Handy: Open-Source-Tool für Speech-to-Text unter Windows, macOS und Linux

Manchmal entstehen Softwareprojekte schlicht aus der Not heraus. Weil sich der Entwickler einen Finger gebrochen hatte und die Hand im Gips landete, wurde eine funktionierende Speech-to-Text-Lösung benötigt. Da vorhandene Anwendungen seiner Aussage nach oft nicht Open Source oder schlecht erweiterbar waren, entstand „Handy“.

Die Software verfolgt einen simplen Ansatz: Es wird ein Tastaturkürzel gedrückt, gesprochen und beim Loslassen erscheint der Text im gerade aktiven Eingabefeld. Das Ganze funktioniert komplett offline auf Basis von Whisper, läuft plattformübergreifend und kommt ohne Abos oder Cloud-Anbindung aus.

Pausen in der Sprache werden durch einen VAD-Filter entfernt, während für die eigentliche Transkription Whisper- oder Parakeet-Modelle bereitstehen. Sofern verfügbar, wird die GPU zur Beschleunigung genutzt. Unterstützt werden Windows, macOS und Linux. Dabei geht es gar nicht darum, die beste App am Markt zu sein, sondern eine gute Basis für Anpassungen zu bieten.
Der Code ist bewusst so gestaltet, dass er geforkt und verändert werden kann. Wer also spezifische Anforderungen an die Barrierefreiheit hat oder experimentieren möchte, findet hier einen Startpunkt. Der Macher lädt ausdrücklich dazu ein, den Code zu nehmen, anzupassen oder zu verbessern, da man aktiv nach Mitstreitern sucht, um die Anwendung robuster zu machen.
- Premium-USB-Kondensatormikrofon
- Ultra-rauscharmer High-Gain Revolution Preamp
- 3,5 mm Kopfhörerausgang mit Zero Latency Monitoring zum Abhören während der Aufnahme oder des...
- Das NT-USB Mini ist der Beweis dafür, dass die makellose Audioqualität von RØDEs Studio-Mikrofonen...
- Sehr geringes Eigenrauschen
- Eingebautes USB-Audio-Interface mit 24 Bit/48 kHz
- Drei Klangverbesserungsmodi: Bietet drei unterschiedliche Klangverbesserungsmodi: Bassabsenkung...
- KI-Rauschunterdrückung: Aktivieren Sie die intelligente Rauschunterdrückung, um störende...
- Zwei USB- und XLR-Ausgänge: Die beiden Schnittstellen ermöglichen zukünftige Aufrüstungen mit...
Hinweis: Dieser Artikel enthält Affiliate-Links. Kauft ihr darüber ein, erhalten wir eine kleine Provision - ohne Aufpreis für euch und ohne Einfluss auf unsere redaktionelle Meinung.
Unter Linux Mint verwende ich derzeit noch Speech Note. Ebenfalls offline und funktioniert so recht gut. Werde mir jedoch dieses Tool ebenfalls mal ansehen
nice! für IOS gibts da auch was taugliches?
Nativ unter iOS ist halt schwer. Der einzige Weg ist über ein Keyboard. Willow Voice hat das/kann das. aber die Gratis-Version ist sehr beschränkt (und läuft halt über einen Online-Dienst?). Ich habe in der Vergangenheit verlängere Texte die Diktierfunktion von ChatGPT verwendet (also in der App) und dann einfach den Text rauskopiert und dort wo ich ihn gebraucht habe eingefügt. Ist umständlich, funktioniert aber immer noch 10x besser als Siri.
Ich habe es auch schon getestet. Speech Note funktioniert besser und ist schneller. Das hier wurde ebenfalls mit Speech Note eingesprochen.
Mhh, und wie hat er die Anwendung mit gebrochenen Fingern entwickelt?
Großartig. Danke für den Tipp.
Habe ich seit 2 Wochen im Einsatz. Funktioniert besser als Wispr Flow UND ist dabei kostenlos. Der Maintainer ist auch sehr responsiv. Ich nutze es lokal mit Parakeet v3 als Modell (was die Empfehlung ist für multilinguale Nutzung). Bald kommt wohl auch Support für das neue Voxtral Modell das noch besser sein soll. Und man kann AI Prompts zum Nachbearbeiten hinterlegen, auch mit eigenem API Key (also effektiv koastenlos wenn man ein günstiges Modell nimmt).
Ist es perfekt? Nö. Spart es eine Menge Zeit beim Tippen von Mails? Definitiv!
Auf dem Handy (haha) gibt es übrigens mit Spokenly unter iOS eine gute ebenfalls lokale und kostenlose Alternative.
Hab ich schon ein Monat in Benutzung.
Ist voll nützlich in diversen Spielen, wo man chatten kann, aber auch natürlich um Texte für die Arbeit zu diktieren.
Tatsächlich funktioniert das einwandfrei und durch meine NVIDIA Karte ist das so gut wie Verzögerungsfrei
Also, ich bin begeistert, hoffentlich bleibt das kostenfrei
In was für Spielen ist das ein Mehrwert? Mein erster Gedanke wären onlinespiele mit Chat auf dem Steam Deck, aber wie leicht wäre dort die Bedienung (Fenster wechseln etc.)?
Super, genau sowas hab ich gesucht. Die meisten Modelle wie Super Whisper oder Willow haben teure Abomodelle 20 € im Monat. Danke für den Tipp.
Läßt sich bei mir (Windows 10) nicht starten „Einsprungspunkt in DLL … “ nicht gefunden.
https://github.com/cjpais/Handy/issues/99#issuecomment-3765114136
Sehr gute App! Hatte in den letzten Tagen Wispr Flow ausprobiert, aber für Gelegenheitsnutzer ist mir das dann doch zu teuer.
Nutze Handy jetzt unter Windows mit Whisper Turbo (lokal). Für schnelle Notizen lasse ich die Nachbearbeitung aus, aber für E-Mails und professionellere Texte habe ich Claude Sonnet 4.5 über die Anthropic API aktiviert – funktioniert einwandfrei!
Bei meiner seltenen Nutzung komme ich mit $5 Budget vermutlich mehrere Monate aus. Alternativ wäre auch OpenRouter interessant – mit einer einmaligen $10-Aufladung gibt es 1.000 kostenlose Requests pro Tag für Modelle wie DeepSeek.
Wenn das noch auf iOS laufen würde, wäre es natürlich perfekt.
Schöne Sache, bisher gute Ergebnisse, lasse ich mal eine Zeit laufen.