AirTranslate for Mac：实时转写 + 翻译 Mac 正在播放的系统音频，悬浮字幕浮在视频上方

看外语会议录像、TED 演讲、海外发布会直播时，最常见的土办法是把外放声音贴近笔记本麦克风，让转写工具「听见」。这条路要么把全场都让 Mac 内放，要么直接关掉声音让别人安静——总之很别扭。AirTranslate 直接走的是另一条路：用 ScreenCaptureKit 把 Mac 自己正在播放的系统音频接过来，现场转写、现场翻译、再以悬浮字幕浮在其他 App 上面。GitHub 434★（截至 2026-09-07），Apache-2.0，最新 v1.7.1（2026-09-02）。

先讲一个硬门槛：仅支持 macOS 26.0 及以上（即 Tahoe 26 系），代码用 Swift 6.2+ 写。也就是说 Sequoia 15 / Sonoma 14 / 更早的 macOS 上是装不起来的——如果你的主力机还停在 15.x 或更早，这篇文章先收藏，等系统升级再说；如果你的 Mac 已经是 macOS 26，这条铁律就能跨过去了。

基本工作流

1. 打开 App，选源语言和目标语言，中间那个圆形按钮可以一键互换翻译方向。
2. 从侧边控制台挑模式：Apple 模式（默认本地优先）/ GPT 模式（OpenAI Realtime）/ Gemini Live / Meta Scribe。需要哪个就点亮哪个，没启用就不会联网。
3. 需要付费模式时，在「Settings（齿轮）」里填一次 OpenAI / Gemini / Meta 的 API key。key 存 macOS Keychain，attribute 是 `kSecAttrAccessibleAfterFirstUnlockThisDeviceOnly`——只本机解锁后可用，不随 iCloud 同步，也不写入发布包。
4. 点 Start，不需要麦克风——直接捕获 Mac 系统正在播放的音频。
5. 原文 + 译文同时显示在工作区，也可以用「Floating Caption」浮窗盖在视频上方读字幕。
6. 如果提前在 Settings → Transcript 打开了「Save Transcript Files」，点 Stop 后会保存一份原文 + 一份译文的纯 .txt 文件（默认关闭，路径在 `~/Library/Application Support/AirTranslate/Transcripts/`）。

最近 1.7.1 版本针对悬浮字幕做了稳定性改造：固定字幕高度、新译文淡入后再替换、加了「Caption Stability」（Responsive / Balanced / Steady 三档，Steady 让每句译文保留更久）和「Caption Alignment」（Center / Left，Left 让每行起始位置固定，文本增长时不抖）。这是直接对治「字幕抖动、闪动、半句重写」的工程化方案。

四种模式怎么选

AirTranslate 的模式表格在 README 与官网都有，但要点更值得展开：

• Apple 模式（默认）：本地优先。Apple Speech 负责转写，Apple Translation 负责翻译，语言包在系统设置 → General → Language & Region → Translation Languages 里下（可勾选 On-Device Mode 离线）。注意：Apple 模式的源语自动检测当前暂停，等语言切换处理更稳后再回来——手动选源语就不会撞这个坑。
• GPT 模式：OpenAI Realtime Translation 直连流式处理。音频直接发到 OpenAI API，用你自己的 key。没有 key 的时候 App 会自己打开设置并高亮输入框。
• GPT Transcription（可选）：用 `gpt-live-transcribe` 做源语字幕、不带翻译。只想看原文不要译文的时候用。
• Gemini Live：Gemini 3.5 Live Translate（返回输入 + 译文）或 Gemini 3.5 Transcribe Live（自动检测口语语种，只返回原文）。要 Gemini key。
• Meta Scribe：Muse Voice Transcribe 先做带说话人标记的转写，覆盖 25 种语言代码切换，再交给 AirTranslate 自带的翻译层处理。要 Meta key。
• Transcribe Only：只转写源语，不翻译。
• LIVE Translation：选定 API 提供方的实时翻译模型直接出译文流。

关键设计是「Apple by default, GPT / Gemini / Meta only when you opt in」：默认完全跑在本地框架上，只有你主动切到云模式才会把音频发给对应的 API。这是把云能力做成了增强项，而不是默认路径。

系统权限、签名与第一次打开

Apple 模式全程本地，但 ScreenCaptureKit 捕获系统音频仍然要「屏幕录制」权限（macOS 把这个权限挂在 ScreenCaptureKit 上）。同时需要：

