Handy

Однокнопочный диктофон для любого поля

Handy написал разработчик CJ Pais после того, как сломал палец и на время потерял возможность нормально печатать. Готовых голосовых вводов было много, но ни один не оказался open source и удобным для доработки под себя - так появился Handy. Проект держится на MIT-лицензии, репозиторий на GitHub собрал 27,2 тысячи звёзд и 2,4 тысячи форков, последний релиз v0.9.4 вышел 21 июля 2026 года.

Автор прямо говорит: 

Цель не в том, чтобы сделать лучшее приложение для распознавания речи, а в том, чтобы сделать самое доступное для форка. Handy задуман как основа, которую можно взять и переделать под свои задачи, а не готовый закрытый продукт.

Как это работает

Зажали настроенную комбинацию клавиш (или включили режим push-to-talk), сказали фразу, отпустили - Handy вставляет распознанный текст туда, где стоит курсор: в браузере, редакторе кода, мессенджере, любом текстовом поле операционной системы. Тишина и паузы вырезаются фильтром Silero VAD ещё до распознавания, поэтому текст не превращается в один длинный поток без структуры.

Все фразы попадают во вкладку «История» с аудиоплеером: можно переслушать оригинал, скопировать текст или открыть папку с записями на диске. Количество хранимых записей и срок их жизни настраиваются отдельно, вплоть до автоудаления через 3 дня, 2 недели или 3 месяца.

В настройках стоит проверить несколько параметров. Если Handy плохо слышит голос, микрофон выбирается вручную. Опция «отключить звук во время записи» приглушает музыку и другие источники звука на время диктовки и возвращает громкость обратно после.

Метод вставки по умолчанию - через буфер обмена с имитацией Ctrl+V; в части программ это вызывает сбои, и тогда стоит переключить на «прямой» режим, который имитирует набор текста на клавиатуре. Пользовательский словарь принимает слова, которые модель регулярно распознаёт неправильно из-за особенностей произношения, а опция «добавить пробел» не даёт концу одной фразы слипаться с началом следующей после паузы.

Каталог моделей: от Whisper до GigaAM

Модель распознавания выбирается в настройках из растущего каталога, а не жёстко зашита в приложение. На лето 2026 года туда входят Whisper (Small/Medium/Turbo/Large), Parakeet (Unified EN и TDT 0.6B v3), Nemotron Streaming 3.5, Voxtral Mini 4B, Qwen3-ASR (0.6B и 1.7B), Cohere Transcribe, Canary 180M Flash и отдельная линейка GigaAM. Модели скачиваются по требованию, а переключаться между уже установленными можно на лету - кликом по названию текущей модели в строке состояния внизу окна.

У каждой карточки модели есть четыре показателя для сравнения: точность распознавания, скорость обработки, набор языков и размер файла на диске (от 150–200 МБ до нескольких гигабайт). Метка «многоязычная» означает поддержку русского в числе прочих, а метка «перевод на английский» показывает, что модель сразу переводит распознанную речь. Модели весом в несколько гигабайт заметно дольше грузятся в оперативную память при первом обращении, особенно на слабом железе - компактные модели вроде GigaAM запускаются за секунды.

GigaAM: ставить вручную, но первой

При первом запуске Handy не ставит никакую модель сама - открывает список из полутора десятков вариантов и предлагает выбрать. Новичка это скорее запутывает: с ходу разобраться в разнице между Whisper, Parakeet, Nemotron и остальными непросто. Для русского языка самый разумный первый выбор - GigaAM v3 E2E-RNN-T, отдельная линейка от Сбер, обученная на 700 тысячах часов русской речи. Модель сразу расставляет знаки препинания и приводит числа и сокращения к читаемому виду, без отдельной постобработки текста.

По опубликованной методике Сбера (независимая LLM-судья на 500 случайных примерах по доменам) эта модель в среднем обходит Whisper-large-v3 с результатом 70 к 30 - это собственный бенчмарк разработчика, но с описанной методологией, а не голая маркетинговая цифра.

