Loading... # LiveCaptions Translator 技术分析 # 一、概述 ## 1. 项目简介 ### A. 是什么 LiveCaptions Translator 是一个基于 Windows LiveCaptions 的轻量级实时语音翻译工具，通过无缝集成翻译 API 与 Windows 系统自带的实时字幕功能，实现实时音频/语音翻译。 ### B. 为什么值得关注 - 利用 Windows 内置的高精度语音识别引擎 - 无需 Copilot+ PC 即可使用 - 支持多种翻译引擎，包括 LLM 和传统翻译服务 - 开源免费，Apache-2.0 许可证 ### C. 应用场景 - 跨语言会议实时翻译 - 外语讲座学习辅助 - 游戏、视频、直播的字幕翻译 - 国际交流中的语言障碍消除 ## 2. 项目背景 ### A. Windows LiveCaptions Windows 11 22H2 版本引入的实时字幕功能，具有资源占用低、识别精度高的特点。 ### B. 项目定位 将系统级语音识别能力与先进的翻译技术结合，打造无需额外硬件的实时翻译解决方案。 # 二、系统架构 ## 1. 工作原理 ```mermaid graph LR A[音频输入] --> B[Windows LiveCaptions] B --> C[文本捕获] C --> D[LiveCaptions Translator] D --> E[翻译引擎] E -->|LLM/传统API| F[翻译结果] F --> G[悬浮窗口显示] F --> H[历史记录] ```  ## 2. 核心组件 ### A. 文本捕获模块 通过 Windows UI Automation API 捕获 LiveCaptions 的文本输出。 ### B. 翻译引擎接口 统一抽象层，支持多种翻译服务： - LLM 类：Ollama、OpenAI 兼容 API、OpenRouter - 传统类：Google Translate、DeepL、有道、百度 ### C. 界面展示模块 - 主窗口：Fluent UI 设计，支持深色/浅色主题 - 悬浮窗口：无边框透明窗口，可嵌入屏幕 ### D. 历史记录模块 记录原文和译文，支持 CSV 导出。 # 三、功能特性 ## 1. 无缝集成 自动调用 Windows LiveCaptions，无需单独打开窗口。首次使用后，LiveCaptions 默认隐藏，可在设置中重新显示。 **重要配置**： - 必须在 Windows LiveCaptions 中更改源语言 - 位置设置为「覆盖在屏幕上」，否则隐藏后会出现显示错误 ## 2. 现代化界面 - Fluent UI 设计风格 - 自动跟随系统主题切换 - 窗口置顶功能 - 一键复制文本 ## 3. 多翻译引擎支持 | 翻译引擎 | 类型 | 托管方式 | |---------|------|---------| | Ollama | LLM | 自托管 | | OpenAI 兼容 API | LLM | 在线 | | OpenRouter | LLM | 在线 | | Google Translate | 传统 | 在线 | | DeepL | 传统 | 在线 | | 有道翻译 | 传统 | 在线 | | 百度翻译 | 传统 | 在线 | | MTranServer | 传统 | 自托管 | | LibreTranslate | 传统 | 自托管 | **推荐使用 LLM 类引擎**，原因：擅长处理不完整句子，能更好地理解上下文。 ## 4. 悬浮窗口 - 无边框透明窗口 - 可完全嵌入屏幕，不影响操作 - 高度可配置：背景、字体、大小、透明度 - 可设置同时显示的句子数量 ## 5. 日志卡片 - 以卡片形式展示最近的转录记录 - 帮助用户把握上下文 - 可在任务栏和设置页面启用 ## 6. 历史记录 - 记录原文和译文 - 适用于会议、讲座等场景 - 支持导出为 CSV 文件 # 四、技术实现 ## 1. 技术栈 - 开发语言：C# - 运行时：.NET 8.0 - UI 框架：WinUI 3（Fluent UI） - 目标平台：Windows 11 22H2+ ## 2. 关键技术点 ### A. UI Automation 使用 Windows UI Automation API 捕获 LiveCaptions 文本。 ### B. 窗口管理 - 悬浮窗口：无边框、透明背景 - 窗口嵌入：完全融入屏幕，不接受用户输入 ### C. API 集成 - RESTful API 调用 - 异步处理避免阻塞 - 错误重试机制 ## 3. 