yuxino/Mimi

Mimi – 实时字幕与翻译

Mimi 是一款跨平台桌面（及 Android）应用程序，可从计算机、麦克风或两者捕获音频，将其发送到语音转文本服务，可选地翻译结果，并以浮动字幕叠加层的形式显示文本。它旨在用于观看电影、直播、在线课程或任何需要实时双语字幕的媒体。

功能

• 实时字幕叠加 – 一个浮动窗口，可显示原始语言、翻译或两者。窗口可移动、调整大小、重新着色，并可设置为“沉浸模式”，仅显示文本，鼠标点击可穿透到下层应用。
• 音频源选择 – 捕获系统音频、麦克风输入或两者。在 macOS/Windows 上，您可以针对特定应用程序；在 Linux 上，您可以选择单个播放流。
• 保存输出 – 字幕可导出为纯文本文件，捕获的音频可保存为 WAV 文件（两者均需手动启用）。
• 多语言支持 – 选择语音识别的语言和翻译的目标语言。

工作原理

1. 配置提供商 – 在 设置 → 模型与服务 中添加语音转文本或翻译服务（例如 OpenAI Whisper、Google Speech、Apple Speech、Gemini、DeepSeek 等），并提供所需的 API 密钥。
2. 选择音频和语言 – 在 声音与语言 面板中选择音频源和源/目标语言。
3. 开始字幕 – 在 字幕 页面上开启 实时字幕，授予必要的操作系统权限，应用即开始将音频流式传输到所选云或本地服务，并显示返回的文本。

平台与安装

• 桌面：macOS 13+（Apple Silicon 和 Intel）、Windows x64、Linux x86_64。从 GitHub 发布页面下载最新安装程序。
• Android：提供单独的应用；请参阅 android/README.zh-CN.md 了解安装和使用。

关键技术细节

• 使用 Tauri（Rust + Web UI）构建，实现轻量级原生封装。
• 使用 云或本地语音服务；应用本身不包含模型，仅转发音频并接收转录。
• 支持 Linux 上的 Wayland，并包含浮动窗口同步的修复。
• 在 MIT 许可证 下开源。

获取帮助与贡献

• 仓库包含详细的使用指南、故障排除部分和贡献指南。
• 可在 GitHub 上报告问题；项目列出了多位活跃贡献者，并感谢社区测试。

谁可能觉得有用？

• 观看外语视频并希望获得即时字幕的学习者。
• 希望提供实时字幕以增强可访问性的主播。
• 任何需要快速捕获口语内容并保留文本记录的人。

---

以上信息均直接取自项目 README。