一、问题是什么
看外语直播、生肉动画、VTuber 剪辑,或者打外文游戏、开跨国会议,最常见的麻烦就是听不懂。视频自带字幕往往只有原文,或者干脆没有;临时开个翻译软件,又要手动复制、来回切窗口,节奏全乱了。人名招式名还常被机翻得乱七八糟。Tomoru 想解决的就是这件事:不用你折腾,屏幕上直接跟着画面实时冒出双语字幕。它听的是电脑正在播放的声音,不是你的麦克风,开会时不会把你自己的话也翻译进去。它把"听懂正在播的内容"从一连串手动操作,变成开着就用的工具,让你专心看画面。
二、核心设计/机制
Tomoru 的链条不复杂:先抓下电脑正在播放的声音,交给语音识别引擎转成文字,再由翻译引擎译好,最后把原文和译文一起画到屏幕上。关键是每一步都能换引擎,而且都能留在你自己电脑上跑。识别这块,本地可以用 SenseVoice、Qwen 这类模型,Mac 上还能调系统自带的语音识别;翻译这块,既可用云端免费接口,也能跑本机的翻译小模型。选本地,声音文字从头到尾不离开电脑;选云端,只发往你指定的服务。所谓"提前翻译",是它不等你说完整句,听到半句先给大意,句子结束再补上完整译文,看直播不用干等。场景和词汇表则是提前塞一张"改正清单",把容易听错的人名招式纠正过来,翻译时叫法也保持一致。四步连成一条自动流水线。
三、功能拆解
1. 给任何声音配字幕:视频、直播、游戏、会议都能听;可以听整台电脑的声音,也可以只听某一个应用,比如边打游戏边单独听浏览器里的直播。
2. 字幕随便摆:能拖到屏幕任意位置,也能拖到第二块显示器上,可以缩放、锁定让它不挡鼠标点击,还能在录屏时自动隐藏起来。
3. 本地云端自己选:语音识别和翻译都能完全离线在电脑上运行,也可以用云服务;选本地时音频文字不外泄,选云端时数据只发往你选的服务。
4. 提前翻译:说话的人还没讲完,前半句大意就先显示出来,句子结束后再给完整译文,看直播不用干等着。
5. 场景与词汇表:给动画、主播或游戏各建一个场景,人名叫法保持一致,被听错的词也能修正;接上自己的 chat API,还能从字幕历史里学新名字。
6. 屏幕文字翻译:按快捷键框选屏幕一块区域,或者先截图再按快捷键,就能翻译没配音的游戏对白、视频里的标牌、直播间弹幕。
7. 多语言多主题:界面支持英文、简体中文、繁体中文、日文、韩文,浅色和深色主题都有。
8. 隐私开关:只听电脑播放的声音,不听麦克风;字幕历史默认关着,打开后原文译文也都留在本机,随时能删掉。
四、适合谁、不适合谁
适合的人很明确:常看外语直播、生肉动画、VTuber 切片,玩外文游戏,或者参加跨国会议、需要实时双语字幕的观众。如果你在意隐私,希望声音文字别上网,又想让字幕自由摆放、把人名译法纠正过来,它正合适。不适合的人也有几类:想做出带双语字幕、还能编辑的视频,作者另有个 OpenBBQ 项目更对口;用 Intel Mac、系统低于 macOS 26、还在用 Windows 10 或更老系统的,现阶段用不了;在 Linux 上只想单独听某一个应用声音的,也暂时满足不了。一句话,它是"边看边出字幕"的工具,不是"做字幕"的工具,别指望它帮你产出可编辑的成品。
五、诚实提醒
有几件事得先说清楚。第一,它是观看用的实时字幕,不是字幕制作工具,想要能编辑的成品字幕得换别的。第二,平台门槛偏高:Mac 只能是 Apple 芯片且 macOS 26 以上,Windows 要 11,Intel Mac 和老系统直接没戏。第三,应用还没经过苹果公证、Windows 也没签名,首次打开要手动放行,新手容易卡在这一步。第四,Linux 目前只能听整台电脑的声音,不能只挑一个应用;托盘和置顶还要额外装系统库,Debian 包也不会自己更新。第五,实时效果好不好,很大程度看你选的识别翻译引擎,人名、招式被听错译错是常事,得靠场景词汇表慢慢调。付费点方面,本地跑不花钱,云端服务是否收费以你选的那家为准。
六、项目现状
从项目文档看,Tomoru 已经有持续的版本发布和更新机制,装好后能自己升级,还附带更新日志、贡献指南和安全问题上报说明,也被 Awesome MyGo 收录展示,维护是有在跟的。具体的 star 数量以项目文档为准。许可方面,代码用 GPL-3.0-or-later 开源免费;但名字、图标和吉祥物不在 GPL 范围内,另有商标约定,二次使用时要留意。界面提供简中等多语言,中文用户上手没什么障碍。
七、常见问题
问:它会听我说话吗?
答:不会。它只听电脑播放出来的声音,不碰麦克风,开会时不会把你自己的话也翻译进去。
问:免费吗?
答:代码按 GPL 开源免费。本地识别和翻译完全在电脑上跑,不花钱;云端的免费翻译接口由 Index-Translate 提供,但如果你改用别的云服务,是否收费以那家服务为准。
问:和作者另一个项目 OpenBBQ 有啥区别?
答:Tomoru 是看的时候实时出字幕;OpenBBQ 是做视频用的,能产出可编辑的字幕文件并压进画面,还能跨视频沿用学到的名字。
问:Windows 上开会对方没声音怎么办?
答:可以改成听全部系统音频,并把那个通话的扬声器设成同一个播放设备,就能抓到了。
问:Linux 上有什么要注意的?
答:目前只能听全部系统声音,不能只听单个应用;Wayland 下框选屏幕要点一次截图授权;Debian 包不会自己更新。
下载地址
夸克网盘(永久有效):https://pan.quark.cn/s/68c47ba40b85
本教程由「宝藏星球屋」整理,更多软件、游戏、开源项目都在 https://cbge.top。























暂无评论内容