Handy: đọc chính tả offline miễn phí trên desktop

Developer hay sysadmin mỗi ngày đều có những đoạn dài cần gõ: mô tả task cho AI coding agent, câu hỏi debug, nội dung ticket, biên bản sự cố. Gõ tay thì chậm và mỏi. Trong khi đó, nhiều công cụ đọc chính tả tốt lại thu phí theo tháng, hoặc xử lý giọng nói trên máy chủ của nhà cung cấp.

Tiền chỉ là một phần. Audio cũng là dữ liệu nhạy cảm: một đoạn họp, một ticket nội bộ, hay một prompt chứa tên hệ thống nội bộ đều có thể lọt vào bản ghi nếu âm thanh rời khỏi máy. Vậy có công cụ nào miễn phí, cài ngay trên desktop, bấm phím tắt là đọc được vào bất kỳ ô văn bản nào, mà không cần gửi giọng nói đi đâu không?

Handy trả lời theo cách trực tiếp nhất: một ứng dụng desktop đọc chính tả chạy hoàn toàn trên máy của bạn. Bài đối chiếu tài liệu và repo chính thức của dự án; mình chưa tự cài đặt và chạy thử, nên bài không đưa con số độ chính xác hay tốc độ nào.

Handy là gì? Đọc chính tả vào bất kỳ ô văn bản nào

Handy (repo cjpais/Handy, website handy.computer) là ứng dụng speech-to-text miễn phí, mã nguồn mở theo giấy phép MIT. Dự án mô tả nó là ứng dụng speech-to-text miễn phí, mã nguồn mở và có thể mở rộng, hoạt động hoàn toàn offline. Bản mới nhất tại thời điểm viết bài là v0.10.0, ra mắt ngày 2026-11-02, kèm file cài đặt cho cả ba hệ điều hành desktop. Tính đến đầu tháng 11/2026, repo có hơn 37.000 sao trên GitHub.

Cách dùng chỉ có một luồng duy nhất: bấm phím tắt tùy chỉnh, nói, rồi nhả phím — văn bản được dán thẳng vào ô văn bản đang mở, không cần copy-paste thêm một bước. Bạn có thể chọn giữ phím để ghi âm hoặc bấm một lần để bật/tắt.

Điểm này phân biệt Handy với các công cụ chuyển file audio thành văn bản. Handy không phải trình xử lý file hàng loạt; nó là công cụ dictation trực tiếp. Theo mình, cách hiểu đúng nhất về Handy không phải “app ghi âm rồi chuyển văn bản”, mà là một lớp nhập liệu của hệ điều hành: nó biến giọng nói thành một cách gõ chữ nữa, dùng được ở mọi nơi mà không cần tích hợp riêng cho từng ứng dụng.

Handy hợp với developer, sysadmin và DevOps hay đọc prompt cho AI agent, ghi chú nhanh, viết ticket và phản hồi vận hành, cũng như người làm việc văn bản nhiều. Ngược lại, nếu bạn cần app trên điện thoại, cần chuyển hàng loạt file audio sẵn có, hay cần cộng tác và phân biệt người nói, thì Handy — theo tài liệu chính thức — chưa phải lựa chọn cho các nhu cầu đó.

Cách Handy hoạt động: phím tắt, VAD lọc im lặng, model chạy local

Luồng làm việc gồm bốn bước: phím tắt kích hoạt thu âm; Silero VAD lọc các đoạn im lặng ra khỏi bản ghi trước khi đưa vào model; model chạy trên máy chuyển giọng nói thành văn bản; văn bản được dán vào ô đang focus. Toàn bộ quá trình diễn ra trên máy, và dự án mô tả rằng giọng nói ở lại trên máy tính, không gửi lên cloud (tuyên bố của nhà phát triển, chưa kiểm chứng độc lập bằng đo lưu lượng mạng).

