franklioxygen/v2s

解决的问题

v2s 为会议、通话、直播和视频期间的 macOS 用户提供实时双语字幕。它无需在浏览器标签页之间切换或使用全屏字幕应用，而是直接在屏幕上叠加一个简洁的双行字幕栏，让用户能够同时听一种语言的讲话内容，并阅读其对应的另一种语言的翻译。

工作原理

该应用从用户的麦克风或特定的 macOS 应用程序中捕获音频。它使用 Apple 的 Speech 框架进行语音识别（优先使用本地识别），并使用 Apple Translation 进行本地翻译。对于摘要功能，它利用 Apple Intelligence 或本地提取式摘要作为回退方案。语音活动检测由通过 Apple 的 Core ML 框架运行的 Silero VAD 模型处理。

适用人群

需要在不离开当前工作区的情况下，对实时音频源（如视频通话或直播）进行实时翻译和语音识别的 macOS 用户。

主要亮点

• 双语叠加：第一行显示翻译后的文本，第二行显示原始文本。
• 灵活的音频输入：可从特定应用程序或麦克风捕获音频。
• 注重隐私：无云后端、无遥测数据，强烈偏好本地处理。
• 菜单栏集成：作为轻量级菜单栏应用运行，便于快速访问。
• 自动语言支持：根据操作系统和模型更新动态检测支持的语言。