今天逛 GitHub 发现一个很不错的开源项目，推荐给大家：Handy，一个完全离线的免费开源语音转文字工具，不用联网就能把录音转成文字，支持多语音模型和语言检测。语音正在成为 Agent 的标配入口，离线可用正好打中隐私和稳定性这个痛点。cjpais/Handy
6 likes · 2 reposts · 453 views
好家伙，Handy 竟然能离线把语音转成文字。注意是离线！
再也不用把录音上传到云端转写了，按住快捷键说完就直接粘贴到任意输入框，赶紧冲，不谢。
cjpais/Handy
5 likes · 209 views
今日のGitHubトレンド
cjpais/Handy
Handyは、完全オフラインで動作するオープンソースの音声文字起こしデスクトップアプリです。
ショートカットキーで録音し、Whisperを用いてローカルで処理することで、プライバシーを確保しつつ任意のテキストフィールドに文字起こし結果を直接入力できます。
1 like
3) Handy replaces paid dictation apps like Wispr Flow
You press a shortcut, speak, and your words appear in any text box.
Your voice stays on your computer, and one of its models is built to run on a normal processor.
cjpais/Handy
5 likes · 124 views
做了个本地音频转写工具：不花一分钱， 76 个模型随取随用， 16 分钟视频 49 秒转完
最近把折腾了一阵子的两个东西都开源了，一条线上的：一个本地跑的语音转写命令行工具，一个长在它上面的 agent 技能（把音视频直接变成一篇能进笔记库的文章）。
为什么不用现成的
- 云 ASR 按分钟计费。一场 2 小时的会议、一周十几个播客，成本很快就不对劲，而且音频要上传到别人服务器。
- whisper.cpp 手搓太烦。编译参数、模型格式、VAD 分块、长音频拼接、中文断句……每换一台机器重来一遍。
- YouTube/B 站 有现成字幕，但只有一部分视频有，而且字幕没标点、断句乱，二次加工成本高。
所以做了两件事：一个把模型管理干净的 CLI，和一个把转写结果整理成笔记的技能。
一、handy-transcribe：Rust 写 CLI ，模型随取随用
它复用了开源桌面应用 [Handy]( cjpais/Handy) 的批处理流水线（解码 → VAD 分块 → transcribe.cpp 推理 → 拼接 → 后处理），去掉录音/UI/剪贴板，只留一个无头 CLI 。
- 完全本地：macOS 走 Metal ，其他平台 CPU 。不上传，不需要账号，不按分钟付费。
- 模型目录内置 76 个、21 个家族：Whisper 、Parakeet 、Canary 、SenseVoice 、Qwen3-ASR 、Voxtral 、Moonshine 、GigaAM… --list-models 一次看全，✓ 标记已缓存。
- 输入随便：本地 mp3/wav/flac/ogg/m4a/aiff ，或 MP4 家族视频容器的音轨；也接受直接的 http(s) 媒体 URL 。
- 输出干净：正文走 stdout （可以直接管道），进度和耗时走 stderr 。--json 给出 backend 、设备、RTF 、识别语言。
cargo install handy-transcribe # 或 cargo binstall handy-transcribe
handy-transcribe ./meeting.m4a
handy-transcribe ./talk.wav -m Qwen3-ASR-1.7B -l zh
handy-transcribe ./podcast.mp3 --json
YouTube 之类的网页先用 yt-dlp 抽音轨再喂进来——这是故意的，提取器交给专业项目维护，CLI 只管转写。
实测：16 分钟（ 972 秒）中文技术演讲，49 秒转完。机器是 M1 Pro ，模型 Qwen3-ASR-0.6B Q8_0 ，约 20 倍实时。文本准确到只需要改几个同音字。
二、pi-media-transcribe：转写完，自动变成一篇笔记
光有文本其实没什么用，还得有人分段、写摘要、挑目录、打标签。所以给 [Pi]( pi.dev)（一个开源 coding agent ，可以装技能包）写了个技能，三种模式：
- 只转写：出文本（带缓存，重复跑是秒回）。
- --raw 逐字落笔记：不需要任何 API key ，全程离线，零成本。
- 默认模式：LLM 校对错字 → 按主题分 ### 小节 → 写 150~300 字摘要 → 在你的笔记库里挑目录 → 打 1~3 个主题标签 → 写成带 frontmatter 的 Markdown 。
pi install npm:pi-media-transcribe
# 然后直接对 agent 说：把这个视频转录一下存到我的笔记里：<链接>
产物大概长这样：
---
created_at: 2026/10/31 22:14
tags:
- youtube
- 自动转录
- RAG
- 知识图谱
---
来源： https://www.youtube.com/watch?v=...