Có hai họ model local để chọn. Whisper có nhiều cỡ — Small, Medium, Turbo, Large — và được tăng tốc bằng GPU khi máy có sẵn: model lớn hơn thường xử lý tốt hơn trong môi trường phức tạp, nhưng đòi hỏi máy khỏe hơn. Parakeet V3 đi hướng ngược lại: chạy tốt trên CPU và tự động nhận diện ngôn ngữ, hợp với máy không có GPU rời. Tài liệu mình đối chiếu không có con số tốc độ, độ chính xác hay dung lượng tải model nào, nên bài này không đưa các con số đó. Theo mình, chọn model chỉ giải quyết một nửa bài toán; nửa còn lại là soát lại sau khi dán, vì chất lượng còn phụ thuộc vào ngữ cảnh ô đích và thuật ngữ chuyên ngành.

Về mặt kỹ thuật, Handy là desktop app đa nền tảng (Windows, macOS, Linux, gắn tag Tauri v2 trên repo), cần microphone và quyền hệ thống: microphone để thu âm, accessibility để dán văn bản vào ứng dụng khác. Model local cần tải về lần đầu, nên lần đầu bạn vẫn cần mạng. Hai tính năng nâng cao đáng biết: hook transcription trên macOS và Linux — file thực thi tại hooks/transcription trong thư mục app-data, cho phép script sửa văn bản trước khi dán — và CLI beta với các lệnh như handy --toggle-transcription và handy --cancel.

Nói thẳng vài giới hạn: Handy chỉ chạy trên desktop theo mô tả chính thức — đừng kỳ vọng bản iOS hay Android. Vì không có server, mỗi máy là một điểm chạy độc lập; triển khai nhiều máy đồng nghĩa với cài app, tải model và cấu hình phím tắt trên từng máy. Độ chính xác với tiếng Việt chưa có dữ liệu chính thức.

Hướng dẫn cài đặt Handy trên Windows, macOS và Linux

Bạn cần một máy desktop chạy Windows, macOS hoặc Linux, một micro đang hoạt động, và quyền cấp microphone cùng accessibility sau khi cài. Hãy tải bản v0.10.0 từ trang release chính thức github.com/cjpais/Handy/releases hoặc từ handy.computer.

Trên macOS, cách nhanh nhất là Homebrew:

brew install --cask handy

Hoặc tải file .dmg từ trang release chính thức. Lưu ý: Homebrew cask không do nhóm Handy bảo trì, nên phiên bản qua Homebrew có thể chậm hơn bản release chính thức.

Trên Windows, dùng winget:

winget install cjpais.Handy

Hoặc tải file setup Windows từ trang release chính thức. Caveat tương tự: gói winget cũng không do nhóm Handy bảo trì, nên nếu winget chưa có bản mới nhất thì đó là lý do, và cách xử lý là tải trực tiếp từ release.

Trên Linux, trang release cung cấp .deb, .rpm và AppImage. Trên Debian/Ubuntu, cài file .deb bằng apt:

sudo apt install ./Handy_*.deb

Tài liệu của dự án khuyên không dùng dpkg -i trần trừ khi các dependency đã đủ. Nếu gặp lỗi thiếu dependency, chạy sudo apt --fix-broken install. Với .rpm và AppImage, hãy dùng đúng asset của release cho distro của bạn. Handy là desktop app, không có file Docker Compose.

Sau khi cài, mở app, cấp quyền microphone và accessibility, vào Settings đặt phím tắt theo thói quen, rồi chọn Whisper hoặc Parakeet V3. Theo mình, máy chỉ có CPU nên bắt đầu với Parakeet V3, máy có GPU mới cân nhắc Whisper cỡ lớn hơn.

Để kiểm chứng, chạy lệnh sau để xác nhận binary phản hồi:

handy --help

Kiểm chứng thực tế: mở một trình soạn thảo, bấm phím tắt, nói một câu, nhả phím — văn bản phải xuất hiện tại ô đang focus. Nếu không, kiểm tra quyền microphone/accessibility và xem phím tắt có bị ứng dụng khác chiếm không. Trên macOS, binary nằm tại /Applications/Handy.app/Contents/MacOS/Handy.

