Диктовка голосом в любое поле на компьютере без облака: приложение Handy

Как повторить

1. Установите Handy:

• macOS: brew install --cask handy или файл со страницы релизов;
• Windows: winget install cjpais.Handy или установщик;
• Linux: пакет со страницы релизов. Перед установкой поставьте утилиту для ввода текста: sudo apt install xdotool для X11 или sudo apt install wtype для Wayland, а также sudo apt install libgtk-layer-shell0.

2. На macOS приложение запросит два разрешения: Microphone и Accessibility. Accessibility позволяет Handy вводить текст в другие программы, без него текст никуда не попадёт. На Windows достаточно доступа к микрофону, на Linux отдельного запроса нет.
3. При первом запуске выберите модель распознавания. Она скачивается один раз, дальше всё работает без интернета:

• Parakeet V3 (~478 МБ): английский и европейские языки, самая быстрая, работает без видеокарты;
• Whisper Small/Medium (~490 МБ): 99+ языков, включая русский, Medium даёт баланс скорости и качества;
• Whisper Turbo/Large (1,1–1,6 ГБ): самая высокая точность, но нужна видеокарта.

4. В настройках задайте горячую клавишу. По умолчанию это Option + Space, сменить её можно кликом по полю с текущей комбинацией.
5. На Linux с Wayland клавишу назначают в настройках рабочего стола, привязав к ней команду handy --toggle-transcription.
6. Проверьте, что в трее (на macOS в строке меню) появилась иконка Handy. Значит, модель на месте и приложение готово.
7. Кликните в любое текстовое поле, зажмите клавишу, скажите фразу, отпустите.

Приложение часто обновляется. Если интерфейс отличается от описанного, сверьтесь с документацией на handy.computer/docs.

Как проверить результат

Если текст появился через одну-две секунды без лишних действий, всё настроено. Если нет, ищите причину по симптому:

• иконки в трее нет: модель не докачалась или приложение не запустилось;
• запись идёт, а текст не вставляется: не выдано разрешение Accessibility на macOS или не установлен xdotool/wtype на Linux;
• на Windows текст не вставляется только в окно, запущенное от администратора: запустите Handy тоже от администратора;
• числа приходят словами или в конце фразы появляется «thank you»: так ведут себя сами модели (Parakeet пишет числа словами, Whisper иногда додумывает концовки), установка в порядке.

Как это устроено

Handy ловит горячую клавишу на уровне всей системы и после распознавания вводит текст в активное поле, как обычная клавиатура. Поэтому он работает в любом приложении. Звук хранится в оперативной памяти фрагментами до 3–5 минут и стирается после распознавания, так что длинный монолог без пауз целиком не запишется. В интернет приложение выходит только для загрузки модели и необязательной проверки обновлений.

Ссылки

• Handy на GitHub: исходный код и описание проекта.
• handy.computer: сайт приложения со сборками и документацией.
• Issue #1494: запрос на расшифровку готовых файлов, пока не реализован.