Ora：macOS 本地实时语音翻译

项目简介

Ora 是一款面向 macOS 的实时语音翻译菜单栏应用：它监听麦克风，把你的话以流式方式翻译并显示在浮动字幕窗口中。语音识别与翻译全部使用端上 MLX 模型，在 Apple Silicon 的 Metal GPU 上运行，整条链路为 Silero VAD + Qwen3-ASR-1.7B + Qwen3.5 (MLX)。

设计上保持小而专注——点一下、说话、读字幕。一次性下载模型之后不再发起网络请求，不需要 API Key，也没有遥测，数据不离开设备。

主要功能

• 原生实时：端上语音活动检测（VAD）、语音识别与翻译，全部跑在 Metal GPU 上
• 100% 本地：除首次下载模型外无网络调用，无 API Key，无遥测
• 低延迟：说话过程中字幕亚秒级刷新，识别结果先显示，译文按 token 流式生成
• 极简界面：菜单栏图标 + 单张浮动字幕卡片，由可配置快捷键驱动
• 多语言：支持中文、英文、日语、韩语、法语、德语、西班牙语等互译
• 可调参数：目标语言、质量档位、ASR 语言提示、VAD 灵敏度、句尾判定窗口、全局热键
• 字幕布局：Bilingual（双语）、Translation Only（仅译文）、Compact（紧凑，适合共享屏幕）
• 房间预设：Quiet Room、Meeting、Noisy Room、Custom 四档 VAD 配置
• 转写历史：在应用内浏览、搜索、复制、刷新会话，并导出为 TXT、SRT、JSON 或 Markdown
• 快速复制：从菜单栏或字幕卡悬停控件复制当前 / 上一条译文
• 会议模式：可将系统音频与麦克风混合，把会议双方的声音收进同一份实时字幕与转写历史

安装与使用

从 latest release 下载 Ora.dmg，双击挂载后把 Ora.app 拖入 Applications。

运行要求：

• macOS 15（Sequoia）或更高版本
• Apple Silicon Mac（M1/M2/M3/M4）
• 首次启动会下载模型权重，体积取决于所选质量档位
• 首次启动会请求麦克风权限，语音采集必需

基本用法：

1. 点击菜单栏的 echo-ring 图标
2. 选择 Start Listening（或在任意位置按 ⌥Space）
3. 开始说话，浮动字幕窗口会自动出现
4. 悬停字幕窗口可显示 ⏸ / ⧉ / ✕ 控件（暂停、复制译文、隐藏）
5. 按 ⌘, 打开偏好设置，调整目标语言、质量档位、全局热键、字幕布局、VAD 房间预设与字幕字号

快捷键

快捷键	动作
⌥Space	开始 / 停止监听（全局，可在偏好设置中修改）
⌘⇧H	显示 / 隐藏字幕窗口
⌘,	打开偏好设置
⌘Q	退出 Ora

会议场景（Zoom 等）

在 Preferences → General → Audio Input 中选择 Meeting (System + Microphone)，然后开始监听。Ora 通过系统音频采集其他参会者的声音、通过默认 macOS 麦克风采集你的声音，按时间对齐后转写/翻译到同一个字幕窗口和转写历史中。macOS 询问时请同时允许麦克风和「屏幕与系统音频录制」权限，并在 macOS 声音设置与 Zoom 中选择同一个麦克风。

本地预览

不录音、不加载模型，只预览字幕排版：

cd macos/Ora
./run.sh --caption-layout-preview
# 复现中英文分页数量不一致的情况：
./run.sh --caption-bilingual-preview

注意事项

• Release 包使用 Developer ID 签名；v0.8.0 等较旧版本未做公证，首次启动可能触发 macOS 警告
• 会议模式建议佩戴耳机，外放声音会进入麦克风，造成重复或回声字幕
• 会议模式只是混合两路输入，不区分说话人、不做回声消除，同时说话会降低识别准确率
• Ora 独立于 Zoom 的静音按钮采集麦克风；想停止采集语音时需在 Ora 内停止监听
• 系统音频包含其他 App 的声音，会议期间请静音无关媒体与通知
• Ora 只保存文本转写，不保存音频
• 输入设备的变更在下次 Start Listening 时生效
• 项目以 MIT 许可证开源

---

本作品整理自 GitHub 开源项目 wuwangzhang1216/ora，原作者 @wuwangzhang1216，许可证 MIT。中文介绍由 AI 根据项目 README 整理，以原仓库为准。