Đánh giá Handy: ưu điểm, nhược điểm và cân nhắc bảo mật

Ưu điểm rõ ràng nhất là tổ hợp miễn phí, mã nguồn mở MIT, chạy local và dùng ngay bằng phím tắt ở mọi ô văn bản, trên cả ba hệ điều hành desktop, lại có CLI beta và hook để mở rộng. Nhược điểm: chỉ desktop, model local tốn tài nguyên máy và thời gian tải lần đầu, chất lượng phụ thuộc vào model, micro và môi trường.

Về bảo mật, cần nhìn cả hai mặt. Mặt tích cực là audio không rời khỏi máy theo mô tả của dự án. Mặt cần tỉnh táo là: để dán văn bản vào mọi ứng dụng, Handy phải xin quyền accessibility và microphone — những quyền có phạm vi rất rộng. Vì vậy chỉ nên cài bản từ release chính thức hoặc package manager đáng tin, rà soát kỹ hook transcription trước khi dùng script lạ. Và theo mình, không bao giờ đọc mật khẩu, token hay secret qua dictation — dictation sinh ra để soạn thảo nhanh, không phải để nhập thông tin nhạy cảm.

Về hiệu năng, vì không có benchmark độc lập nên bài này không kết luận nhanh hay chậm bằng số liệu. Chỉ có thể nói về cơ chế: VAD giảm khối lượng cần xử lý khi bản ghi có nhiều đoạn im lặng, GPU giúp Whisper, Parakeet V3 chạy tốt trên CPU. Chi phí thực tế, theo mình, tính theo mật độ lời nói chứ không theo thời lượng thu.

So sánh Handy với Wispr Flow và các lựa chọn cùng phạm vi

Chỉ nên so sánh bằng tiêu chí đã xác minh được: giá và giấy phép, chạy offline hay phụ thuộc cloud, nền tảng, cách nhập văn bản, mã nguồn mở hay đóng, và khả năng tùy chỉnh. Wispr Flow là cái tên hay được nhắc cùng Handy gần đây, với mức giá khoảng 15 USD/tháng được nhắc trong các video giới thiệu — lưu ý đó là thông tin tham khảo từ video, cần kiểm chứng lại giá. Khác biệt cốt lõi: Handy miễn phí, mã nguồn mở MIT và chạy local; Wispr Flow là dịch vụ trả phí, đóng. Bài này không so sánh độ chính xác bằng số liệu, vì không có phép đo nào được thực hiện.

Dictation tích hợp sẵn của hệ điều hành thì tiện, nhưng phụ thuộc vào nền tảng và cấu hình cloud của từng hệ điều hành — cần kiểm chứng lại theo từng cấu hình. Chạy Whisper CLI trực tiếp thì linh hoạt, nhưng không có trải nghiệm phím tắt và dán sẵn như Handy. Kết luận, theo mình: Handy thắng ở miễn phí, mã nguồn mở, chạy local và dùng được ở mọi ô văn bản; thua ở tính di động và đồng bộ nếu bạn cần mobile hay cloud sync.

Handy dùng thực tế cho developer, sysadmin và dân văn phòng

Trường hợp dùng rõ ràng nhất là đọc prompt cho AI coding agent thay vì gõ tay: đọc mô tả task, comment code, câu hỏi debug bằng giọng nói, rồi sửa lại bằng tay trước khi gửi — dictation là bản nháp nhanh, không thay việc kiểm tra code. Với sysadmin, Handy hợp để đọc nhanh nội dung ticket, biên bản sự cố hay tóm tắt log vào hệ thống ticket và chat nội bộ, với lưu ý không đọc mật khẩu hay token qua dictation. Với DevOps và dân văn phòng, nó giúp soạn mô tả pull request, ghi chú release và tài liệu dài; chỉ cần soát lại thuật ngữ kỹ thuật sau khi dán.

Với homelab và máy cá nhân coi trọng riêng tư, Handy là lựa chọn tự nhiên: không gửi giọng nói lên cloud, tự quản lý model local. Với doanh nghiệp nhỏ, nên thử khi nhóm nhỏ và máy desktop chuẩn hóa được; nên dừng khi môi trường bắt buộc MDM cấm app ngoài, khi cần mobile, audit log tập trung, hoặc chuyển file hàng loạt.

