OmniVoice 0.8.2 上手：先排清音源、权限和引擎，再做实时转录

OmniVoice 0.8.2 上手：先排清音源、权限和引擎，再做实时转录

OmniVoice 能把麦克风或系统声音转换为悬浮字幕，同时提供翻译、本地转录历史、划词翻译和语音输入。配置时最容易混淆的是三件事：声音是否进入应用、哪个引擎负责识别、哪个引擎负责翻译。把它们分别确认，比在一句字幕没出现时直接换大模型更容易定位问题。

本文面向 macOS 26 及以上环境，围绕官方 v0.8.2 的设置路径和检查方法展开。这一版本仍是内部测试构建，使用 OmniVoice Dev Signing 自签名证书，未经公证；发行包是 OmniVoice-0.8.2.dmg，没有随包附带本地模型权重。

安装后，先找到真正入口

将 DMG 中的应用复制到应用目录。OmniVoice 主要驻留菜单栏，启动后没出现常驻主窗口并不说明安装失败。设置或引导窗口打开时会显示 Dock 图标，日常控制则从菜单栏进入。

如果 macOS 因该构建未公证而阻止打开，官方文档给出的命令如下。先核对应用来源，且只把路径替换为自己确认的 OmniVoice.app：

xattr -cr /Applications/OmniVoice.app

这个操作会递归清理该应用的扩展属性，并涉及下载隔离标记；它不验证软件本身，也不应针对整个 Applications 目录执行。如果应用不在这个位置，应使用实际路径。这里列出的是安装处理说明，不是要求在不了解包来源时直接执行。

0.8.2 还新增了界面语言设置：设置 → 通用 → 界面语言，可选跟随系统、English 或简体中文，改动后重启生效。固定版本的 README 仍残留“仅中文”旧句，当前语言能力以这一版变更记录为准。

建立最小可检查的转录流程

初次引导可以先选系统引擎对应的轻量模式。这样先验证应用入口、音源和权限，不必等待额外模型。识别使用系统 SpeechAnalyzer、SpeechTranscriber，翻译使用 Translation 框架，系统要求也是据此限定到 macOS 26 以上。

从菜单栏开始转录前，先确认麦克风选择。要识别现实中的说话声，应选择实际输入设备；要转录 Mac 正在播放的声音，则按任务启用“包含系统声音”。后者走 ScreenCaptureKit，需要屏幕录制权限，不能用“麦克风已经有电平”来证明系统声音已被直接采集。

再设置“我的语言”和“外语”，确认源语言与翻译方向。字幕窗支持仅原文、仅译文和双语。排查时可以先看原文：原文没有出现，应优先检查音源和识别；原文出现但译文不符合预期，再看语言方向和翻译引擎。这样能够把输入问题和翻译问题分开。

观察麦克风电平、已用时长与字幕内容，它们提供不同信息。电平表明输入存在活动，字幕才体现识别结果；运行时间增加，也不能单独说明转录正确。字幕窗支持逐句和全文复制，可用一段自己能听懂的短内容，对照数字、专名和句子边界。

权限对应到具体功能

转录涉及麦克风；使用系统识别引擎还涉及语音识别授权。系统声音和 ⌥S 截图翻译需要屏幕录制；⌥A 划词翻译、把听写文字送入其他应用，以及听写时暂停媒体涉及辅助功能；语音输入和连续两次 ⌘C 涉及输入监控。

如果系统声音未出现，应检查应用内是否启用了该音源，以及系统设置中对应的屏幕录制授权。官方测试说明特别要求，修改屏幕录制授权后重启应用，避免只勾选权限后立刻继续原会话。并非所有功能都需要一次性打开全部权限，按当前动作补齐更便于判断。

划词翻译可以用一段可选择的普通文字检查：选中后按 ⌥A；截图翻译则按 ⌥S 框选文字区域，由 Vision 在本机识别。两者入口不同，不应把某个网页无法选中文字归因于翻译引擎失效。

面板中，属于“我的语言”的文字会转为外语，其余内容转回“我的语言”。回车翻译、Shift 加回车换行、Esc 隐藏，长文本逐段填充并保留列表结构。网址、文件路径、命令行参数和代码标识符有保护处理，技术内容仍应对照原文确认关键含义。

让识别与翻译分别使用模型

需要额外引擎时，再进入模型库。R2T2 负责语音识别，HY-MT1.5 1.8B 和 T3PO 属于翻译模型；识别和翻译可以分别选，不要求同时换成同一类方案。新手引导还有 R2T2 加 HY-MT1.5 的均衡组合，以及全部本地模型的模式。

模型库提供下载进度、磁盘空间检查、SHA-256 校验、内存占用显示和预加载。均衡组合约三点四 GB，这与 DMG 大小是两回事。配置前先确认模型已经准备好，再检查对应引擎选项；讨论运行差异时，应说明到底更换了识别端还是翻译端。

预加载是启动与资源占用之间的选择，不能直接等同于识别更准。更换模型后，可以用同一段材料比较原文、断句和译文，避免把不同音源或不同内容造成的差异都归给模型。这里没有适用于所有设备的统一速度和准确率结论。

语音输入要单独检查目标应用

语音输入默认关闭，开启后可设置按住右 Option、右 Command、右 Control，或者点按开始与停止。先在普通文本编辑器中放好光标，再检查气泡内容能否正确送入目标位置。系统识别可直接承担听写，已有转录会话载入 R2T2 时也可以借用它。

点按模式的 Return 会结束听写、输入文字并再按一次回车。若目标是聊天输入框，可能会直接发送，所以“气泡里有文字”和“输入到正确位置”需要分别确认。Esc 可取消，默认两分钟时限用于防止麦克风持续开启。打开输入前翻译时，先检查气泡里的译文，再决定送入原文还是译文。

LLM 润色是另一项默认关闭的功能，配置自己的兼容服务后可整理标点、口癖和列表，密钥存入钥匙串；失败则输入原文。若服务在云端，文字会发往配置的服务，不能因为识别用了本地模型就认为润色也自动留在本机。先确认基本听写正常，再引入润色，失败时才有明确的对照。

记录与复查

历史转录保存在本地，可搜索、改名、按日期查看，支持复制全文、仅复制译文或导出 Markdown。一次上手流程应以“能在历史里找回并继续处理”为结束点，而不只以悬浮窗出字为准。需要清理时，可多选删除，或删除三十天、九十天前的记录。

当前版本尚无自动更新与公证发布。反馈问题时，记录 macOS 版本、音源、识别和翻译引擎、具体动作、预期与实际结果；涉及听写再补目标应用及触发方式。这些条件比一句“转录没反应”更能帮助区分权限、配置和应用行为。

GitHub 仓库：https://github.com/hdcola/OmniVoice

下载与获取

下载链接

• 百度网盘:https://pan.baidu.com/s/174XmmYrnkoCTHsgLE9dDhw?pwd=6ipq 提取码:6ipq
• 夸克网盘:https://pan.quark.cn/s/caaa97bff28d