## 核心内容
<150~300 字摘要>
## 正文
### 传统向量检索的底层天花板
<校对并分段后的正文>
那次 16 分钟的视频，出来是一篇 18.8 KB 的笔记：一段摘要 + 17 个小节。落点在 资料/02-人工智能/AI 智能体/ —— 目录是它自己在现有目录树里挑的。
几个自己比较在意的细节：
- 标题语言跟着内容走（中/英/日/韩/俄/德/西/法/葡九种），不是硬编码中文。
- 长音频不会爆上下文：超过阈值自动分块压缩再合并，三小时的播客也能过。
- LLM 失败不丢工作：直接落一份原始转写的笔记，重跑只重试润色那一步。
- 同名笔记不覆盖（自动加序号），路径校验在笔记库之内。
踩过的坑，顺便记一下
- 首次运行会静默下载 850 MB 的默认模型。后来在 SKILL 里加了硬规则：先告诉用户用哪个模型、多大、要不要换。
- 国内拉 HuggingFace 模型经常卡死，支持 HF_ENDPOINT（中文文档里给了镜像示例）。
- LLM 只看得到我给的目录列表，否则它会把笔记往任意路径写；路径还得再校验一次。
- 缓存键一开始用了 stat -f，在 Linux 上语义完全不同（ GNU 的 -f 是查文件系统），换成了「版本号 + 文件大小」。
已知限制（先说清楚）
- Windows 没测过。CLI 依赖 CMake + C++ 工具链，macOS/Linux 的 CI 都绿了，Windows 欢迎有人帮忙试。
- 拉丁语系语言的标题回退英文（德/法/西/葡）。正文语言是对的，只是小节标题是英文；可以用 --language/配置指定。
- 润色模式花 token。只要文本不要笔记的话用 --raw，一分钱不花。
- 模型是第三方的，许可证各不相同（ Apache-2.0 / MIT / CC-BY-4.0 / 非商用），商用前看一眼。
想听听用的人怎么说
- 你主要拿它处理什么？会议、课程、播客、还是二次剪辑素材？
- 还需要哪些模型或语言的优先支持？
- 有 Windows 用户愿意帮忙跑一次 CI 之外的真实测试吗？
两个仓库都是 MIT：
- CLI： cyub/handy-transcribe （cargo install handy-transcribe）
- 技能： cyub/pi-media-transcribe （pi install npm:pi-media-transcribe）
@SergioGMN TOP!, aunque yo prefiero Handy, es el que ha estado ahí desde el principio apoyando el opensource desde que se empezaron a comercializar los modelos speech to text cjpais/Handy
5 likes · 105 views
30 projetos GRÁTIS do GitHub para trabalhar melhor com IA
Descubra 30 projetos gratuitos do GitHub para usar IA, criar conteúdo e organizar seu trabalho. Veja ferramentas de vídeo, produtividade, segurança, marketing e servidores, com os links organizados por assunto abaixo.
Conheça o Bora Criar com IA: boracriarcomia.com.br
CAPÍTULOS
00:00 Apresentação e inteligência artificial
00:35 Segurança
00:47 Vídeo e conteúdo
01:10 Negócios e marketing
01:30 Produtividade
01:46 Servidores e infraestrutura
02:23 Projetos para explorar
02:38 Antes de instalar
INTELIGÊNCIA ARTIFICIAL
1. Dify — langgenius/dify
2. Taskosaur — Taskosaur/Taskosaur
3. OpenWork — different-ai/openwork
4. Agent Browser — vercel-labs/agent-browser
5. Emdash — generalaction/emdash
SEGURANÇA
6. PasteGuard — sgasser/pasteguard
7. Claude Code Safety Net — kenryu42/claude-code-safety-net
VÍDEO E CONTEÚDO
8. OpenReel — Augani/openreel-video
9. BridgeClip — bridge-mind/bridgeclip
10. Recordly — webadderall/Recordly
11. Textream — f/textream
12. FFmpeg Skill — kajisho5/ffmpeg-skill
13. Presenton — presenton/presenton
NEGÓCIOS E MARKETING
14. Deskcomm CRM — melgarafael/DeskcommCRM
15. Open SEO — every-app/open-seo
16. Cogsend — deepakness/cogsend
PRODUTIVIDADE
17. Handy — cjpais/Handy
18. Kept — ericerkz/kept
19. Excalidraw MCP — excalidraw/excalidraw-mcp
20. ezBookkeeping — mayswind/ezbookkeeping
SERVIDORES E INFRAESTRUTURA
21. Dockge — louislam/dockge
22. OpenObserve — openobserve/openobserve
23. LogDeck — AmoabaKelvin/logdeck
24. WebSSH — bifrost0x/webssh
25. Breakscale — xevrion/breakscale
26. SQLit — Maxteabag/sqlit
27. Mailflare — hieunc229/mailflare
28. Open Archiver — LogicLabs-OU/OpenArchiver
PROJETOS PARA EXPLORAR
29. Vibecraft — Nearcyan/vibecraft
30. God's Eye View — bilawalsidhu/gods-eye-view
Confira licença, requisitos, custos de hospedagem e manutenção de cada projeto antes de instalar. “Gratuito” pode depender de serviços externos.
