wquguru/cicada

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。

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。

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。

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。

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 |

• 联网与虚拟麦克风。只有翻译（translate.googleapis.com）、填了 key 后的 Ling / Ming（api.ant-ling.com）、下载 BlackHole 驱动和每天去 GitHub 检查一次新版本会联网。BlackHole 从官方下载已经过苹果公证的安装包，安装前会核对代码里写死的 SHA-256。
• 没有统计和自建服务器。应用没有统计、没有埋点，也没有我们自己的服务器，诊断功能只把耗时和次数记在本机会议文件夹里。
• 本机数据位置。会议记录、录音和纪要存在 ~/Library/Application Support/LiveSubs。Ling key 和你录的声音样本只对当前系统账户可读，不进 Time Machine 备份，也不写进日志和导出文件。
• 共享屏幕看不到纪要窗口。屏幕共享、录屏和截图都拍不到它，要录演示时可以打开“共享屏幕时让对方看到”。

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。

路线图

按先后排，想要哪一项欢迎在 Issues 里说。

• 记录我的发言，开会时持续听麦克风并做回声消除，把你直接开口说的话也记进文字记录和纪要。
• 支持更早的 macOS（14.4 起），在旧系统上改用较早的系统语音识别与翻译接口。
• 正式签名与公证，首次打开不再需要点仍要打开，AI key 也能放回系统钥匙串。
• 声纹识别，在现有的说话人识别基础上，在本机记住常一起开会的人的声音，下次开会也能自动认出。
• 不用 key 也有纪要，在支持的 Mac 上用 Apple 本机模型整理纪要，以及自选 AI 服务接入其他兼容 OpenAI 接口的服务。
• Windows 和 Android，共用纪要与会议记录格式，iPhone 和 iPad 因系统限制暂不计划。

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。