Parler va environ trois fois plus vite que taper. Handy ne fait qu une chose : transformer ce qui est dit en texte dans le champ ou se trouve le curseur.

C est un outil libre et ouvert de parole vers texte pour le bureau, et tout se passe sur la machine. Le 2 novembre 2026 il est passe a la 0.10, et la note de version est inhabituellement directe : apres cette version l essentiel des fonctions est en place, le travail porte desormais sur les defauts et la stabilite plutot que sur des ajouts. Pour un outil deja utilisable chaque jour, cette phrase pese plus que n importe quelle liste de fonctions.

Trois blocs remplis par la 0.10

Le premier est la transcription des fichiers audio. Jusqu ici l outil etait bati autour de la dictee en direct : parler dans le microphone et voir les mots arriver. Des enregistrements deja faits peuvent maintenant etre poses dans l outil et transcrits, et le resultat entre aussi dans l historique. Le deuxieme est la detection automatique de la langue, pour tous les modeles pris en charge, si bien que la langue n a plus a etre choisie a la main chaque fois. Le troisieme touche au ressenti : un nouveau parcours d accueil et le debut d une interface repensee.

La liste des changements contient aussi des points plus discrets qui comptent davantage au quotidien. Le moteur de transcription vit maintenant dans son propre processus de travail, et les longs enregistrements sont coupes la ou la voix est detectee. Les mots personnels passent par la liste de vocabulaire du moteur, ce qui stabilise le traitement des noms propres, des noms de personnes et des termes techniques. Les services de post traitement personnels recoivent le nouveau format de message. Un chemin de collage qui bloquait le fil principal a ete corrige. Tout cela mis ensemble fait le vrai poids du mot presque fini.

Ce que cela donne a l usage

L interaction est volontairement sobre. Placer le curseur dans un champ qui accepte la frappe, appuyer sur le raccourci et parler, appuyer de nouveau pour arreter, ou tenir la touche et la relacher pour finir. La combinaison par defaut est Ctrl plus espace, une seconde combinaison avec post traitement se trouve sur Ctrl plus Shift plus espace, et Echap annule. Le texte n apparait pas dans une fenetre a copier : il est colle directement dans l application qui a le focus, navigateur, editeur ou zone de conversation.

Avant la transcription, un passage sur la presence de voix retire les plages silencieuses et ne remet au modele que la parole reelle. Ce detail decide de l utilite : les pauses, les moments de reflexion et une gorgee d eau ne deviennent pas des rangees de blancs. Toute la chaine est une inference locale, et selon le projet et sa note sur la vie privee, une transcription ordinaire n envoie ni le son ni le texte aux responsables ; le reseau ne sert qu a la recherche de mises a jour, au telechargement des modeles et au post traitement facultatif.

La question du modele

Les modeles locaux sont le vrai poids de l affaire. La documentation recommande depuis longtemps deux voies, Whisper et Parakeet. La premiere vient en paliers Small, Medium, Turbo et Large, couvre beaucoup de langues et sait utiliser une carte graphique, ce qui se paie en taille, de quelques centaines de megaoctets a environ un gigaoctet et demi. La seconde est reglee pour le processeur, tourne vite et apporte sa propre detection de langue, ce qui convient aux machines sans carte graphique separee. Depuis la 0.10 le catalogue vient d un paquet de modeles distinct, donc le selecteur montre plus que ces deux lignes, y compris des modeles visant le chinois et le japonais, et l interface indique le palier par langue, la vitesse et la taille, et meme si un modele est deja present ou reste a telecharger.

Choisir ressemble donc a lire une carte. Regarder d abord a quel palier arrive la langue de tous les jours, puis si la taille et la vitesse passent, et seulement ensuite agir. Avec un seul portable ordinaire, l entree petite et rapide est d ordinaire le point de depart le plus pratique.

La base technique est Tauri : l interface des reglages utilise React avec TypeScript, tandis que le lien au systeme, le traitement du son et l inference vivent du cote Rust. Le projet est sous licence MIT, le depot a ete cree en fevrier 2025, et il est tenu par le developpeur avec la communaute. L auteur a ecrit une phrase qui vaut d etre citee : le but n est pas l outil de dictee le plus fort, mais celui qu on peut le plus facilement reprendre. Cette position evite a la structure du code de devenir un labyrinthe, si bien que celui qui veut changer quelque chose ne se perd pas des la porte.

Ce qui accroche encore

La prise en charge de Wayland sous Linux a toujours ete le point faible : ecrire dans un champ demande l aide d un outil externe, et la documentation du depot le dit. Le chemin du collage ramene parfois un ancien contenu du presse papiers, et le mode de collage fiable porte encore l etiquette essai. Les deux raccourcis a touches de fonction sous macOS ne marchent qu avec le clavier du fabricant. Les modeles ne sont pas petits non plus, donc qui manque de place doit d abord en faire.

Une attente merite d etre calmee. L inference locale va au rythme de la machine, le texte n arrive donc pas sur un clic. Cela convient aux phrases courtes, au deballage rapide d idees et aux situations ou les mains ne peuvent pas taper longtemps. Qui veut plusieurs heures d enregistrement de reunion transcrites d un coup, mot pour mot, devra encore relire le resultat.

Ce que vaut Handy tient peu a son taux de reconnaissance. Il transforme la parole en texte d un service dans les nuages en un petit outil chez soi : pas de compte, pas d abonnement, pas d enregistrement qui sort de la maison. Le prix est une machine capable de porter le modele.