Referência de pauta: Hallen Tech — youtube.com
Qual ferramenta você vai testar primeiro? Deixe nos comentários e inscreva-se para conhecer mais recursos de IA.
#InteligenciaArtificial #GitHub #OpenSource
60 likes · 2,314 views
Talvio demo: control your PC from your phone with your voice (open source)
Try Talvio and view the source: ishangautam7/Talvio
Desktop downloads: github.com/ishangautam7/Talvio/releases/latest
Android: talvio.sentramind.dev
In this demo, I use my phone to view and control a window on my Windows PC and ask it to email me a report stored on that computer. Talvio finds the file, attaches it in Gmail and sends it.
Talvio also provides local dictation into other apps, voice commands and meeting notes. Desktop speech recognition can run locally; cloud providers are optional. Phone features require signing in and PC approval. Live view and control in this demo currently need Windows.
Free and open source (MIT). Built with Rust, Tauri and React. Talvio started as a fork of Handy by CJ Pais: cjpais/Handy
If you try it, bug reports and feedback are welcome. A GitHub star helps other people find the project.
#opensource #Talvio #voicedictation
2 likes · 23 views
Game Changer:
cjpais/handy
Hab damit auf meinem MacBook Air M2 16gb die perfekte lokale Datenschutz sichere Eingabe Methode gefunden...
Bye Bye wispr flow
1 favourite
Om det är för Windows så är nog Handy ett bra alternativ. Väldigt populär repo, finns färdig windows-installation. Funkar helt offline. Du kan ställa in så den inte sparar några transkriberingar. Kan numera även transkribera löpande, men har inte testat den funktionen själv. cjpais/handy
2 likes
Mentions
今天逛 GitHub 发现一个很不错的开源项目，推荐给大家：Handy，一个完全离线的免费开源语音转文字工具，不用联网就能把录音转成文字，支持多语音模型和语言检测。语音正在成为 Agent 的标配入口，离线可用正好打中隐私和稳定性这个痛点。cjpais/Handy
好家伙，Handy 竟然能离线把语音转成文字。注意是离线！ 再也不用把录音上传到云端转写了，按住快捷键说完就直接粘贴到任意输入框，赶紧冲，不谢。 cjpais/Handy
今日のGitHubトレンド cjpais/Handy Handyは、完全オフラインで動作するオープンソースの音声文字起こしデスクトップアプリです。 ショートカットキーで録音し、Whisperを用いてローカルで処理することで、プライバシーを確保しつつ任意のテキストフィールドに文字起こし結果を直接入力できます。
3) Handy replaces paid dictation apps like Wispr Flow You press a shortcut, speak, and your words appear in any text box. Your voice stays on your computer, and one of its models is built to run on a normal processor. cjpais/Handy
做了个本地音频转写工具：不花一分钱， 76 个模型随取随用， 16 分钟视频 49 秒转完 最近把折腾了一阵子的两个东西都开源了，一条线上的：一个本地跑的语音转写命令行工具，一个长在它上面的 agent 技能（把音视频直接变成一篇能进笔记库的文章）。  为什么不用现成的 - 云 ASR 按分钟计费。一场 2 小时的会议、一周十几个播客，成本很快就不对劲，而且音频要上传到别人服务器。 - whisper.cpp 手搓太烦。编译参数、模型格式、VAD 分块、长音频拼接、中文断句……每换一台机器重来一遍。 - YouTube/B 站 有现成字幕，但只有一部分视频有，而且字幕没标点、断句乱，二次加工成本高。 所以做了两件事：一个把模型管理干净的 CLI，和一个把转写结果整理成笔记的技能。 一、handy-transcribe：Rust 写 CLI ，模型随取随用 它复用了开源桌面应用 [Handy]( cjpais/Handy) 的批处理流水线（解码 → VAD 分块 → transcribe.cpp 推理 → 拼接 → 后处理），去掉录音/UI/剪贴板，只留一个无头 CLI 。 - 完全本地：macOS 走 Metal ，其他平台 CPU 。不上传，不需要账号，不按分钟付费。 - 模型目录内置 76 个、21 个家族：Whisper 、Parakeet 、Canary 、SenseVoice 、Qwen3-ASR 、Voxtral 、Moonshine 、GigaAM… --list-models 一次看全，✓ 标记已缓存。 - 输入随便：本地 mp3/wav/flac/ogg/m4a/aiff ，或 MP4 家族视频容器的音轨；也接受直接的 http(s) 媒体 URL 。 - 输出干净：正文走 stdout （可以直接管道），进度和耗时走 stderr 。--json 给出 backend 、设备、RTF 、识别语言。 cargo install handy-transcribe # 或 cargo binstall handy-transcribe handy-transcribe ./meeting.m4a handy-transcribe ./talk.wav -m Qwen3-ASR-1.7B -l zh handy-transcribe ./podcast.mp3 --json YouTube 之类的网页先用 yt-dlp 抽音轨再喂进来——这是故意的，提取器交给专业项目维护，CLI 只管转写。 实测：16 分钟（ 972 秒）中文技术演讲，49 秒转完。机器是 M1 Pro ，模型 Qwen3-ASR-0.6B Q8_0 ，约 20 倍实时。文本准确到只需要改几个同音字。 二、pi-media-transcribe：转写完，自动变成一篇笔记 光有文本其实没什么用，还得有人分段、写摘要、挑目录、打标签。所以给 [Pi]( pi.dev)（一个开源 coding agent ，可以装技能包）写了个技能，三种模式： - 只转写：出文本（带缓存，重复跑是秒回）。 - --raw 逐字落笔记：不需要任何 API key ，全程离线，零成本。 - 默认模式：LLM 校对错字 → 按主题分 ### 小节 → 写 150~300 字摘要 → 在你的笔记库里挑目录 → 打 1~3 个主题标签 → 写成带 frontmatter 的 Markdown 。 pi install npm:pi-media-transcribe # 然后直接对 agent 说：把这个视频转录一下存到我的笔记里：<链接> 产物大概长这样： --- created_at: 2026/10/31 22:14 tags: - youtube - 自动转录 - RAG - 知识图谱 --- 来源： https://www.youtube.com/watch?v=... ## 核心内容 <150~300 字摘要> ## 正文 ### 传统向量检索的底层天花板 <校对并分段后的正文> 那次 16 分钟的视频，出来是一篇 18.8 KB 的笔记：一段摘要 + 17 个小节。落点在 资料/02-人工智能/AI 智能体/ —— 目录是它自己在现有目录树里挑的。 几个自己比较在意的细节： - 标题语言跟着内容走（中/英/日/韩/俄/德/西/法/葡九种），不是硬编码中文。 - 长音频不会爆上下文：超过阈值自动分块压缩再合并，三小时的播客也能过。 - LLM 失败不丢工作：直接落一份原始转写的笔记，重跑只重试润色那一步。 - 同名笔记不覆盖（自动加序号），路径校验在笔记库之内。 踩过的坑，顺便记一下 - 首次运行会静默下载 850 MB 的默认模型。后来在 SKILL 里加了硬规则：先告诉用户用哪个模型、多大、要不要换。 - 国内拉 HuggingFace 模型经常卡死，支持 HF_ENDPOINT（中文文档里给了镜像示例）。 - LLM 只看得到我给的目录列表，否则它会把笔记往任意路径写；路径还得再校验一次。 - 缓存键一开始用了 stat -f，在 Linux 上语义完全不同（ GNU 的 -f 是查文件系统），换成了「版本号 + 文件大小」。 已知限制（先说清楚） - Windows 没测过。CLI 依赖 CMake + C++ 工具链，macOS/Linux 的 CI 都绿了，Windows 欢迎有人帮忙试。 - 拉丁语系语言的标题回退英文（德/法/西/葡）。正文语言是对的，只是小节标题是英文；可以用 --language/配置指定。 - 润色模式花 token。只要文本不要笔记的话用 --raw，一分钱不花。 - 模型是第三方的，许可证各不相同（ Apache-2.0 / MIT / CC-BY-4.0 / 非商用），商用前看一眼。 想听听用的人怎么说 - 你主要拿它处理什么？会议、课程、播客、还是二次剪辑素材？ - 还需要哪些模型或语言的优先支持？ - 有 Windows 用户愿意帮忙跑一次 CI 之外的真实测试吗？ 两个仓库都是 MIT： - CLI： cyub/handy-transcribe （cargo install handy-transcribe） - 技能： cyub/pi-media-transcribe （pi install npm:pi-media-transcribe）
@SergioGMN TOP!, aunque yo prefiero Handy, es el que ha estado ahí desde el principio apoyando el opensource desde que se empezaron a comercializar los modelos speech to text cjpais/Handy
30 projetos GRÁTIS do GitHub para trabalhar melhor com IA Descubra 30 projetos gratuitos do GitHub para usar IA, criar conteúdo e organizar seu trabalho. Veja ferramentas de vídeo, produtividade, segurança, marketing e servidores, com os links organizados por assunto abaixo. Conheça o Bora Criar com IA: boracriarcomia.com.br CAPÍTULOS 00:00 Apresentação e inteligência artificial 00:35 Segurança 00:47 Vídeo e conteúdo 01:10 Negócios e marketing 01:30 Produtividade 01:46 Servidores e infraestrutura 02:23 Projetos para explorar 02:38 Antes de instalar INTELIGÊNCIA ARTIFICIAL 1. Dify — langgenius/dify 2. Taskosaur — Taskosaur/Taskosaur 