Một lưu ý về hướng ngược lại: nếu nhu cầu của bạn là tạo giọng nói từ văn bản — làm voice-over, studio giọng nói — thì đó là bài toán khác hẳn dictation. Bài viết về VoiceStudio local miễn phí với ElevenLabs đi theo hướng TTS và studio giọng nói, còn Handy đi chiều ngược lại, từ giọng nói thành văn bản.

Câu hỏi thường gặp, lỗi thường gặp và gỡ cài đặt

Handy có miễn phí thật không? Có, theo giấy phép MIT trên repo. Phân biệt rõ: miễn phí ứng dụng, nhưng bạn vẫn trả chi phí tài nguyên máy và thời gian tải model.

Handy có chạy trên điện thoại không? Tài liệu chính thức chỉ mô tả ứng dụng desktop. Đừng kỳ vọng bản iOS hay Android cho tới khi dự án công bố.

Handy có gửi giọng nói lên cloud không? Dự án mô tả là không, giọng nói ở lại trên máy. Đây là tuyên bố của nhà phát triển, chưa được kiểm chứng độc lập trong bài này.

Handy có chuyển file audio sẵn thành văn bản không? Chưa xác minh được từ tài liệu trong phạm vi bài này. Tương tự, độ chính xác tiếng Việt cũng chưa có dữ liệu chính thức.

Homebrew và winget có phải bản chính thức không? Không — cả hai đều không do nhóm Handy bảo trì theo tài liệu của dự án. Muốn mới nhất thì tải từ trang release.

Lỗi thường gặp: không có chữ sau khi bấm phím tắt thì kiểm tra quyền microphone/accessibility trước, rồi xem phím tắt có bị ứng dụng khác chiếm không. Lỗi dependency trên Debian/Ubuntu gần như luôn do dùng dpkg -i trần — chuyển sang sudo apt install ./Handy_*.deb hoặc sudo apt --fix-broken install. Model chạy chậm thì xem lại lựa chọn Whisper hay Parakeet V3 theo GPU/CPU của máy.

Về cập nhật và gỡ cài đặt: cập nhật theo release trên GitHub, nhớ rằng kênh Homebrew/winget có thể chậm hơn do không do nhóm Handy bảo trì. Trước khi đổi model hay phím tắt, ghi lại cấu hình cũ để quay lại nhanh. Khi ngừng dùng, gỡ app, thu hồi quyền microphone và accessibility, xóa model cùng app-data. Vì không có bảng điều khiển tập trung, việc này trên nhiều máy phải làm trên từng máy một.

Kết luận: ai hợp với Handy, ai không, và bước tiếp theo

Handy phù hợp nhất với người dùng desktop cần dictation nhanh, miễn phí, mã nguồn mở và ưu tiên giữ audio ở lại trên máy — đặc biệt là developer, sysadmin và người làm việc văn bản nhiều, những người mà mỗi ngày đều có những đoạn dài cần gõ. Nó không phù hợp nếu bạn cần mobile, cần chuyển file hàng loạt, hay cần triển khai tập trung kiểu server với audit log đầy đủ.

Bước tiếp theo rất cụ thể: tải v0.10.0 từ trang release chính thức, cài đúng theo hệ điều hành của bạn, cấp quyền microphone và accessibility, đặt phím tắt thuận tay, chọn Parakeet V3 nếu máy chỉ có CPU hoặc Whisper nếu máy có GPU, rồi thử một đoạn văn bản thật trước khi đưa vào workflow hàng ngày. Công cụ lo phần gõ, bạn lo phần đúng.

Tài liệu tham khảo

• Repo chính thức Handy: https://github.com/cjpais/Handy
• Trang chủ Handy: https://handy.computer
• Trang release Handy (tải bản v0.10.0): https://github.com/cjpais/Handy/releases
• Bài viết liên quan trên phamnam.me: https://phamnam.me/posts/voicestudio-elevenlabs-local-mien-phi/