इस प्रोजेक्ट के बारे में

Handy एक क्रॉस-प्लेटफ़ॉर्म डेस्कटॉप एप्लिकेशन है जो सरल, गोपनीयता-केंद्रित स्पीच ट्रांसक्रिप्शन प्रदान करता है। यह मुफ्त, ओपन सोर्स और एक्स्टेंसिबल है, जिसे पूरी तरह से ऑफ़लाइन काम करने के लिए डिज़ाइन किया गया है, बिना किसी ऑडियो डेटा को क्लाउड पर भेजे। मुख्य कार्यप्रवाह सीधा है: एक कॉन्फ़िगर करने योग्य कीबोर्ड शॉर्टकट दबाएं, बोलें, और छोड़ने पर आपके शब्द ट्रांसक्राइब होकर सीधे आपके उपयोग में आने वाले टेक्स्ट फ़ील्ड में पेस्ट हो जाते हैं। एप्लिकेशन Windows, macOS (Intel और Apple Silicon दोनों), और Linux का समर्थन करता है। यह स्थानीय स्पीच रिकग्निशन मॉडल का उपयोग करता है, मुख्य रूप से Whisper-परिवार के मॉडल (Small, Medium, Turbo, Large) जब उपलब्ध हो तो GPU एक्सेलेरेशन के साथ, और Parakeet V3, एक CPU-अनुकूलित मॉडल जिसमें स्वचालित भाषा पहचान होती है। ट्रांसक्रिप्शन से पहले Silero के साथ वॉयस एक्टिविटी डिटेक्शन (VAD) का उपयोग करके साइलेंस फ़िल्टर किया जाता है। Handy एक Tauri एप्लिकेशन के रूप में बनाया गया है जो सेटिंग्स UI के लिए Tailwind CSS के साथ React + TypeScript फ्रंटएंड और सिस्टम इंटीग्रेशन, ऑडियो प्रोसेसिंग और ML इंफ़रेंस के लिए Rust बैकएंड को जोड़ता है। मुख्य लाइब्रेरीज़ में Whisper मॉडल के लिए transcribe-cpp, Parakeet मॉडल के लिए transcribe-rs, क्रॉस-प्लेटफ़ॉर्म ऑडियो I/O के लिए cpal, वॉयस एक्टिविटी डिटेक्शन के लिए vad-rs, ग्लोबल कीबोर्ड शॉर्टकट के लिए rdev, और ऑडियो रीसैंपलिंग के लिए rubato शामिल हैं। ऐप कई रिकॉर्डिंग मोड प्रदान करता है: होल्ड-टू-रिकॉर्ड, टैप-टू-टॉगल, होल्ड-ओनली, और टॉगल-ओनली। इसमें कीबोर्ड शॉर्टकट के माध्यम से एक्सेस किया जाने वाला डीबग मोड, रिमोट कंट्रोल और स्टार्टअप कस्टमाइज़ेशन के लिए CLI पैरामीटर, और रिकॉर्डिंग नियंत्रित करने, ट्रांसक्रिप्ट इतिहास ब्राउज़ करने, डिक्शनरी प्रबंधित करने और मॉडल व भाषाएँ स्विच करने के लिए Raycast इंटीग्रेशन शामिल है। Linux उपयोगकर्ताओं के लिए, Handy को डिस्प्ले सर्वर के आधार पर टेक्स्ट इनपुट के लिए अतिरिक्त टूल की आवश्यकता होती है: X11 के लिए xdotool, Wayland के लिए wtype या dotool। Linux पर फोकस-चोरी की समस्याओं से बचने के लिए रिकॉर्डिंग ओवरले डिफ़ॉल्ट रूप से अक्षम है। Wayland पर ग्लोबल कीबोर्ड शॉर्टकट डेस्कटॉप एनवायरनमेंट या विंडो मैनेजर के माध्यम से कॉन्फ़िगर किए जाने चाहिए, इंटीग्रेशन के लिए CLI फ़्लैग उपलब्ध हैं। Handy प्रॉक्सी के पीछे या प्रतिबंधित नेटवर्क वातावरण में उपयोगकर्ताओं के लिए मैनुअल मॉडल इंस्टॉलेशन का समर्थन करता है, और मॉडल निर्देशिका में रखे गए कस्टम Whisper GGML मॉडल को स्वचालित रूप से खोज सकता है। रिलीज़ आर्टिफैक्ट Tauri के अपडेटर सिग्नेचर फॉर्मेट के साथ हस्ताक्षरित होते हैं और minisign का उपयोग करके सत्यापित किए जा सकते हैं। प्रोजेक्ट सक्रिय रूप से विकसित किया जा रहा है जिसमें डीबग लॉगिंग, macOS कीबोर्ड सुधार, ऑप्ट-इन एनालिटिक्स, सेटिंग्स रीफैक्टरिंग और Tauri कमांड क्लीनअप पर चल रहा काम शामिल है। ज्ञात सीमाओं में macOS पर ब्लूटूथ हेडसेट माइक्रोफोन समस्याएं, fn/Globe कुंजी शॉर्टकट केवल Apple कीबोर्ड पर काम करना, कुछ सिस्टम कॉन्फ़िगरेशन पर Whisper मॉडल क्रैश, और सीमित Wayland समर्थन शामिल हैं।