handy

Handyは、シンプルでプライバシー重視の音声文字起こしを提供するクロスプラットフォームのデスクトップアプリケーションです。無料・オープンソースで拡張可能であり、音声データをクラウドに送信せず、完全にオフラインで動作するよう設計されています。中核となるワークフローは簡単です。設定可能なキーボードショートカットを押し、話し、キーを離すと、あなたの言葉が文字起こしされ、使用中のテキストフィールドに直接貼り付けられます。 このアプリケーションは、Windows、macOS（IntelとApple Siliconの両方）、Linuxに対応しています。ローカルの音声認識モデルを使用し、主にGPUアクセラレーションが利用可能な場合はWhisper系モデル（Small、Medium、Turbo、Large）、およびCPU向けに最適化され自動言語検出を備えたParakeet V3を使用します。文字起こしの前に、Sileroによる音声区間検出（VAD）で無音が除去されます。 HandyはTauriアプリケーションとして構築され、設定UI用のTailwind CSSを備えたReact + TypeScriptフロントエンドと、システム統合・音声処理・ML推論のためのRustバックエンドを組み合わせています。主要ライブラリには、Whisperモデル用のtranscribe-cpp、Parakeetモデル用のtranscribe-rs、クロスプラットフォームの音声入出力用のcpal、音声区間検出用のvad-rs、グローバルキーボードショートカット用のrdev、音声リサンプリング用のrubatoが含まれます。 このアプリは、hold-to-record（押している間録音）、tap-to-toggle（タップで録音/停止を切り替え）、hold-only（押している間のみ）、toggle-only（切り替えのみ）という複数の録音モードを提供します。キーボードショートカットでアクセスできるデバッグモード、リモート操作と起動時カスタマイズのためのCLIパラメータ、そして録音の制御、文字起こし履歴の閲覧、辞書の管理、モデルと言語の切り替えを行うRaycast統合も含まれています。 Linuxユーザーの場合、Handyはディスプレイサーバーに応じてテキスト入力用の追加ツールを必要とします。X11ではxdotool、Waylandではwtypeまたはdotoolです。Linuxでは、フォーカス奪取の問題を避けるため、録音オーバーレイはデフォルトで無効になっています。Waylandでのグローバルキーボードショートカットは、デスクトップ環境またはウィンドウマネージャーを通じて設定する必要があり、統合のためのCLIフラグが用意されています。 Handyは、プロキシ環境や制限されたネットワーク環境のユーザー向けに手動でのモデルインストールをサポートしており、モデルディレクトリに配置されたカスタムWhisper GGMLモデルを自動検出できます。リリース成果物はTauriのアップデータ署名形式で署名され、minisignを使用して検証できます。 このプロジェクトは活発に開発が進められており、デバッグログ、macOSのキーボード改善、オプトイン分析、設定のリファクタリング、Tauriコマンドの整理などに継続的に取り組んでいます。既知の制限としては、macOSにおけるBluetoothヘッドセットマイクの問題、Appleキーボードでのみ機能するfn/Globeキーショートカット、特定のシステム構成でのWhisperモデルのクラッシュ、Waylandサポートの制限などがあります。