handy

Handy es una aplicación de escritorio multiplataforma que ofrece transcripción de voz sencilla y centrada en la privacidad. Es gratuita, de código abierto y extensible, diseñada para funcionar completamente sin conexión y sin enviar ningún dato de audio a la nube. El flujo de trabajo principal es sencillo: pulsa un atajo de teclado configurable, habla y suéltalo para que tus palabras se transcriban y se peguen directamente en el campo de texto que estés usando. La aplicación es compatible con Windows, macOS (tanto Intel como Apple Silicon) y Linux. Utiliza modelos locales de reconocimiento de voz, principalmente los de la familia Whisper (Small, Medium, Turbo, Large) con aceleración por GPU cuando está disponible, y Parakeet V3, un modelo optimizado para CPU con detección automática de idioma. El silencio se filtra mediante detección de actividad de voz (VAD) con Silero antes de la transcripción. Handy está construida como una aplicación Tauri que combina un frontend React + TypeScript con Tailwind CSS para la interfaz de configuración, y un backend Rust para la integración con el sistema, el procesamiento de audio y la inferencia de ML. Las bibliotecas principales incluyen transcribe-cpp para los modelos Whisper, transcribe-rs para los modelos Parakeet, cpal para la entrada/salida de audio multiplataforma, vad-rs para la detección de actividad de voz, rdev para los atajos de teclado globales y rubato para el remuestreo de audio. La aplicación ofrece varios modos de grabación: mantener para grabar, tocar para alternar, solo mantener y solo alternar. Incluye un modo de depuración accesible mediante atajo de teclado, parámetros CLI para control remoto y personalización del inicio, y una integración con Raycast para controlar la grabación, explorar el historial de transcripciones, gestionar diccionarios y cambiar de modelo e idioma. Para los usuarios de Linux, Handy requiere herramientas adicionales para la entrada de texto según el servidor de visualización: xdotool para X11, wtype o dotool para Wayland. La superposición de grabación está desactivada por defecto en Linux para evitar problemas de robo de foco. Los atajos de teclado globales en Wayland deben configurarse a través del entorno de escritorio o del gestor de ventanas, con opciones CLI disponibles para la integración. Handy admite la instalación manual de modelos para usuarios detrás de proxies o en entornos de red restringidos, y puede descubrir automáticamente modelos Whisper GGML personalizados colocados en el directorio de modelos. Los artefactos de las versiones están firmados con el formato de firma del actualizador de Tauri y pueden verificarse con minisign. El proyecto se desarrolla activamente con trabajo en curso sobre registro de depuración, mejoras de teclado en macOS, analíticas opcionales, refactorización de ajustes y limpieza de comandos de Tauri. Las limitaciones conocidas incluyen problemas con el micrófono de auriculares Bluetooth en macOS, atajos de tecla fn/Globe solo en teclados de Apple, fallos de modelos Whisper en ciertas configuraciones del sistema y soporte limitado de Wayland.