[语音转文本] Handy – 离线语音转文字与快捷键粘贴 | Windows/macOS版

Handy 是 cjpais 维护的开源桌面语音转写程序，许可证为 MIT。按住或切换全局快捷键录音，本地模型把话转成文字，再粘贴到当前输入框。官方站点强调：免费、开源、语音留在本机、只做转写这一件事。它不是输入法，也不代替会议软件的云端字幕。

本站资源信息为 V0.7.0，支持系统栏写的是 Windows/Mac。2026 年 9 月 12 日核对其官网与 GitHub：当前发行版为 v0.9.6（2026 年 8 月 24 日），README 写明 Windows、macOS 和 Linux。下文按“快捷键 → 说话 → 粘贴”说明，不以官网新版冒充本站安装包。

先分清本站 V0.7.0 和官网当前发行版

官网：https://handy.computer/ 。仓库与 Releases：https://github.com/cjpais/Handy 。第一次启动要给麦克风权限；要向其他窗口粘贴或模拟按键时，还要按系统要求授予辅助功能/辅助装置权限，否则会出现“录了音但粘不到 Word/浏览器”的情况。

用快捷键完成一次转写

官方介绍的默认交互是按住快捷键说话、松开后转写（push-to-talk）。也可以改成再按一次结束，或限制为只按住/只切换。具体默认组合键以你安装版本的设置页为准，官网演示视频里出现过改成 Ctrl+Z 的例子，那是演示映射，不能当成出厂热键。

1. 打开 Handy，在设置里确认录音快捷键，避开系统或游戏已经占用的组合。
2. 把光标放到要输入的文本框（聊天、邮件、编辑器）。没有可粘贴目标时，转写完成也不会出现字。
3. 按住快捷键说话，松开后等待本地转写。状态一般会在托盘或角标上变化。
4. 看文本是否进入当前输入框。若只有托盘提示、目标窗口没字，回头检查辅助功能权限和该应用是否屏蔽粘贴。

按住、切换，和系统热键冲突

静音段会走 Silero VAD，用来少送空白音频，不是降噪耳机，也不能保证吵杂会场一定准确。转写失败时，较新版本会保留录音以便换模型重试；V0.7.0 是否具备该行为，需要在该版本设置里确认，不能直接抄当前 README。

三种模式不要混用理解：

• 按住录音、松开结束：适合短指令，手离开快捷键就开始转写。
• 按一下开始、再按一下结束：适合稍长口授，但容易忘记第二次，导致录音一直开着。
• 设置里的 Hold-only / Toggle-only：用来禁止另一种触发，减少误触。

外接键盘和笔记本键盘切换时，官方建议用 Ctrl、Shift、Alt/Option、Command 加普通键，避免依赖某台设备上的特殊键。热键被游戏或系统占用时，表现是“说话了但角标不动”，应先换组合，而不是先换大模型。

Whisper 和 Parakeet 怎么选

当前官方 README 列出两类本地模型：Whisper（Small / Medium / Turbo / Large，可用时走 GPU）和面向 CPU 的 Parakeet V3（带自动语言检测）。模型要从 Handy 使用的地址下载到本机，体积从一百多 MB 到更大不等，第一次会明显占磁盘和时间。

• CPU 普通、主要说一种语言：先试较小的 Whisper 或官方标注面向 CPU 的 Parakeet，以设置页能跑完一轮为准。
• 有可用 GPU、要更高质量：再升到 Medium / Turbo / Large。更大模型更慢、更占显存，没有统一的“实时倍率”可以写进文章。
• 语言切换频繁：看当前版本是否提供自动语言检测；没有该选项时就在设置里固定语言，不要假设一定能识别“包括中文在内的所有主流语言”。

这些模型都在本地推理。官方承诺的是音频不送到 Handy 自己的云端去转写；若你另外安装了会把文本外发的插件或后续实验功能，那是另一条数据路径，需要单独看其说明。模型文件一旦下完，断网仍应能转写；没下完就断网，设置页通常会停在下载失败，而不是“自动改用云端”。

同一句口授换模型，结果和标点可能不同。不要用一次演示速度给所有电脑下结论：CPU 型号、是否走 GPU、当前模型体积都会变。文章也不采用未标明测试条件的“五倍实时”一类数字。

Windows、macOS、Linux 上的限制

本站资源按 Windows/Mac 提供。Linux 是官方当前支持的平台，但粘贴依赖桌面环境：X11 常用 xdotool；Wayland 上全局快捷键往往要在桌面设置里绑定 Handy 的 CLI，v0.9.x 的发行说明里仍在修 Wayland 粘贴。这些都不能写成“全平台完美兼容”。

调试菜单在 macOS 为 Cmd+Shift+D，Windows/Linux 为 Ctrl+Shift+D，用来看应用数据目录、日志和模型缓存位置，不是给日常转写用的。重装或清理磁盘前，若还要保留历史转写，先按该页给出的目录备份；较新版本的数据库升级可能无法退回旧版，官方 0.8 通道曾警告过不兼容的库迁移，V0.7.0 用户不要随意用新版配置文件覆盖旧库。

Linux 除粘贴工具外，还要确认用户在 audio/input 一类组里，否则会出现设置页正常、实际设备列表为空。Flatpak 或发行版包若与 GitHub AppImage 并存，快捷键守护进程可能跑两份，先卸掉一份再查冲突。

• 适合：自己机器上把口授写进已经打开的输入框，不想把录音传到第三方听写云。
• 不适合：代替会议平台的多说话人字幕、实时字幕合规存档，或在未授权时转写别人的谈话。
• 不要把“本地转写”理解成法律意义上的隐私认证；磁盘上的模型、录音缓存和系统剪贴板仍受本机账号和备份软件影响。

项目用 Tauri：设置界面是 React，音频、快捷键和推理在 Rust 一侧。官方把自己写成容易 fork 的转写工具，而不是功能最全的听写套件。社区有非官方的 Raycast 扩展，来源需单独核对，不计入本站 V0.7.0 的功能清单。