3. OpenWork — different-ai/openwork 4. Agent Browser — vercel-labs/agent-browser 5. Emdash — generalaction/emdash SEGURANÇA 6. PasteGuard — sgasser/pasteguard 7. Claude Code Safety Net — kenryu42/claude-code-safety-net VÍDEO E CONTEÚDO 8. OpenReel — Augani/openreel-video 9. BridgeClip — bridge-mind/bridgeclip 10. Recordly — webadderall/Recordly 11. Textream — f/textream 12. FFmpeg Skill — kajisho5/ffmpeg-skill 13. Presenton — presenton/presenton NEGÓCIOS E MARKETING 14. Deskcomm CRM — melgarafael/DeskcommCRM 15. Open SEO — every-app/open-seo 16. Cogsend — deepakness/cogsend PRODUTIVIDADE 17. Handy — cjpais/Handy 18. Kept — ericerkz/kept 19. Excalidraw MCP — excalidraw/excalidraw-mcp 20. ezBookkeeping — mayswind/ezbookkeeping SERVIDORES E INFRAESTRUTURA 21. Dockge — louislam/dockge 22. OpenObserve — openobserve/openobserve 23. LogDeck — AmoabaKelvin/logdeck 24. WebSSH — bifrost0x/webssh 25. Breakscale — xevrion/breakscale 26. SQLit — Maxteabag/sqlit 27. Mailflare — hieunc229/mailflare 28. Open Archiver — LogicLabs-OU/OpenArchiver PROJETOS PARA EXPLORAR 29. Vibecraft — Nearcyan/vibecraft 30. God's Eye View — bilawalsidhu/gods-eye-view Confira licença, requisitos, custos de hospedagem e manutenção de cada projeto antes de instalar. “Gratuito” pode depender de serviços externos. Referência de pauta: Hallen Tech — youtube.com Qual ferramenta você vai testar primeiro? Deixe nos comentários e inscreva-se para conhecer mais recursos de IA. #InteligenciaArtificial #GitHub #OpenSource
Talvio demo: control your PC from your phone with your voice (open source) Try Talvio and view the source: ishangautam7/Talvio Desktop downloads: github.com/ishangautam7/Talvio/releases/latest Android: talvio.sentramind.dev In this demo, I use my phone to view and control a window on my Windows PC and ask it to email me a report stored on that computer. Talvio finds the file, attaches it in Gmail and sends it. Talvio also provides local dictation into other apps, voice commands and meeting notes. Desktop speech recognition can run locally; cloud providers are optional. Phone features require signing in and PC approval. Live view and control in this demo currently need Windows. Free and open source (MIT). Built with Rust, Tauri and React. Talvio started as a fork of Handy by CJ Pais: cjpais/Handy If you try it, bug reports and feedback are welcome. A GitHub star helps other people find the project. #opensource #Talvio #voicedictation
Game Changer: cjpais/handy Hab damit auf meinem MacBook Air M2 16gb die perfekte lokale Datenschutz sichere Eingabe Methode gefunden... Bye Bye wispr flow
Om det är för Windows så är nog Handy ett bra alternativ. Väldigt populär repo, finns färdig windows-installation. Funkar helt offline. Du kan ställa in så den inte sparar några transkriberingar. Kan numera även transkribera löpande, men har inte testat den funktionen själv. cjpais/handy