架构设计 ```mermaid classDiagram class MainWindow { +StartTranslation() +StopTranslation() +ShowOverlay() } class TextCapture { +StartCapture() +OnTextCaptured } class TranslationEngine { +Translate(text) +GetSupportedEngines() } class LLMEngine { +Translate(text) } class TraditionalEngine { +Translate(text) } class OverlayWindow { +Show() +Hide() +UpdateSettings() } class HistoryManager { +AddRecord() +ExportCSV() } MainWindow --> TextCapture MainWindow --> TranslationEngine MainWindow --> OverlayWindow MainWindow --> HistoryManager TranslationEngine <|-- LLMEngine TranslationEngine <|-- TraditionalEngine ```  # 五、使用指南 ## 1. 系统要求 - 操作系统：Windows 11 22H2 或更高版本 - 运行时：.NET 8.0 或更高版本（推荐） - 功能：Windows LiveCaptions 可用 ## 2. 首次配置 ### 步骤 1：验证 LiveCaptions 可用性 通过以下任一方式打开： - 快速设置中切换「实时字幕」 - 按下 Win + Ctrl + L - 设置 > 辅助功能 > 字幕 > 启用实时字幕 ### 步骤 2：配置 LiveCaptions 1. 首次启动时同意语音数据处理 2. 下载所需的语言包 3. 点击齿轮图标打开设置 4. 选择「位置」>「覆盖在屏幕上」 5. 关闭 LiveCaptions ### 步骤 3：启动 LiveCaptions Translator 从 GitHub Releases 下载最新版本，解压后运行即可。 ## 3. 语音翻译配置 在 Windows LiveCaptions 设置中启用「包含麦克风音频」，即可实现实时语音翻译。 # 六、项目数据 ## 1. GitHub 统计 - Stars：2.2k - Forks：152 - Contributors：14 - License：Apache-2.0 - 语言：C# 100% ## 2. 发布版本 - 最新版本：v1.7.1300.1822 - 发布日期：2026 年 1 月 18 日 - 历史版本：16 个 # 七、技术优势分析 ## 1. 相比传统翻译工具 - 利用系统级语音识别，无需额外模型 - 资源占用低，不影响其他应用 - 识别精度高，支持多种语言 ## 2. 相比云端解决方案 - 隐私保护：语音识别在本地进行 - 响应快速：无需上传音频流 - 成本低廉：仅需翻译 API 调用 ## 3. 创新点 - 首个将 Windows LiveCaptions 与 LLM 结合的开源工具 - 无缝集成体验，无需切换窗口 - 高度可配置的悬浮窗口设计 # 八、局限性 ## 1. 平台限制 - 仅支持 Windows 11 22H2+ - 依赖 Windows LiveCaptions 功能 ## 2. 配置复杂度 - 首次使用需要多个配置步骤 - 需要理解 LiveCaptions 的工作机制 ## 3. 翻译质量 - 依赖所选翻译引擎的质量 - 实时翻译可能存在延迟 # 九、未来展望 ## 1. 可能的改进方向 - 支持更多翻译引擎 - 优化翻译延迟 - 增强上下文理解能力 - 支持更多语言对 ## 2. 社区贡献 项目已有 14 名贡献者，活跃的社区正在推动功能迭代和 bug 修复。 *** ## 参考资料 1. [LiveCaptions Translator GitHub 仓库](https://github.com/SakiRinn/LiveCaptions-Translator) 2. [Windows LiveCaptions 官方文档](https://support.microsoft.com/en-us/windows/use-live-captions-to-better-understand-audio-b52da59c-14b8-4031-aeeb-f6a47e6055df) 最后修改：2026 年 01 月 23 日 © 允许规范转载 赞 如果觉得我的文章对你有用，请随意赞赏