В семействе есть ещё три варианта GigaAM: E2E-CTC (немного проще и быстрее, точность на волосок ниже), а также «чистые» RNN-T и CTC без пунктуации и нормализации текста - они рассчитаны на разработчиков, которым нужен сырой транскрипт для своей постобработки. Рядовому пользователю Handy обычно хватает E2E-RNN-T. У GigaAM есть встречное ограничение - она распознаёт только русский, поэтому для текстов с англоязычными терминами (а в материалах про нейросети это Claude, OpenAI, GitHub, MCP и подобные названия) нужно вручную переключаться на многоязычную модель вроде Whisper или Parakeet TDT 0.6B v3.

Три системы, ни одного сервера

Приложение собрано на Tauri. Интерфейс настроек сделан на React и TypeScript, системная часть и обработка звука - на Rust. Установочные пакеты есть для трёх систем:

• macOS - Intel и Apple Silicon;
• Windows - x64 и ARM;
• Linux - x64 и ARM, форматы AppImage, deb, rpm.

На macOS Handy можно поставить через Homebrew, на Windows - через winget. Эти пакеты собирают и поддерживают сторонние мейнтейнеры, независимо от команды Handy. Для автозапуска и работы из скриптов предусмотрены CLI-флаги: handy --toggle-transcription, handy --start-hidden, handy --no-tray. Ими можно управлять уже запущенным экземпляром, не открывая интерфейс.

Сам интерфейс приложения тоже переведён на русский язык - переключается в настройках отдельно от языка распознавания речи.

Бесплатно, без подписок и лимитов

Handy распространяется бесплатно и с открытым исходным кодом по лицензии MIT. Автор формулирует это прямо: инструменты для доступности не должны быть за платным доступом. Проект существует на спонсорскую поддержку (Wordcab, Epicenter, Bolt AI) и добровольные донаты через Stripe, GitHub Sponsors, PayPal, Buy Me a Coffee и Ko-fi - но сам продукт от этого не меняется, платных тарифов или ограничений по времени использования нет.

Кому пригодится

Handy закрывает нишу голосового ввода для тех, кому неудобно или временно невозможно печатать руками: травмы кисти, RSI, любая другая причина, по которой клавиатура превращается в проблему. Разработчики надиктовывают промпты для агентных инструментов вроде Claude Code - это быстрее, чем печатать руками. Журналистам и авторам текстов сервис подходит для быстрых черновиков. Тем, кто настороженно относится к облачным сервисам транскрибации, Handy даёт локальную альтернативу без отправки голоса на сторонние серверы.

Плюсы и минусы

Плюсы:

• звук не покидает компьютер, распознавание полностью офлайн;
• бесплатно и без ограничений, MIT-лицензия позволяет форкать и дорабатывать код;
• для русского в каталоге есть специализированная модель GigaAM от Сбера с пунктуацией из коробки, а интерфейс приложения тоже на русском;
• широкий выбор моделей на любой случай - от лёгкого Parakeet до многоязычного Whisper;
• активная разработка: релизы выходят регулярно, есть публичный список известных проблем.

Минусы:

• на первом запуске Handy не предлагает модель по умолчанию - из полутора десятков вариантов новичку приходится выбирать самостоятельно;
• Whisper-модели периодически падают на части конфигураций Windows и Linux - баг признан разработчиками и пока не закрыт;
• на Linux с Wayland для корректной вставки текста нужно доустанавливать wtype или dotool;
• GigaAM распознаёт только русский, для смешанных RU/EN текстов нужно вручную переключаться на другую модель.

Инструмент с открытыми багами

Handy - рабочий каркас с открытым кодом. Разработчик сам публикует список известных проблем и зовёт сообщество чинить их вместе через issues на GitHub. Тому, кто хочет нажать кнопку и получить безотказный сервис, такой подход может разочаровать. Тому, кому важны приватность, отсутствие подписки и доступ к исходникам, Handy даёт редкий для голосового ввода вариант. Скачать можно бесплатно с handy.computer для macOS, Windows или Linux.