說話的速度大約是打字的三倍。Handy 只做一件事：把你講的話，變成游標所在那個輸入框裡的文字。

這是一套免費、開放原始碼的桌機語音轉文字工具，全程在本機執行。2026 年 11 月 2 日它更新到 0.10，作者在發布說明裡講得很直接：這個版本之後大致算功能齊了，接下來主要是修問題、顧穩定性，不再堆新功能。對一個已經能天天用的工具來說，這句話比任何功能清單都值得看。

0.10 補上的三塊

第一塊是既有錄音的轉寫。以往它主打即時口述，對著麥克風講，它把話變成字；現在可以把錄好的音訊檔丟進去轉，結果也會進歷史紀錄。第二塊是自動語言偵測，涵蓋它支援的全部轉寫模型，不必每次手動指定語言。第三塊偏體驗：全新的引導流程，加上介面重設計的起頭。

改動清單裡還有一些不那麼顯眼、卻更影響手感的東西。轉寫後端被隔離到獨立的 worker 程序裡，長音訊按語音活動分段處理；自訂詞現在透過轉寫引擎的詞表介面傳入，專有名詞、人名、術語的辨識會穩一些；自訂後處理服務支援了新的訊息格式；還修掉了貼上時卡住主執行緒的問題。這些加起來，才是「接近完工」四個字的實際重量。

用起來是什麼手感

它的互動設計得很克制：把游標放到任何可以輸入的欄位裡，按一下快速鍵開始說話，再按一下停止，或者按住說話、放開即停。預設組合是 Ctrl 加空白鍵，另有一組帶後處理的 Ctrl 加 Shift 加空白鍵，用 Esc 取消。講完之後，文字不會先彈出一個視窗讓你複製，而是直接貼進目前取得焦點的那個應用程式，例如瀏覽器、編輯器、聊天框。

轉寫之前會先過一遍語音活動偵測，把靜音段濾掉，只把有效語音交給模型。這個細節決定了它好不好用：說話時停頓、思考、喝口水，不會被塞進一堆空白。整條鏈路走的是本機推論，依專案方與隱私政策的說明，一般轉寫不會把音訊或文字送給維護者，網路只在檢查更新、下載模型與可選的後處理時才會用到。

模型這道選擇題

本機模型才是它真正的分量所在。說明文件長期推薦的兩條路線是 Whisper 與 Parakeet：前者分 Small、Medium、Turbo、Large 幾檔，語言涵蓋廣，有顯示卡時能加速，代價是體積，從幾百 MB 到一點六 GB 不等；後者專為 CPU 最佳化，跑起來快，還帶自動語言偵測，適合沒有獨立顯示卡的機器。0.10 起模型目錄改由獨立的模型包統一提供，選擇器裡看得到的就不只這兩條線，面向中文與日語的模型也在清單上，介面直接標出各語言的表現檔位、速度與體積，甚至寫明「本機已有」還是需要下載。

所以選模型這件事現在更像看菜單：先看語言欄裡你常說的那門語言排第幾檔，再看體積與速度能不能接受，最後才動手。只有一台普通筆電的人，體積小、速度標得高的那一項通常是更實際的起點。

技術底子是 Tauri：設定介面用 React 加 TypeScript，系統整合、音訊處理與推論都在 Rust 那一側。專案採用 MIT 授權，倉庫 2025 年 2 月建立，由開發者與社群一起維護。作者在說明裡寫過一句挺有意思的話，大意是它不追求做最強的聽寫工具，而是做最容易被 fork 的那一個。這種定位決定了它的程式結構不會太繞，想改點什麼的人不至於一進門就迷路。

不順的地方也該講

Linux 上的 Wayland 支援一直是它的軟肋，往輸入框裡寫字要靠外部工具配合，倉庫說明裡也寫明了這一點。貼上這條路徑偶爾會帶上舊的剪貼簿內容，所謂「可靠貼上」目前還掛著實驗性的標籤。macOS 上那兩個功能鍵快速鍵只對原廠鍵盤有效。另外模型體積不小，硬碟吃緊的人得先騰點空間。

還有一點心理預期要放平：本機推論的速度取決於你的機器，不是點一下就跑出字。它適合短句、適合把想法快速倒出來、適合手不方便長時間敲鍵盤的場景；如果你要的是一次轉寫幾小時的會議錄音並要求逐字精準，那還是得自己校對一遍。

Handy 的價值不在辨識率多高，而在它把「語音轉文字」從雲端服務變成本機上的小工具：不註冊、不訂閱、錄音不出門，代價只是你得有一台跑得動模型的電腦。