开会最怕的不是听不懂，是边听边记。手上敲着键盘，耳朵就漏了两句；等轮到你发言，只能靠回忆补。语音转文字本来能解决这事，但大多数在线转写工具都要求先把录音传到对方服务器上。公司会议、客户沟通、问诊记录，这些东西传出去，心里总归不踏实。
是什么
Handy 就是冲这个来的。它是个开源的桌面语音转文字工具，GitHub 上 3.4 万 Star，MIT 协议，最新版 v0.9.8，最近一次提交就在一天前。用法一句话说完：按一个自己设的快捷键，说话，松手，文字直接出现在光标所在的位置，不管你在用 Word、聊天软件、浏览器还是代码编辑器。
关键在于「全程本地」。语音识别在你自己的电脑上跑，录音不会上传到任何服务器。断网也能用。
核心优势
声音不出本机。 它用 Silero 做静音检测，先把没人说话的空白段切掉，再交给本地模型识别。整条链路都在你自己的 CPU 或显卡上，没有账号、没有云端额度，也没有「免费版每月限 60 分钟」这种套路。
两种模型可选，老电脑也能跑。 走 Whisper 有 Small、Medium、Turbo、Large 几档，有独立显卡会自动启用 GPU 加速。不想折腾显卡的可以选 Parakeet V3，这个模型专门为 CPU 优化，还自带语种自动识别。日常口述用 Small 就够，追准确率再往上换。
按键方式能按习惯调。 支持三种：按住说话、松开停；按一下开始、再按一下停；以及只能长按或只能切换的模式。写长文用切换模式省手，回消息用按住模式更快。
三个系统都有安装包。 Windows、macOS、Linux 都能装。macOS 还能用 Homebrew 一条命令装，Windows 有 winget 包，不过这两个包是社区维护的，不是官方发的。
能自己改。 MIT 协议，想加功能直接动源码。它还开放了命令行参数，可以做自动化，比如设成开机静默启动、只留托盘图标。
Handy 仓库主页：Star 3.4 万、MIT 协议、最新版 v0.9.8
怎么用
去官网 handy.computer 或 GitHub 的 Releases 页下对应系统的安装包，装完启动，按提示给两个权限：麦克风，以及粘贴文字所需的辅助功能权限。然后进设置里设一个顺手的快捷键。建议避开系统自带的组合，比如 macOS 上别用带 fn 键的，那个键只在苹果原装键盘上生效。
国内用起来什么条件？这一步得说实话。 软件本身完全本地运行，装上就能用，不需要任何网络代理。但第一次用要下载识别模型，模型托管在国外的模型站上，国内直连会比较慢甚至卡住。办法有两个：一是耐心等它在设置里下完，模型体积从几百 MB 到 1GB 多不等，看你选哪档；二是如果你手里已经有 Whisper 的模型文件，直接放进它的模型目录就能跳过下载。所以「离线可用」是真的，只是「第一次把模型弄到本地」这一步，国内用户要有心理准备。
Linux 用户还得多装一个输入工具：X11 下装 xdotool，Wayland 下装 wtype，否则识别出来的文字没法自动敲进输入框。
Handy 官网：一条按钮直接给 Windows 安装包
不是没有槽点
第一次配置有点门槛。 下模型、给权限、调快捷键、挑模型档位，这几步对不熟悉软件设置的人来说不算轻松。它不是装完就自动能用的那种产品。
中文准确率要自己试。 Whisper 的中文表现整体可用，但碰到专业术语、人名、地名还是容易出错。它有自定义词典，能把你常用的词加进去纠偏，不过得手动维护。
macOS 上蓝牙耳机有坑。 官方自己写了：用蓝牙耳机的麦克风录音时，macOS 会切到双向音频模式，你听音乐的音质可能临时变差。建议耳机只当输出设备，麦克风选电脑自带的。
没有手机版。 只做桌面端。想在手机上语音输入，还是得靠系统自带输入法。
跟同类比
和系统自带的语音输入比，Windows 和 macOS 自带的听写确实零配置，但准确率一般、换不了模型、也没法处理长段录音。和各类在线转写服务比，那些按分钟收费、录音必须先上传，胜在手机电脑都能用、还能自动区分说话人。和 Whisper 的命令行版比，命令行更灵活但要求你会敲命令，Handy 的价值就是把同一套本地模型包成了「按一下就出字」的桌面工具。一句话：如果你在意录音不外传，又想要一个装完常驻后台的输入工具，Handy 是目前开源里做得最顺手的那个。
GitHub：cjpais/Handy
官方网站：handy.computer
标签：#Handy #语音转文字 #离线识别 #语音输入 #开源软件
你平时是打字快还是说话快？如果语音输入准到不用改字，你会换掉键盘吗？