知了 Cicada：给任意会议和直播加实时双语字幕与同传的免费开源工具

开会或看直播时，语言不通、听不清、来不及记笔记是常见问题。知了 Cicada 想解决的就是这件事：它直接监听电脑的系统音频，为任何会发出声音的应用提供实时双语字幕、同声传译和结构化会议纪要。项目在 GitHub 上以 Apache-2.0 许可证开源，主要使用 Swift 与 SwiftUI 开发，目前获得约 2299 个 Star、387 个 Fork。

与常见的“会议机器人”不同，Cicada 不需要把机器人拉进会议，而是从本机音频入手，因此会议里的其他人不会察觉它的存在。它在 Mac、Windows、Linux 和 Android 四个平台上提供安装包，四者共享同一版本号和会议记录格式。

能用在什么地方

官方说明中，Cicada 适用于电脑上任何会播放声音的场景，包括腾讯会议、飞书、钉钉、企业微信、Zoom、Teams、Google Meet、Webex、Discord 和 Telegram 语音聊天，也覆盖 X Spaces、YouTube、Twitch、Bilibili 直播、播客和网页内容。

手机端的情况有所不同：系统会阻止从通话和会议类应用录制音频，因此 Android 上需要把手机开到扬声器，并使用“面对面”模式。

核心功能

实时字幕与语言识别

Cicada 会在数秒内检测说话语言，并翻译成系统语言；按 ⌃⌥S 可以切换显示模式。字幕条只在有人说话时出现，鼠标指针移到上面会变为半透明，避免遮挡内容。在搭载 Apple 芯片、运行 macOS 26 的 Mac 上，它还会在 15 到 30 秒后于本机重新识别每一行，修正错字和漏词。

会议纪要与双语转录

在聆听过程中，Cicada 会整理摘要、主题与要点、结论、待办事项、鱼骨图以及人名术语表。点击任意结论或待办，可以跳回对应的原始语句；按 ⌘F 搜索时，即使同音字被误识别也能找到。

连接 AI 服务后，误听的人名和术语会在当场修正：同音词立即纠正，不熟悉的名称会询问一次，确认后自动修正。用户也可以提前把常用术语粘贴到设置中的“词表”。会议结束后，通过“编辑行……”可以批量修正整场会议中同一个误听词，并支持完整撤销。

面对面与混合会议

点击“打开麦克风”可以采集会议室里人声。混合会议也用同一个按钮：电脑音频标记为“线上”，麦克风音频标记为“在房间里”，合并到同一份记录中（在 macOS 14 和 15 上，打开麦克风只监听房间）。使用扬声器时，Cicada 会自动去重音频；戴耳机时，双方可以同时说话，两路声音都会保留。Windows 和 Linux 遵循相同规则。

在 Mac 上，按钮旁的小箭头可以选择使用哪个麦克风，例如 iPhone 或会议麦克风，而不会改变系统默认设备。麦克风听到的内容只会进入纪要，不会进入会议；要让对方听到你的声音，需要使用下面的同声传译功能。

同声传译

按住右 ⌥ 键说话，对方就能在会议应用中听到翻译后的语音。Mac 用户还可以在“设置 › 传译”中打开“免按键”：边听会议边说话，会议音频会自动降低，停顿 1 秒后输出翻译语音。麦克风开启时该功能会暂停；附近有其他人时，官方建议切回按键说话，避免把别人的声音误认为你的声音。

开启传译会把系统麦克风切换为 BlackHole 2ch 虚拟驱动，可一键下载安装。配置 Ling API Key 后，可以使用自然音色，或从 8 到 30 秒的录音中克隆自己的声音；没有 Key 也可以使用 macOS 内置语音。Windows、Linux 的传译以及 Android 的“面对面”模式，也能在拥有 Ling Key 时用 10 到 15 秒录音克隆自己的声音。

会议记录

双语转录、纪要和原始音频录音都保存在本机。点击任意一行即可从该处播放，文字会高亮并跟随滚动。设备端的声纹模型会自动区分说话人，在配置 Ling Key 时还能补全姓名；如果某人被认错，可以随时重命名或合并。在 Mac 上，为说话人命名后点击“记住这个声音”（需先征得对方同意），之后的会议就能识别该说话人；声纹保存在这台 Mac 上，可在“设置 › 通用 › 记住说话人”中管理或删除。目前记录中的“你”只覆盖按住说话键时你说的内容，直接采集会议中你本人的声音还在路线图中。

会后可以补生成纪要，点击主窗口中的摘要、结论或待办就地修改；如果语言识别错误，可以对录音使用“重新转录”；支持导出 Markdown、Word 和 SRT 字幕，也可以通过“文件 › 导入录音或视频……”转录本地音视频文件。在 Mac 上，“复制纪要”（⇧⌘C）可以把标题、列表和鱼骨图粘贴到飞书、Notion 或 Word，也能以 Markdown 粘贴到聊天中。开启“设置 › 通用 › 保存到文件夹”后，每场会议还会自动以 Markdown 保存到 Obsidian 仓库或其他文件夹，并在重命名或重新生成纪要时自动更新。

点击“分享……”可以生成带过期时间和密码的纪要链接，可选择包含完整双语转录；上传前会自动拦截密钥、未公开的公司信息等敏感内容。

平台与运行要求

安装方式

安装包发布在项目的 Releases 页面和官方网站上，可以使用 Releases 中的 checksums.txt 校验 SHA-256。

Mac：需要 macOS 14.4+。在 Apple 芯片、macOS 14.4–15 上，需先到“系统设置 › 键盘”打开“听写”并添加希望识别的语言；macOS 26 直接使用新的设备端模型，不需要听写；Intel Mac 使用云端 Ming 识别，需要 Ling Key。下载对应 DMG 后把 Cicada 拖入“应用程序”。应用目前尚未经过 Apple 公证，首次启动被阻止时，可到“系统设置 › 隐私与安全性”点击“仍要打开”，然后按引导授予权限并试用示例会议。

Windows：需要 Windows 10 2004+（x64 或 Snapdragon ARM64）。下载安装程序后双击安装，无需管理员权限。若被 SmartScreen 拦截，点击“更多信息 › 仍要运行”。使用传译时，引导会说明如何安装免费的 VB-Cable 虚拟麦克风。

Linux：需要 Ubuntu 22.04 或 24.04 桌面版（x86_64 或 arm64）。下载 Cicada--Linux.tar.gz，在终端运行 tar xzf Cicada--Linux.tar.gz && cicada-linux/install.sh。传译会自动创建“Cicada Microphone”，无需安装驱动。Linux 窗口无法在屏幕共享中隐藏，因此纪要窗口会提示共享时可见。若要启用“设置 › 通用 › 保存会议音频”，需先安装系统第三方媒体格式（例如 ubuntu-restricted-extras）以提供 AAC 编码器。打开“设置 › 词表 › 实时修正误听词”后，每句话会额外发送一次文本请求。

Android：需要 Android 10+。下载并安装 APK；在 Android 15 及更高版本上，首次开启悬浮字幕需要在应用信息中允许受限设置。它还包含设备端声纹用于区分说话人。

隐私与权限

在 Apple 芯片 Mac 上，录音和语音识别都在本机完成，音频不会离开电脑，只有识别出的文本会被发送出去用于翻译和会议纪要。例外情况包括：配置 Ling Key 后使用传译时你说出的语句、点击“暂时使用 Ling”，或在“设置 › AI 服务”中切换到自托管服务，这些会将音频发送到对应服务。没有 API Key 时，实时字幕、翻译、会议记录和传译都可以免费使用；实时纪要、一步语音翻译和声音克隆需要自己的 Ling（蚂蚁集团的大模型服务）API Key。官方给出的成本约为每小时会议 0.15 到 1 元人民币，Ling 每月提供 10 元免费额度，约够 10 到 50 小时。

Intel Mac、Windows、Linux 和 Android 上语音识别在云端运行，需要 AI 服务 Key，音频会分段发送到 Ling 的 Ming 或用户选择的服务（OpenRouter、ZenMux 等）；录音和会议记录仍只保存在本机。

Mac 应用只在使用对应功能时申请权限，拒绝后其他功能仍可正常使用。官方列出的权限包括系统音频录制、麦克风、输入监控和管理员密码（用于安装 BlackHole 2ch 虚拟麦克风，仅询问一次）。网络方面，Cicada 只连接翻译服务、用户配置的 AI 服务、下载经过 Apple 公证的 BlackHole 驱动（用 SHA-256 校验）以及每天检查一次 GitHub 更新；官方称没有分析、追踪，也没有自己的服务器。记录和录音存放在 ~/Library/Application Support/LiveSubs，Key 和声音样本仅当前系统账户可读，并排除在 Time Machine 和日志之外。Mac 上屏幕共享、录屏和截图无法捕获纪要窗口，录制演示时可手动打开“在屏幕共享中显示”。

模型与 AI 服务

在 Apple 芯片 Mac 上，语音识别和语言检测由 Apple 的 SpeechAnalyzer / SpeechTranscriber 在设备端完成；macOS 14.4–15 使用 SFSpeechRecognizer（设备端，需要听写）。翻译已完成句子时默认使用 Ling Ling-3.1-flash（可在设置中改为 Ling-3.0-flash），没有 Key 时走 Google Translate，再回退到 Apple 设备端翻译（仅 macOS 26）。翻译仍在说的句子使用 Google Translate。实时纪要和会后完整版本使用 Ling-3.1-flash。传译的听与译使用 Ming-3.0-audio-flash 一步完成，语音输出和克隆使用 Ming-3.0-tts-0.5B；没有 Key 时使用 Mac 内置语音，不支持克隆。说话人识别使用随附的 WeSpeaker ResNet34-LM，通过 Core ML 在设备端运行。

如果无法注册 Ling，可以在“设置 › AI 服务”右上角切换到 OpenRouter、ZenMux、OpenAI 或任何兼容 OpenAI 的服务，包括 Ollama、vLLM、SGLang、Qwen3-ASR、Whisper 等本地或局域网服务。切换后实时纪要和整句翻译仍可用，OpenRouter 和 ZenMux 还能使用 Gemini 自然音色进行传译；一步语音翻译和声音克隆仅 Ling 支持。使用自托管服务时，可以在“设置 › AI 服务”中打开“只将音频和文本发送到你的服务”，完全绕过 Google。

适合哪些人

Cicada 适合需要跨语言开会、参加线上课程或观看外语直播的人，也适合希望在本地留存会议双语记录、又不想让会议机器人加入通话的团队。对隐私敏感、希望在 Apple 芯片 Mac 上让音频不出本机的用户，也能从它的本机识别设计中受益。需要注意的是，Windows、Linux 和 Android 上没有 Key 就无法使用语音识别；Linux 的纪要窗口在屏幕共享时无法隐藏；部分高级能力依赖 Ling 服务或兼容的第三方 AI 服务。

项目主页

https://github.com/wquguru/cicada

项目地址：cicada