cicada README

The project's README from github.com/wquguru/cicada. As one markdown file: README.md.

知了图标

知了 · Cicada

任何会议、任何直播,没有语言障碍。
听得懂,说得出,记得住。Mac 上的实时纪要、双语文字记录、字幕与同声传译。

官网 cicada.indaloop.app   下载 macOS 版

macOS 26+ Apple 芯片 Swift 5 Apache-2.0

简体中文 · English

无论是用 Zoom、飞书、腾讯会议开会,还是听 X Spaces 和 YouTube 直播,知了都能实时给出双语字幕、边听边写结构化纪要。遇到需要发言的时候,按住键盘右边的 ⌥ 键开口,对方就能在会里直接听到翻译好的语音。这一切都靠直接读取 Mac 系统声音并在本机识别来完成,声音不出电脑,不用往会里塞机器人,对方更是完全无感。

YouTube 播着 Bloomberg 英文直播,右边是知了实时整理的中文纪要、议题与鱼骨图,底部是双语字幕

主要功能

实时纪要与双语文字记录

开会时纪要窗口边听边整理总结、议题要点、结论、待办、鱼骨图和人名术语表,点一下结论或待办就能跳回双语文字记录里的原话。纪要会统一文中人名和术语的写法并记下听错的变体,按 ⌘F 搜索时能连同识别错的写法一起搜出来。

实时字幕与语言识别

对方开口几秒钟就能在本地自动认出语言并翻成你的系统语言,按 ⌃⌥S 可以在纪要窗口、字幕条和不显示之间切换。字幕条只在有人说话时出现,鼠标划过时自动变透明,不会挡住底下的按钮。

同声传译

按住键盘右边的 ⌥ 键说话,对方在会议软件里就能直接听到翻译后的语音,打开同声传译时知了会自动把系统麦克风切到一键安装的虚拟驱动 BlackHole 2ch。填了 Ling API key 后可以用自然人声或用 8 到 30 秒录音克隆你自己的声音,不填也能用 Mac 自带语音。

同声传译设置页,包含按住右 Option 键说话、目标语言、Ming 声音试听与本机声音选择

会议记录

每场会议的双语文字记录、纪要和原始录音都保存在本机,打开实验性的说话人识别后还能区分对方不同的说话人并在有 Ling key 时填上名字。会议软件挂断或 10 分钟没人说话时会自动结束并截掉空白,会后随时可以补生成纪要,或导出成 Markdown、Word 和 SRT 字幕。目前记录里的你只包含按住说话键说的话,会上直接开口的部分见路线图。

会议记录窗口,显示识别出的说话人名字和逐句英中双语文字记录

隐私与权限

声音采集、语言识别、语音识别(Apple SpeechAnalyzer)和会议录音全部在本机完成。会离开电脑的只有识别出来的文字(发去做翻译和生成纪要),以及填了 Ling API key 并按住说话键用同声传译时你说的那几句语音。不填 API key 时,实时字幕、翻译(走 Google 或退回 Apple 本机翻译)、会议记录和同声传译都能正常用。实时纪要、一步语音翻译和声音克隆需要你自己的 Ling(蚂蚁集团的大模型服务)API key(配置方法见下文),开一小时会大约花 0.15 到 1 元人民币,Ling 每月赠送 10 元额度,约够 10 到 50 小时会议。

知了只在用到某项功能时才请求对应的权限,拒绝后其他功能照常可用。

权限 用来做什么 什么时候问 不给的话
录制系统声音(屏幕与系统录音) 听 Mac 正在播放的声音来出字幕,不录屏幕,也不听知了自己的声音 新手引导第一步,或第一次开始听 字幕和纪要都用不了
麦克风 只在你按住说话键时录音,用来做同声传译 打开同声传译时 只是不能说话翻译
输入监控 只用来判断右 ⌥ 是否被单独按下(只监听、不拦截、不记录别的按键) 第一次用右 ⌥ 说话时 在设置里改成 ⌃/⌘ 组合键,就不需要这个权限
管理员密码 安装虚拟麦克风 BlackHole 2ch,并重启系统音频服务 在引导或设置里点“安装”时,只问一次 不能让对方听到翻译,其余照常

用到的模型

不填 Ling key 时全部由 Apple 本机模型加 Google 翻译完成,填了 key 后由 Ling 和 Ming 模型负责并支持失败自动退回。

功能 填了 Ling key 不填 key / 退回
语音识别、语言识别 Apple SpeechAnalyzer / SpeechTranscriber(本机) 同左
整句翻译 Ling Ling-3.1-flash(可在“设置 › AI 服务”改为 Ling-3.0-flash) Google 翻译 → Apple Translation(本机)
正在说的半句话的翻译 Google 翻译(不占 Ling 的频率额度) Apple Translation(本机)
实时纪要、会后完整版 Ling Ling-3.1-flash(同上设置) 不可用
检查 key 是否有效 Ling Ling-3.0-tiny(只用一个 token) —
同声传译:听懂并翻译你说的话 Ming Ming-3.0-audio-flash,一步完成 Apple 本机识别,再走上面的翻译链
同声传译:对方听到的声音、声音克隆 Ming Ming-3.0-tts-0.5B Mac 自带语音(AVSpeechSynthesizer),不能克隆
说话人识别(实验功能,默认关闭) WeSpeaker ResNet34-LM 声纹模型,随 app 附带,本机运行(Core ML) 同左