• Screen Recording：用于系统音频捕获路径，不会保存屏幕帧为录像。
• System Audio Recording。
• Speech Recognition。
• Microphone：仅在选麦模式时才需要。

第一次打开 App 时会有授权弹窗；如果改了 Privacy & Security 设置，记得完全退出再重启 App，让签名后的 bundle 拿到最新的授权状态。官方还建议把旧的、不同签名的副本清掉——否则 TCC 权限身份识别会乱。

当前开源构建是 ad-hoc 签名、未走 Apple 公证，第一次启动会被 Gatekeeper 拦。正确做法是：

1. DMG 解开后把 AirTranslate.app 拖进 /Applications。
2. 在 /Applications 里 Control-click 或右键 AirTranslate.app。
3. 选「打开」→ 在 macOS 警告框里再选一次「打开」。

DMG 旁边官方附了 `.sha256` 文件，安装前建议校验：

shasum -a 256 AirTranslate.dmg
cat AirTranslate.dmg.sha256

从源码构建走 `./script/build_and_run.sh`，可以加 `--verify` / `--logs` / `--reset-permissions`。本机有 Swift 6.2+ 即可。

隐私和密钥

这是工具类 App 读者最关心的部分，官方在 README 和官网上都写得很硬：

• 无账号系统、无开发者自营中继 / 后端。
• Apple 模式不上传音频或文字。
• OpenAI / Gemini / Meta 模式下，音频或文字按你选的功能直发对应 API，用你自己的 key。
• API key永不硬编码、永不写入发布包，由你手动输入。
• Keychain attribute = `kSecAttrAccessibleAfterFirstUnlockThisDeviceOnly`（本机解锁后可用，不跨设备同步）。
• 保存的转写稿是普通 .txt 文件，路径在 `~/Library/Application Support/AirTranslate/Transcripts/`。

也就是说，工具走的是「本地优先 + 可选云增强」路线，不是「上传换能力」的路线。

和同样做语音转写 / 翻译的工具怎么比

• 同类的本地语音转写工具（如本站之前介绍的 声迹 LocalScribe、Whisper Transcription）通常接的是「文件 / 麦克风」两个输入源——需要先把 Mac 声音想方设法过一遍麦。
• AirTranslate 的差异是直接接系统音频（ScreenCaptureKit），所以「看外语视频 / 收听外语会议直播 / 看外语在线课」这种典型场景，它几乎是无感的：App 启着、视频照看、字幕照浮。
• 翻译类工具（如 Pot for Mac）做的是划词 / OCR 翻译，处理的是文本。AirTranslate 处理的是正在播放的实时音频流，不是一个赛道。

需要留意的几点

• macOS 26.0+ 必需——这是最大的硬门槛。Sequoia 15.x / Sonoma 14.x 装不上。
• 未公证 + ad-hoc 签名：第一次启动要在 /Applications 里手动 Control-click → Open，绕过 Gatekeeper；DMG 旁有 .sha256 校验文件。
• Apple 模式源语自动检测暂时关闭，手动选源语；自动检测正在做语言切换稳定性改造，预计后续恢复。
• GPT / Gemini / Meta 模式按用量计费：音频实时发 API，没有缓存，用前评估成本。Apple 模式不计费。
• 界面语种：英 / 韩 / 日 / 简中，跟随 Mac 系统语言。
• 不替换已有云转写服务：它专做 Mac 系统音频这一条；如果需要在线会议字幕（Zoom / Teams / Meet 那种实时字幕），还是各厂商自带的最稳。

Mac 上「一边看视频一边拿实时双语字幕」这件事，AirTranslate 是目前少见的、把系统音频捕获 + 本地转写翻译 + 悬浮字幕三件事串成一个干净流程的开源方案。它不会替你把外语课听懂，但它能让你在 Mac 屏幕上同时看到原文和译文，连耳机都不用换。同类工具也可以看看本站之前介绍的 声迹 LocalScribe（Mac 本机语音转写 + AI 整理）和 Whisper Transcription（Mac 端 Whisper 方案），处理的是不同形态的输入源。

GitHub 仓库：github.com/himomohi/AirTranslate
官网 / 文档：himomohi.github.io/AirTranslate
下载 DMG：AirTranslate.dmg（附 .sha256）