音声入力アプリHandy：指の骨折から生まれた完全オフラインのオープンソースツール

キーボードショートカットを押しながら話し、キーを離すと、話した内容がそのままカーソル位置に入力される。音声入力アプリ「Handy」の使い方はこれだけだ。音声はクラウドに送信されず、文字起こしはすべて手元のコンピュータ上で完結する¹。MITライセンスのオープンソースソフトウェアとして公開されており、macOS（Intel/Apple Silicon）、Windows、Linuxで動作する³。GitHubのスター数は2026年6月時点で約23,500に達しており³、無料のローカル音声入力ツールとして存在感を増している。

指の骨折から生まれたツール

Handyの開発のきっかけは、開発者自身の負傷だった。公式サイトのAboutページには「指を骨折してギプスをはめられ、手が使えなくなった」と記されている²。タイピングができなくなった開発者は既存の音声入力アプリを試したが、「オープンソースで拡張可能なものはひとつもなかった」という²。それなら自分で作る、というのがこのプロジェクトの出発点である。

特徴的なのはプロジェクトの掲げる哲学だ。Aboutページには「Handyは最高の音声入力アプリを目指していない。最もフォークしやすい（forkable）アプリを目指している」と明記されている²。アクセシビリティ機能を必要とする人や、音声コンピューティングを実験したい人が、自分で所有し改変できるコードベースを提供することを重視しており²、機能の網羅性よりも改造のしやすさを優先する設計思想がうかがえる。

開発者CJ Paisはどんな人物か

開発者のCJ Pais氏は、自らを「Software Artist」と称する独立系の開発者だ⁷。UCSD（カリフォルニア大学サンディエゴ校）で数学・コンピュータサイエンスを専攻し、研究室で有機半導体の分子動力学シミュレーションに取り組んだ後、Qualcommで5G Layer 1ソフトウェアの開発に2年間従事した経歴を持つ⁷。約5年前に退職して以降はフリーランスとして活動しており、オープンソースへの貢献を活動の柱に据えている⁷。

個人サイトでは「邪魔にならず、今この瞬間を生きる助けになるテクノロジー」を追求すると述べており⁷、マルチピッチクライミングやサーフィンなどアウトドア活動にも深く傾倒している⁷。GitHubではHandyのほか、Rust用の文字起こしライブラリtranscribe-rsなども公開している⁶。

技術構成と対応モデル

Handyは、RustバックエンドとReact + TypeScriptフロントエンドを組み合わせたTauri V2製のデスクトップアプリだ³。音声認識にはwhisper-rs、CPU最適化モデルの実行には開発者自身のtranscribe-rs、音声区間検出にはvad-rsを使うなど、Rustエコシステムのライブラリで構成されている³。

音声認識モデルは複数から選択できる。OpenAIのWhisper系はSmall（487MB）、Medium（492MB）、Turbo（1600MB）、Large（1100MB）の4種類、加えてCPU最適化で自動言語検出に対応するParakeet V2・V3をサポートする³。録音方式は、キーを押している間だけ録音するpush-to-talkモード（デフォルト）と、押すたびに開始・停止が切り替わるトグルモードの2つが用意されている¹。OpenAIが2026年7月に発表したクラウド型・full-duplexの音声モデル「GPT-Live」のような方向性とは対照的に、Handyはネットワーク接続なしで完結するローカル処理に特化している。

精度はどうか

競合製品Voibeの開発元によるレビュー（2026年4月）では、Handyは総合評価7.5/10、精度8/10とされ、「最も信頼できる無料オープンソースのオフライン音声入力ツール」と評価されている⁵。英語のディクテーションについては「Whisper Largeを使えばクラウド型ディクテーションサービスに匹敵する精度」という⁵。

一方で同レビューは制約も挙げる。話し始めの単語が欠ける「first-word clipping」、2〜5秒の処理遅延、自動句読点が最小限であること、AIによるテキスト整形機能がないこと、モバイル版がないこと、Linux Waylandサポートの制限などだ⁵。競合開発元のレビューである点は割り引く必要があるが、Hacker Newsのスレッドでもスペイン語やドイツ語で良好という報告がある一方⁴、後述のBluetooth遅延などの指摘は重なっており、傾向としては概ね一致している。

コミュニティの評判

Handyは2026年2月頃にHacker Newsで取り上げられ、247ポイント・110コメントを集めた⁴。コメント欄では「Parakeet v3がすごくうまく動く。強くおすすめする」「超高速で超シンプル、邪魔にならない」といった速度面の評価や、「UIがよく考えられていて、設定がちょうどいい量」「毎日使っている。見た目も動作も良い」というUIへの好意的なコメントが目立つ⁴。

否定的な指摘で多かったのはBluetoothマイク使用時の遅延で、「実際に文字起こしが始まるまで常に1〜2秒の遅延があった」という報告に対し、開発者も「現時点でBluetoothデバイスではうまく動かない」と認めている⁴。このスレッドでは開発者自身が活発に回答しており、LLMでの後処理機能がデバッグメニューに隠れていることを明かしたほか、「まず試して、望みどおりに動かなければHandyをフォークすればいい」と、ここでもフォーク歓迎の姿勢を貫いている⁴。

費用面では、前述のVoibeレビューが3年間の総コストを比較しており、Handyが0ドルであるのに対し、買い切り型のVoibeは149ドル、サブスクリプション型のSuperwhisperは254.97ドル、Wispr Flowは432ドルとしている⁵。サブスクリプション型の音声入力ツールが増えるなか、無料・オフライン・改変自由という組み合わせがHandyの立ち位置を明確にしている。

音声入力を日常的に使う人にとって、プライバシーと費用の不安なく試せる選択肢が増えたことは歓迎できる。push-to-talkで使う割り切った設計のため、句読点の整形やAI編集まで求めるなら有償ツールに分があるが、「所有できる音声入力」を求めるならまずHandyを試す価値があるだろう。ダウンロードは公式サイトから、ソースコードはGitHubリポジトリで公開されている。