v2s – macOS 实时双语字幕悬浮条,会议通话直播字幕实时翻译对照显示

v2s 是一款 macOS 菜单栏常驻应用,将麦克风输入或指定应用的音频实时转换为双语字幕悬浮条。第一行显示翻译结果,第二行显示原始语音文本,适用于会议、通话、直播和视频场景。用户无需离开当前屏幕,即可同时听原语言、看目标语言字幕。

核心功能

双语字幕悬浮条

翻译结果在第一行,原始语音文本在第二行,便于快速对照。悬浮条样式可调节,保证在不同工作场景中保持清晰可读。

灵活的音频输入

既可使用麦克风,也可只捕获某个正在运行的应用音频,而非整个系统混音。选择应用音频时,其他应用的声音不受影响。

语音转写

基于 Apple Speech 框架,优先使用本地语音识别。当某个语言存在本地模型时,v2s 会优先选用带本地模型的地区变体。

本地翻译

基于 Apple Translation 框架处理翻译,部分语言包可能需要先在系统设置中下载。每个源语言与目标语言组合在会话开始前都会检查翻译可用性。

AI 摘要

基于 Apple Intelligence 对字幕记录生成智能摘要。当 Apple Intelligence 不可用时,自动回退到本地提取式摘要,同样可以快速掌握对话要点。

语言支持

v2s 动态查询当前 Mac 支持的语音和翻译语言,选项自动跟随系统与模型更新。界面会合并地区变体,但保留简体中文和繁体中文等有实际意义的文字变体。

隐私保护

这款工具无需账号,没有云端后台、分析或遥测,也不会把音频或字幕文本发送到自己的服务器。

翻译依赖 Apple 的本地 Translation 框架。语音识别优先使用本地模型,但部分语言在特定 Mac 上没有本地模型——Intel Mac 以及新版 Speech 技术栈未覆盖的语言尤其常见。这些语言会走 Apple 的服务器识别:需要网络连接,受 Apple 服务配额限制,并依据 Apple 隐私条款将捕获的语音发送给 Apple。

语音活动检测通过 Apple 系统 Core ML 框架运行 Silero VAD 模型,不捆绑第三方推理运行时,转换过程可复现。

安装与使用

前置条件

  • macOS 26 或更高版本
  • 支持 Apple 芯片和 Intel Mac
  • 可用的语音语言以及能否在本地识别,取决于具体 Mac 和所选语言

通过 Homebrew 安装

v2s 尚未通过 Apple 公证,macOS 会在下载后将其隔离。执行一次以下命令清除隔离标记:

如果之前手动安装过、Applications 里已有 v2s.app,加上 --adopt 让 Homebrew 接管现有副本。

手动安装

1. 从 GitHub Releases 页面下载最新的 .app.zip

2. 解压后将 v2s.app 移动到 Applications 文件夹。

首次运行

1. 启动应用,菜单栏出现图标。

2. 选择输入源:麦克风或某个正在运行的应用。

3. 选择输入语言和字幕语言。

4. 点击 Start。

首次使用时需要授权以下权限:

权限用途
Speech Recognition将音频转写为文本
Microphone输入源为麦克风时需要
Audio Capture输入源为其他应用时需要

从源码构建

终端构建:

为 Intel Mac 构建:

更新方式有两种:应用内更新器,或运行 brew upgrade --cask --greedy v2s

技术架构亮点

VAD 引擎迁移

语音活动检测从 ONNX Runtime 迁移到 Apple 系统 Core ML 框架,不再捆绑第三方推理运行时。Silero VAD 模型的转换脚本(scripts/convert_silero_vad_coreml.py)可复现。

翻译会话优化

翻译会话在句子间保持热状态,空闲超时从 0.35 秒延长到 10 秒,实时会话不再为几乎每个字幕重新生成会话。添加了有界翻译备忘录和已安装语言对缓存,移除了草稿翻译的 700 ms 超时限制。

语音识别修复

修复了 36 种语言中 25 种受影响的 supportedLocale 可靠性问题——即使语言无现代栈也会返回等价 locale。现在需要 supportedLocales 成员资格验证,缺失现代资产时回退到传统识别器。错误码 203(Apple 用于临时「Retry」「Corrupt」故障和服务配额拒绝)不再仅凭代码停止,识别失败会拆除会话。

词汇表匹配

词汇表术语在单词边界匹配——「AI」不会在「OpenAI」内触发,但仍匹配 CJK 相邻字符。

我的使用感受

菜单栏常驻的设计很省心,开会时选好输入源和语言对,点一下 Start 就出字幕,不用切换窗口。双语悬浮条的对照排版在视频会议里特别实用,原文和译文一行一行跟上来,比单独看翻译多了一层校验。本地优先的隐私策略是亮点——翻译和语音识别都在设备端跑,不经过自有服务器。但要注意部分语言在 Intel Mac 上没有本地模型,会走 Apple 服务器识别,这取决于具体 Mac 型号和所选语言,选语言前值得确认一下。

官方网站

https://github.com/franklioxygen/v2s

https://franklioxygen.github.io/v2s

下载地址

https://pan.quark.cn/s/d6c85d9be43c

相关推荐

Avatar photo

JameCling

我是 格律诗的软件世界 的作者,一名专注于软件工具、AI 技术和数字效率领域的独立研究者。
多年来,我持续关注互联网工具的发展趋势,体验不同平台的软件产品,并研究它们如何帮助用户提升效率。
我的工作不仅是整理软件信息,而是通过实际测试、功能分析和使用场景研究,帮助用户判断一个工具是否真正值得使用。
格律诗的软件世界 的每一篇文章都希望提供真实、有价值的信息,包括工具特点、使用方法、优缺点分析以及适合的人群。
我相信,好的工具能够改变工作方式,而准确的信息能够帮助用户做出更好的选择。