口述写作或记会议纪要时,最让人犹豫的往往不是识别准不准,而是录音会被送到哪里。Handy 给出了一种桌面端选择:按下快捷键说话,松开后,文字会直接粘贴到当前应用的文本框里;整套识别都在自己的电脑上完成,不向云端发送音频。
它是一款免费、开源的跨平台应用,可运行于 Windows、macOS 和 Linux。Handy 会先用 Silero 的 VAD(语音活动检测,即区分说话声与静音)过滤无声片段,再调用 Whisper 或 Parakeet V3 模型转写;Whisper 可在条件允许时使用 GPU 加速,Parakeet V3 则面向 CPU 优化并支持自动识别语言。用户还能切换模型、语言和快捷键,这也是项目所说的“可扩展性”。
该项目单日新增 101 星,说明本地语音输入正在获得关注。不过开发者也明确表示项目仍在积极开发,并存在已知问题;例如 macOS 使用蓝牙耳机麦克风录音时,播放音质或音量可能暂时下降。