LiveTrans 捕获系统音频,用流式 VAD 分句,经本地 faster-whisper 识别后翻译,把双语字幕置顶浮在任意画面上。会后可以在「记录与纪要」里按时间戳浏览双语对照,一键生成会议纪要。
- 系统级音频捕获:不限来源,直播客户端、会议软件、播放器的声音都能获取。Windows 支持整机环回,也可以只捕获指定软件的声音。
- 四种运行模式,运行中可一键热切(见 模式选择)。
- AI 会议纪要:提炼主题主旨、各议题要点、关键结论和 Action Items;支持「完整会议纪要」和「极简速览(<200 字)」,可导出 Markdown。
- 本地识别:faster-whisper 在独立子进程中运行,崩溃不影响主窗口,退出后释放显存;按空闲显存自动选模型档位。
- 翻译接口自选:本地 Ollama(全离线、免费),或任意 OpenAI 兼容的云端服务。
- 轻量桌面壳:Tauri v2 + Svelte 5,常驻系统托盘。
从 Releases 下载对应版本:
| 文件 | 说明 |
|---|---|
LiveTrans-x.y.z-windows-x64-setup.exe |
安装版(NSIS),带开始菜单项和卸载程序 |
LiveTrans-x.y.z-windows-x64-portable.zip |
便携版,解压即用 |
SHA256SUMS.txt |
校验和,用于核对下载是否完整 |
- 安装版和便携版共用
%APPDATA%\livetrans里的配置。 - 发行包只带 CPU 推理。要用 NVIDIA GPU 加速,请从源码运行并安装
.[cuda]。 - 程序未做代码签名,首次运行时 Windows SmartScreen 可能拦截,选「更多信息 → 仍要运行」即可。
平台支持:正式发行只有 Windows 10/11 x64。macOS(ScreenCaptureKit)和 Linux(PulseAudio / PipeWire)的音频后端有源码实现,属于实验性支持。
- 下载识别模型(用本地识别时):打开「语音识别」页,在模型面板点击下载(几百 MB 起,需要能访问 Hugging Face)。模型不随安装包分发。只用云端转写可以跳过这一步。
- 配置翻译:在「翻译」页填写 Base URL、API Key 和模型名,选好目标语言(见 翻译接口)。
- 选声音来源:在「声音来源」页选择整机环回,或指定某个软件。
- 要出纪要的话先开记录:在「通用」页打开「保存翻译记录」(默认关闭)。不开的话不会存会话,「记录与纪要」里是空的。
- 开始:点「应用设置」(
Ctrl + Enter),回到「概览」启动,字幕浮层就会出现。 - 会后整理:到「记录与纪要」生成纪要并导出。
| 场景 | 推荐模式 | 说明 |
|---|---|---|
| 跨国会议,边听边留档 | 边翻译边记录 | 实时双语字幕,同时逐句存盘 |
| 外语直播 / 生肉视频 | 仅实时翻译 | 只显示字幕,不保存会话记录 |
| 会议速记,不想花 Token | 仅语音记录 | 识别期间不调用翻译接口,字幕显示大字号原文 |
| 只看原文听写 | 纯原文字幕 | 只显示原文字幕,不翻译也不记录 |
- 本地 faster-whisper(默认):「自动」档按空闲显存选择:
- 显存 ≥ 5000 MB:
large-v3-turbo(CUDA float16) - 显存 2000–4999 MB:
small(CUDA float16) - 没有可用 GPU:
small(CPU int8)
- 显存 ≥ 5000 MB:
- 云端转写:任意兼容 OpenAI
/audio/transcriptions的服务。选这个时音频会发到该服务。
翻译和纪要共用端口,本地 Ollama 和云端服务都走 OpenAI 兼容接口:
- 本地 Ollama(默认,免费、离线):安装 Ollama 后下载模型,推荐
qwen3.5系列模型 - 云端:
| 服务商 | Base URL | 模型示例 |
|---|---|---|
| DeepSeek | https://api.deepseek.com/v1 |
deepseek-chat |
| Groq(有免费额度) | https://api.groq.com/openai/v1 |
llama-3.3-70b-versatile |
| OpenAI | https://api.openai.com/v1 |
gpt-4o-mini |
