Skip to content

About

实时直播翻译:捕获系统音频,本地/云端语音识别 + 翻译,悬浮窗双语字幕(Windows)

Topics

Resources

Contributing

Security policy

Stars

2 stars

Watchers

0 watching

Forks

Repository files navigation

LiveTrans

中文 | English

外语直播、生肉视频、网课和线上会议的实时双语悬浮字幕,附带 AI 会议纪要。

License: MIT Release Platform Tauri v2 Svelte 5

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。


核心特性

  • 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。

安装

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。

快速上手

  1. 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。
  2. 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)。
  3. 选声音来源:在「声音来源」页选择整机环回,或指定某个软件。
  4. 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。
  5. 开始:点「应用设置」(Ctrl + Enter),回到「概览」启动,字幕浮层就会出现。
  6. 会后整理:到「记录与纪要」生成纪要并导出。

模式选择

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

识别与翻译设置

语音识别

  • 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)
  • 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/纪要接口

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)。

字幕浮层与快捷操作

  • 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。

记录与 AI 纪要

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。

故障排查

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)

隐私

  • 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。

常见问题

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。

开发

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

测试与质量保证

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 .

开源许可

MIT License。第三方组件遵循各自的许可证,详见 第三方声明。

About

实时直播翻译:捕获系统音频,本地/云端语音识别 + 翻译,悬浮窗双语字幕(Windows)

Topics

Resources

Contributing

Security policy

Stars

2 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages