日语、英语视频与直播的实时同传悬浮字幕（Android / macOS / Windows）
本地离线语音识别 · 自备 LLM 接口翻译（BYOK）· 浮在任意播放器与直播软件上方
English · 下载 Releases · 技术文档
| Android | ||
|---|---|---|
 首页 |
 设置 · 字幕 |
 设置 · 翻译 |
| 桌面端（macOS / Windows） | ||
 首页 |
 设置 · 字幕 |
 设置 · 翻译 |
- 不挑播放器，全局悬浮：B 站、YouTube、Twitch、浏览器或本地播放器都能直接配字幕。手机端直接内录目标 App 的播放音频（开启 DRM 或系统禁录的除外）；电脑端直接监听系统音频输出，无需麦克风外放。
- 边听边出，句尾定稿：说话人开口即实时刷新草稿字幕，停顿或句末自动转为正式字幕；也可切换为「说完再出」以节省电量与 Token。
- 语音识别完全在本地完成：App 内置 ReazonSpeech 与 Silero VAD 离线模型（约 78 MB），开箱即用、无需额外下载，音频永远不会离开你的设备。
- 自备 LLM 接口（BYOK）：填入任意 OpenAI 兼容接口的地址、模型 ID 与 API Key（如 DeepSeek、通义千问、OpenRouter 等），按自身实际用量向服务商付费，可保存多套配置随时切换；首次连接时会自动探测并关闭模型的思考模式（Reasoning）。
- 支持任意目标语言：内置中文、英语、日语、韩语，也可选择「自己填…」输入任意目标语言或方言（如繁体中文、粤语、法语）。
- 场景化背景与术语表：自带「B站 VTuber 直播」场景预设，也支持自建场景——编写几句背景说明、维护固定译名术语表，或让 LLM 根据背景一键生成常用术语。
- 暂停与字幕文本：随时暂停、继续，不用重新加载模型，也不会拆成两次记录；每句定稿的原文和译文按时间存成纯文本，可在「设置 › 记录」里查看、分享（手机）或打开（电脑）。
- 填写翻译接口：首次打开时点击首页的「去填写」（或进入「设置 → 翻译」），填入 OpenAI 兼容服务的地址、模型 ID 与 API Key，点击「测试连接」验证。
想先零门槛体验，也可以参考翻译文档中的 B 站 Index 免费接口配置。
- 授予权限：
- Android：按提示允许录制播放音频与显示悬浮窗。
- macOS：首次开始字幕时，在系统弹窗中允许「录制系统声音」。
- Windows：无需额外授权。
- 开始字幕：在首页选好视频原声语言（日语 / 英语），点击「开始字幕」。手机端在弹窗中选择要观看的 App，电脑端直接监听系统正在播放的声音，切回视频即可看到实时字幕。
手机端（点按）与桌面端（鼠标点击）操作完全一致：
| 操作 | 效果 |
|---|---|
| 按住拖动 | 移动字幕悬浮窗位置（桌面端可拖至外接显示器） |
| 点按字幕 | 展开 / 收起工具栏：调节字号、背景透明度、切换「边听边出 / 说完再出」、开关原文与耗时显示、暂停、锁定或停止 |
| 暂停 | 工具栏、App 首页（手机端还有通知栏）都能暂停和继续。暂停时说到一半的句子立即定稿，之后的声音不再识别，字幕窗口和会话记录保留；继续时不用重新加载模型 |
| 拖动四角箭头 | 展开工具栏时，拖动字幕框四角的箭头可调整宽度与高度 |
| 锁定位置 | 点击工具栏中的锁定图标后，字幕框固定不可拖动或缩放；再次点按仅在右下角浮现解锁按钮，防止看视频时误触 |
没调过高度时，字幕框随文字伸缩：放在屏幕下半部分时底边不动、向上长，正在看的最后一行不会被挤走；放在上半部分时顶边不动、向下长。字幕需要上移时（新的一行挤上来、或旧句被移走），会平滑地滑过去，不会突然跳动。
请前往 Releases 页面下载对应平台的安装包。
- 系统要求：Android 10（API 29）及以上，arm64 架构。
- 安装方式：下载
.apk安装包并在手机上打开（需按系统提示允许「安装未知应用」）。 - 应用内更新：0.4 版本起支持打开 App 时自动检查更新，可直接查看更新内容并下载覆盖安装，也可在「设置 → 关于」中手动检查或关闭自动检查。
- 系统要求：Apple Silicon（M1 及后续芯片），macOS 14.2 及以上。
- 安装方式：下载
SimulSub-<版本>-mac-arm64.dmg，打开后将「同传字幕」拖入「应用程序（Applications）」。 - 首次打开放行：安装包未做 Apple 公证。首次打开若提示“无法验证开发者”，请在「应用程序」中右键点击同传字幕 → 打开，或前往「系统设置 → 隐私与安全性」点击「仍要打开」。
- 系统录音权限：首次点击「开始字幕」时，请允许录制系统声音（后续可在「系统设置 → 隐私与安全性 → 屏幕与系统录音」中修改）。
- 日常使用与数据目录：
- 关闭主窗口不会中断字幕；可通过顶部菜单栏图标随时开始、停止或重新打开主窗口。
- 配置文件与使用记录保存在
~/Library/Application Support/SimulSub/，API Key 加密保存在 macOS 登录钥匙串中（删除 App 不会清除这些数据）。
- 系统要求：Windows 10 / 11，64 位（x64）。
- 运行方式：下载
SimulSub-<版本>-windows-x64.zip，解压到任意目录后直接双击SimulSub.exe即可运行（绿色免安装）。 - 首次打开放行：程序未附带代码签名。首次运行若弹出 Windows SmartScreen 提示“已保护你的电脑”，请点击**「更多信息」→「仍要运行」**。
- 日常使用与数据目录：
- 自动监听当前默认播放设备的声音，插拔耳机切换播放设备时会自动跟随。
- 关闭主窗口不会中断字幕；可通过任务栏右下角托盘图标控制，彻底退出请右键托盘图标选择「退出」。
- 网络请求默认跟随系统代理，代理不可达时自动回退直连。
- 配置文件与使用记录保存在
%APPDATA%\SimulSub\，API Key 通过 Windows DPAPI 绑定当前系统账户加密保存在同目录的keys.json中。
Q：为什么手机上有些 App 或视频不出字幕？ 部分 App（如开启了 DRM 版权保护的流媒体视频）在系统层禁止其他应用录制其音频，这是 Android 系统的权限限制。电脑端直接捕获系统播放设备输出，不受此限制。
Q：目前支持识别哪些原声语言？ 支持日语和英语。建议在首页准确选择视频原声语言，能让翻译提示词更贴合语境。
Q：我的视频声音会被上传到服务器吗？ 不会。 语音识别完全在手机或电脑本地完成，网络请求只发送识别出来的文本（发往你配置的 LLM 接口）。详见隐私说明。
Q：应该选什么样的翻译模型？ 两个原则：能关闭深度思考（Reasoning）、首字响应快。开启思考会导致每句字幕延迟数秒甚至超时；首次连接某个模型时，App 会自动探测关闭思考所需的参数并记住。
Q：觉得某些专有名词或上下文翻译不够准怎么办？ 可以在「设置 → 翻译」中开启「结合上文来翻译」，或在「内容类型」中新建场景，补充直播背景说明与专属术语表。你也可以在「设置 → 使用记录」中开启记录并导出 JSONL 日志用于排查。
想了解内部实现、数据流或自行编译打包，可参阅 docs/：
| 文档 | 内容概要 |
|---|---|
| 整体架构 | 音频采集 → VAD → 分句 → 本地识别 → 翻译 → 悬浮窗渲染；三端模块划分与过载保护 |
| 语音识别（ASR） | ReazonSpeech 离线模型细节，以及与 SenseVoice-Small 的准确率、延迟和内存对比 |
| 翻译（BYOK） | OpenAI 兼容接口协议、7 种关闭思考参数自动探测、前缀缓存排布、上下文与场景术语表 |
| Jev 智能辅助 | 可选的 TypeSafe Jev 云端结构化判断：句尾断句判断与译文错译重译、实测耗时与费用 |
| 隐私说明 | 本地留存与网络发送的数据边界、系统权限用途、三端密钥加密方式 |
| 使用记录与调试 | JSONL 会话日志格式、Android logcat 延迟分析字段 |
| 构建与开发 | 本地编译、模型校验、macOS 端到端测试、三端打包与版本发布流程 |
同传字幕基于以下优秀的开源项目构建：
- ReazonSpeech：日语 / 英语语音识别模型（内置 csukuangfj/reazonspeech-k2-v2-ja-en sherpa-onnx 导出版）。
- sherpa-onnx：跨平台离线语音识别与语音活动检测运行时（配合 Silero VAD）。
此外，设置中可选开启的「智能断句」与「检查译文」功能基于 TypeSafe Jev（闭源商业云服务，默认关闭；开启并选用付费接口时按输入 Token 计费，每小时约 0.04 美元，详见 Jev 说明）。
开源许可：MIT License。内置模型与第三方依赖库各自遵循其原有许可证。