handy

Handy é um aplicativo de desktop multiplataforma que fornece transcrição de fala simples e focada em privacidade. Ele é gratuito, de código aberto e extensível, projetado para funcionar completamente offline, sem enviar nenhum dado de áudio para a nuvem. O fluxo de trabalho principal é direto: pressione um atalho de teclado configurável, fale e solte para que suas palavras sejam transcritas e coladas diretamente no campo de texto que você estiver usando. O aplicativo suporta Windows, macOS (Intel e Apple Silicon) e Linux. Ele usa modelos de reconhecimento de fala locais, principalmente modelos da família Whisper (Small, Medium, Turbo, Large) com aceleração de GPU quando disponível, e Parakeet V3, um modelo otimizado para CPU com detecção automática de idioma. O silêncio é filtrado usando detecção de atividade de voz (VAD) com Silero antes da transcrição. Handy é construído como um aplicativo Tauri, combinando um frontend React + TypeScript com Tailwind CSS para a interface de configurações e um backend Rust para integração de sistema, processamento de áudio e inferência de ML. As bibliotecas principais incluem transcribe-cpp para modelos Whisper, transcribe-rs para modelos Parakeet, cpal para entrada/saída de áudio multiplataforma, vad-rs para detecção de atividade de voz, rdev para atalhos de teclado globais e rubato para reamostragem de áudio. O aplicativo oferece vários modos de gravação: pressionar para gravar, tocar para alternar, apenas pressionar e apenas alternar. Inclui um modo de depuração acessível por atalho de teclado, parâmetros de CLI para controle remoto e personalização de inicialização e uma integração com Raycast para controlar a gravação, navegar pelo histórico de transcrições, gerenciar dicionários e alternar modelos e idiomas. Para usuários de Linux, o Handy requer ferramentas adicionais para entrada de texto, dependendo do servidor de exibição: xdotool para X11, wtype ou dotool para Wayland. A sobreposição de gravação é desabilitada por padrão no Linux para evitar problemas de roubo de foco. Atalhos de teclado globais no Wayland devem ser configurados através do ambiente de desktop ou gerenciador de janelas, com flags de CLI disponíveis para integração. Handy suporta instalação manual de modelos para usuários atrás de proxies ou em ambientes de rede restritos e pode descobrir automaticamente modelos Whisper GGML personalizados colocados no diretório de modelos. Os artefatos de lançamento são assinados com o formato de assinatura do atualizador do Tauri e podem ser verificados usando minisign. O projeto é desenvolvido ativamente, com trabalho contínuo em registro de depuração, melhorias de teclado no macOS, análises opcionais, refatoração de configurações e limpeza de comandos Tauri. Limitações conhecidas incluem problemas com microfone de fones Bluetooth no macOS, atalhos da tecla fn/Globe funcionando apenas em teclados da Apple, falhas do modelo Whisper em certas configurações de sistema e suporte limitado a Wayland.