内置 19 种目标语言(中文简繁、英、日、韩、法、德、西、葡、俄等)。
- 拖动:按住浮层上文字以外的区域拖到任意位置。
- 字号:鼠标停在字幕上按
Ctrl + 滚轮调节;「字幕外观」页还能设置是否显示原文、同屏条数、背景不透明度和浮层宽度。 - 置顶:浮层始终在最上层。目前不支持点击穿透。
- 控制中心:
Ctrl + Enter应用设置,Ctrl + Q退出并释放模型进程。 - 托盘:关闭控制中心只是隐藏到托盘;单击托盘图标重新打开,右键菜单可以开始/停止翻译、切换字幕显示或退出。
模式 1 / 3 下(「通用」页的「保存翻译记录」开着时)会话会存到本地,「记录与纪要」工作台按会内时间戳列出。开着翻译录的会话是双语对照,模式 3 只有原文。支持:
- 一键复制,或导出为 Markdown;
- 生成「完整会议纪要」或「极简速览(<200 字)」,内容包括主题与核心主旨、各议题要点、关键结论和 Action Items;
- 纪要用的是「翻译」页配置的接口,选云端服务时记录文本会发给该服务。
| 现象 | 先检查 |
|---|---|
| 没有字幕 | 声音来源选对没有(整机环回还是指定软件);音量是否过小(低于 -60 dBFS 时自动增益不再放大,可以调高源音量,或在「语音识别」页调低「触发灵敏度 (VAD 阈值)」);本地识别的模型下载好没有 |
| 只能捕获部分软件 | 指定软件捕获(Process Loopback)建议在 Windows 11 / Build 20348+ 上用 |
| 延迟高 | 换小一档的模型;换响应更快的翻译接口 |
| 译文不对 | 检查目标语言;换更强的翻译模型 |
| 其他异常 | 在「通用」页点「打开日志目录」,把日志附在 Issue 里(提交前请检查有没有密钥) |
- 音频捕获、VAD 分句和本地识别都在本机完成。
- 会发到外部的数据只取决于你的配置:
- 翻译 / 纪要:识别出的文本发给「翻译」页的接口。默认是本地 Ollama,不出本机。
- 云端识别:选了它,音频会发给对应服务。
- 下载模型:会访问 Hugging Face。
- 本地识别 + 本地 Ollama 时,日常使用不需要联网。
- API Key 以明文保存在本机配置(
%APPDATA%\livetrans)里,只在本机进程之间传递,不会上传到配置接口以外的地方。
和浏览器字幕插件有什么区别? LiveTrans 捕获的是系统级音频,所以不限浏览器,桌面客户端、会议软件和播放器都能用。
能用 GPU 吗?
发行包只有 CPU 推理。有 NVIDIA 显卡的话从源码安装 .[cuda],「自动」档会按显存选更大的模型。
会收集使用数据吗? 不会,应用没有遥测。
需要 Python 3.10+、Rust 1.85+、Node.js 22.12+(推荐 24,与 CI 一致)。
git clone https://github.com/MisterRabbit0w0/live-trans.git
cd live-trans
python -m venv .venv
.venv\Scripts\activate
pip install -e ".[cuda]" # 只用 CPU 或纯云端时改成 pip install -e .
cd desktop
npm ci
npm run tauri:dev # 也可以在仓库根目录双击 start.bat- 架构与目录结构:docs/architecture.md
- 构建发行包(NSIS + 便携 ZIP)和发布流程:docs/releasing.md。单独
cargo build --release出来的壳没有随包核心,不能当发行产物用。 - 界面验收清单:docs/frontend-validation.md
- 贡献指南:CONTRIBUTING.md
pip install ruff==0.15.17 # 与 CI 同版本
python -m unittest discover -s tests -v # Python 离线回归
npm test --prefix desktop # Vitest
npm run check --prefix desktop # svelte-check
cargo test --locked --manifest-path desktop/src-tauri/Cargo.toml
ruff check .MIT License。第三方组件遵循各自的许可证,详见 第三方声明。