获取下载链全程约 1 分钟

打开微信，搜索「软件教程管家」关注，或长按下方二维码关注
回复关键词 AudioScript （提取码 qjku）
公众号自动回复网盘链接，点击即可保存下载

AudioScript 声稿中文版下载 | Windows/macOS/Linux：外语播客、视频会议实时双语悬浮字幕

打开微信扫一扫关注
或搜索【软件教程管家】

AudioScript 声稿是一款开源跨平台桌面工具，监听电脑正在播放的系统声音，把外语播客、在线视频和线上会议实时识别成文字，再翻译成中文，以原文加译文的双语悬浮窗贴在屏幕上。语音识别和翻译模型都打包在本机运行，不需要把音频上传到云端服务器，离线也能用，支持 29 种以上语言。

它由开发者 niyongsheng（Nico）用 Tauri 2 开发，按 MIT 协议开源，提供 macOS、Windows 和 Ubuntu 安装包。比起浏览器自带的实时字幕，它能抓到系统播放器和会议软件的声音；比起在线转录服务，它不上传音频，会议内容和听力练习场景用起来更安心。

软件信息

软件名称	AudioScript 声稿
开发者	niyongsheng（Nico）
开源协议	MIT
适用系统	macOS 14.2 及更新、Windows 10 及更新、Ubuntu 24
核心用途	系统声音实时识别 + 翻译，双语悬浮字幕
支持语言	识别覆盖 29 种以上语言，界面支持 13 种语言
运行方式	识别与翻译模型本机运行，离线可用，不上传音频
获取方式	网盘下载安装包，见文末下载区

版本选择

安装包按操作系统提供三个版本，对照自己的电脑下载，不要下错：macOS 用户选 macOS 安装包（14.2 及更新系统可用），Windows 用户选 Windows 安装包（Windows 10 及更新系统可用），Linux 用户选 Ubuntu 24 安装包。三个版本功能一致，都是同一套本机识别 + 翻译 + 悬浮窗，没有功能缩水版。想看源码或跟进更新，可以去 GitHub 仓库查看发布页。

安装步骤

在文末下载区获取网盘链接，下载对应系统的安装包。
按系统提示完成安装：Windows 直接运行安装程序，macOS 把应用拖进应用程序文件夹，Ubuntu 按发行版方式安装 deb 包。
首次启动后，软件会准备内置识别模型，等待片刻再开始使用。
在设置里把输入源切到「系统声音」，识别语言按说话内容选，翻译目标语选中文。
打开一个外语播客或视频播放，确认悬浮窗出现原文和译文两行字幕，跟着说话滚动即为正常。

必改设置

输入源选「系统声音」：默认可能不是系统声音。听播客、看视频、开线上会议都用这个源；只有旁听现场讲话才切「麦克风」，两者混合适合一边听对方、一边录自己。
识别语言与翻译目标语：识别语言按实际说话的语言选，中英混说用内置双语模型即可；翻译目标语设为中文，译文才会出现在悬浮窗第二行。
悬浮窗字号、行数与不透明度：字号按屏幕距离调到一眼能看清，保留行数建议 2 到 3 行，不透明度调到字幕在任何壁纸下都看得清；会议时把悬浮窗贴到窗口侧边，别挡共享画面。
关闭匿名统计：软件默认集成 Aptabase 统计，只上报事件类型和设备信息，不想上报可以在设置里关掉。
开机自启与托盘常驻：每天都要用的话打开开机自启，登录系统后字幕就待命；关窗口后应用收进托盘继续运行，点托盘图标可呼出主界面或暂停识别。
按需切换模型：默认内置 Zipformer 流式双语识别和 Opus-MT 中英互译够用；需要更多语种再拉取 X-ASR、Nemotron 3.5、Qwen3-ASR 或 LMT-60、NLLB-200，拉取前先看许可说明。

注意事项

识别准确率取决于原始音频质量：说话含糊、背景嘈杂或多人同时说话时，识别和翻译都会打折扣，重要会议不要只依赖字幕做记录。
NLLB-200 模型是 CC-BY-NC-4.0 非商业许可，商用场景不要用它做翻译后端；其他可选模型的许可也以官方文档为准。
macOS 系统翻译后端只在 macOS 26 及更新系统上可用，旧系统只能用内置翻译模型。
首次运行需要准备模型文件，预留一点时间和磁盘空间，断网后首次准备可能失败，先联网完成一次再离线用。
单实例限制：重复打开不会再起新进程，找不到窗口时先看系统托盘，不要反复双击安装包。
悬浮窗是辅助理解工具，开会共享屏幕前先确认字幕窗口没有进入共享画面，避免把私人字幕投出去。

适用人群与对比

适合经常看外语播客、追海外视频、参加英文线上会议的人，也适合做外语听力练习、又不想把音频上传到第三方服务器的人；以及在意隐私、希望识别翻译全程离线完成的人。

和浏览器自带的实时字幕比，AudioScript 声稿能抓系统播放器和会议软件的声音，不只认网页视频流；和在线转录服务比，它不上传音频、不断网也能用，代价是首次要准备本机模型、识别效果受本地算力和原声音质影响。只想偶尔看一段带字幕的网页视频，用浏览器自带字幕更省事；要长期、跨应用、离线的双语字幕，选它。

一句话选型：要系统级、外语实时双语字幕且全程本机离线，AudioScript 声稿值得装；只看网页视频、偶尔用一次，浏览器自带字幕就够了。