配置 Ling API key

  1. 打开 Ling 开放平台,注册或登录。
  2. 点创建令牌,复制以 sk- 开头的那串 key。
  3. 在知了里打开设置里的 AI 服务,粘贴后点保存并检查,也可以直接粘贴到纪要窗口顶部的提示框里。知了会发一个只用一个 token 的请求确认 key 可用。
  4. 同一页面可以选模型(默认 Ling-3.1-flash),每种语言用哪个 Ming 声音在同声传译设置里选。想移除 key,在同一页面点移除即可。

系统要求与安装

需要 macOS 26 或更新版本、Apple 芯片的 Mac。界面有中文、英文、日文和韩文,默认跟随系统语言,也可以在系统设置的语言与地区里单独给知了指定。

从 Releases 页面 或 官网 下载 Cicada-<版本>-macOS-AppleSilicon.dmg,打开后把知了拖进应用程序文件夹。应用目前是本地签名,还没有苹果公证(见路线图),第一次打开被拦下时,去系统设置的隐私与安全性里点仍要打开。下载页同时提供 checksums.txt,可以用 shasum -a 256 Cicada-*.dmg 核对。有疑问可以去 X 找作者 @wquguru。

打开后跟着首次引导开一个权限、听一段双人示例会议直接看字幕效果、接上 Ling key(也可以先跳过),要用同声传译时再装虚拟麦克风。之后有新版本时菜单栏图标会出现橙点,点一下就能更新,权限不会丢。

首次引导第二步,播放双人示例会议并实时显示双语字幕

路线图

按先后排,想要哪一项欢迎在 Issues 里说。

每项的细节和取舍见 docs/ROADMAP.zh-CN.md。

卸载

退出知了,去应用程序文件夹里把它拖进废纸篓即可。会议记录和录音都在 ~/Library/Application Support/LiveSubs 文件夹里,不需要的话可以手动删掉。想清除软件设置可以运行:

defaults delete com.wquguru.cicada

开发

从源码构建只需要安装 Xcode Command Line Tools(xcode-select --install),项目没有任何第三方依赖。

scripts/build.sh            # 编译开发版 → build/Cicada.app(名为 Cicada Dev,可与正式版同时运行)
open build/Cicada.app
scripts/package.sh          # 打包正式版 DMG、zip 和 SHA-256 校验值

代码架构等说明写在 AGENTS.md 里。官网源码放在 site/ 目录,由 scripts/site.py 生成。历次更新记录见 CHANGELOG.md 或官网的更新日志页。

开源协议

本项目采用 Apache-2.0 协议开源。同声传译用到的虚拟麦克风驱动 BlackHole 2ch 采用 GPL 协议,知了安装包里不打包它,在你点安装时直接从它的官方发布地址下载。随 app 附带的声纹模型是 WeSpeaker 在 VoxCeleb 上训练的 ResNet34-LM,采用 CC BY 4.0 协议,由 scripts/convert-voiceprint.py 转成 Core ML。

cicada (wquguru/cicada)

Searching Database…

1.1K ·GitHub
What is this?Cicada is a macOS menu bar app that gives live subtitles, simultaneous interpretation and AI meeting notes for any call or stream on your Mac.
Is it a plugin for the meeting app or a standalone program?A standalone app. It reads the Mac's system audio instead of joining the call as a bot, so it works with Zoom, Feishu, Tencent Meeting, X Spaces or YouTube, and the other side does not see it.
What do I need to run it?A Mac with Apple silicon running macOS 26 or newer. A Ling API key is optional: without it, live captions and translation still work using Apple's on-device models and Google Translate.
Does my own speech get transcribed in the meeting?Not yet. The transcript only includes what you say while holding the right Option key; speaking directly in the meeting is planned for a later version.
Can it tell different speakers apart in a meeting?Yes, through the experimental speaker recognition setting, which is off by default. It separates the different remote speakers and fills in their names when you have a Ling key.
Can the interpreter use my own voice?With a Ling key you can record 8 to 30 seconds of your voice and the interpreter speaks with it. Without a key it uses the built-in macOS voice, which cannot be cloned.
Which interface languages and recognition languages are supported?The interface is available in Chinese, English, Japanese and Korean. It detects the spoken language automatically and translates it into your system language.
What do the meeting notes contain?Summaries, key points, conclusions, action items, a fishbone diagram and a glossary of names and terms. Each item can be clicked to jump back to the original line in the bilingual transcript.
Creator
wquguru
Size
28.8 MB
Stars
1.1K
Age
3d
Commits · 90 Days