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、Windows、Linux 和 Android 上的实时纪要、双语文字记录、字幕与同声传译。

 

简体中文 · English · 日本語

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，按住说话键（Mac 上是右 ⌥，Windows 上是右 Ctrl）开口，对方就能在会里直接听到翻译好的语音。知了直接读取系统声音，不用往会里塞机器人，对方完全无感；在 Mac 上还全部在本机识别，声音不出电脑。

平台	系统要求	说明
Mac	macOS 14.4+，Apple 芯片	功能最全；本机识别，不填 key 也能用
Windows	Windows 10 2004+，x64 / ARM64	需要 Ling key，识别走 Ming；见 windows/
Linux	Ubuntu 22.04 / 24.04 桌面版	需要 Ling key；纪要窗会被屏幕共享看到；见 linux/
Android	Android 10+	需要 Ling key；视频与直播字幕、面对面互译；见 android/

四个平台共用一个版本号和同一种会议记录格式，安装包都在 官网下载页 和 Releases。下面的功能说明以 Mac 版为准。

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。

线下会议

在会议室里开会时，把菜单栏面板的“听哪里”改成“会议室”，知了就用 Mac 的麦克风听桌边的人说话，字幕、纪要和会议记录跟线上会议一样。同声传译这时从扬声器念出译文，不需要虚拟麦克风，念的时候麦克风暂时不听，不会把译文再记成别人的话。听电脑声音时如果 1 分钟都没有声音，面板会问一句要不要改听会议室；每次启动都回到听电脑声音。

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，还能按声音区分对方不同的说话人并在有 Ling key 时填上名字，认错了在实时纪要窗口里就能改名、合并或把某段话改给别人。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。已有的录音或视频也能拖进会议记录窗口（或用“文件 › 导入录音或视频…”），在本机比实时快得多地转成一场双语记录，点时间就从那一句开始播放原文件。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

在 Mac 上，声音采集、语言识别、语音识别（Apple SpeechAnalyzer，macOS 14.4–15 上是 SFSpeechRecognizer 的本机模式）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，本机翻译只在 macOS 26 上有）、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。

Windows、Linux 和 Android 版用 Ming 识别：说话的声音分段发给 Ling 的服务，识别和翻译一次完成，所以必须填 Ling key；录音和会议记录同样只存在本机。

下面说的是 Mac 版。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	按住说话键时录你说的话做同声传译；“听哪里”选了“会议室”时听屋里的人	打开同声传译或第一次听会议室时	不能说话翻译，也不能听会议室
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）；macOS 14.4–15 是 SFSpeechRecognizer（本机，要打开听写）	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，仅 macOS 26）
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，仅 macOS 26）
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（默认打开）	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。

注册不了 Ling 时，可以在“设置 › AI 服务”右上角换成 OpenRouter、ZenMux、OpenAI，或填任何 OpenAI 兼容服务的地址（比如本机跑的模型）。实时纪要和整句翻译都能用，模型已经按效果和价格选好，也可以自己换；OpenRouter 和 ZenMux 还能用 Gemini 的自然人声做同传。一步语音翻译和声音克隆只有 Ling 有，其他服务下同传先在本机识别再翻译。每个服务的 key 各存一份，切换时不用重填。

系统要求与安装

Mac

需要 macOS 14.4 或更新版本、Apple 芯片的 Mac。macOS 26 上用新的本机语音识别，更准；14.4–15 上用系统较早的识别，要在系统设置 › 键盘里打开“听写”，并把要听的语言加进听写语言。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。

Windows

需要 Windows 10 2004 或更新版本。下载 Cicada-Setup.exe（骁龙笔记本选 Cicada-Setup-arm64.exe），双击就装好，不用管理员权限；安装程序还没有代码签名，SmartScreen 拦下时点更多信息 › 仍要运行。打开就是主窗口，列着还差哪几步：接上 Ling key、放一段测试声音、看示例会议；同声传译要装免费的 VB-Cable 虚拟麦克风，引导会带你装。新版本在知了里提示，点一下就升级。

Linux

需要 Ubuntu 22.04 或 24.04 桌面版（x86_64 或 arm64）。下载 Cicada-<版本>-Linux.tar.gz，在终端里运行 tar xzf Cicada-<版本>-Linux.tar.gz && cicada-linux/install.sh，知了会出现在应用菜单里。同声传译会自己建一个“知了 麦克风”，不用装驱动。Linux 没法让窗口避开屏幕共享，纪要窗会一直标着“共享屏幕时此窗口可见”。

Android

需要 Android 10 或更新版本。在手机上下载 Cicada-<版本>-Android.apk 打开安装，按提示允许安装未知应用；第一次打开悬浮字幕时，Android 15 起要先在应用信息里允许受限制的设置。微信通话和会议 app 的声音系统不让录，这时开外放、改选“面对面”。

每个平台的安装包都能用 Releases 页面里的 checksums.txt 核对 SHA-256。

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。
• 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；Windows 安装程序也加上代码签名。
• 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。
• Android 上架应用商店，不用再从浏览器装 APK。
• iPhone 和 iPad，系统不允许采集其他 app 的声音，所以先做听会议室、面对面互译和会议记录。

每项的细节和取舍见 docs/ROADMAP.zh-CN.md。

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

Mac 版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。在 macOS 27 上如果编译时报 SwiftUIMacros 缺失，说明这一版 Command Line Tools 不带 SwiftUI 的宏插件，安装完整的 Xcode 并运行 sudo xcode-select -s /Applications/Xcode.app 即可。Windows、Linux、Android 的构建方法见 windows/README.md、linux/README.md、android/README.md。

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。