transcriber.git
cd AI-Video-Transcriber
cp .env.example .env
docker-compose up -d

• 仓库：https://github.com/wendy7756/AI-Video-Transcriber
• 项目站：https://sipsip.ai
• yt-dlp：https://github.com/yt-dlp/yt-dlp
• Faster-Whisper：https://github.com/SYSTRAN/faster-whisper

1. 克隆仓库并配置 .env（或稍后在 UI 填 API）。
2. Docker Compose 启动，或按 README 用 install.sh / venv。
3. 打开 localhost:8000，粘贴链接或上传文件，选语言与模型后开始转录。
4. 下载 Markdown 前先抽查关键信息。

隐私、版权与成本

• 代码开源不等于处理免费：摘要/翻译可能产生 API 费用。
• 会议录音、客户访谈、付费课程、未公开视频：先确认授权；外部 API 可能离开本机。
• 遵守目标平台条款与版权；自部署也不能把未授权内容批量转成对外资料。