Jak dodać napisy do dźwięku systemowego na Macu?

Od macOS 14.2 aplikacja może przechwytywać dźwięk innego procesu bezpośrednio przez Core Audio, więc potrzebuje od Ciebie tylko dostępu do nagrywania dźwięku. Wcześniej trzeba było zainstalować wirtualne urządzenie audio i przekierować przez nie wyjście dźwięku, dlatego starsze poradniki są pełne zrzutów ekranu.

Czy nadal potrzebuję BlackHole albo sterownika loopback?

Nie do tego. Nic nie jest przekierowywane, urządzenie wyjściowe się nie zmienia, a głośniki grają dalej, gdy działają napisy. Sterownik loopback nadal jest rozwiązaniem, jeśli masz macOS 13 lub starszy albo Maca z procesorem Intel.

Czy napisy w czasie rzeczywistym są tak dokładne jak transkrypcja pliku?

Nie, i nic, co działa w czasie rzeczywistym, nie jest. Narzędzie do transkrypcji plików widzi całe zdanie, zanim zdecyduje, jakie było pierwsze słowo; narzędzie działające na bieżąco musi się zdecydować, gdy mówca wciąż mówi. Jeśli masz nagranie i się nie spieszysz, transkrybuj plik.

Czy działa w karcie przeglądarki?

Tak. Przechwytuje aplikację i każdy proces pomocniczy, który ta aplikacja uruchamia, więc rozmowa czy film w karcie przeglądarki dostają napisy tak samo jak natywna aplikacja. Dotyczy to też aplikacji Electron, których dźwięk nigdy nie pochodzi z procesu noszącego ich nazwę.

Czy tworzy napisy do mojego głosu?

Domyślnie nie. Słyszy to, co odtwarza Twój Mac, czyli podczas rozmowy wszystkich oprócz Ciebie. Wybranie mikrofonu w menu „Słuchaj” to odwraca: wtedy napisy obejmują całe pomieszczenie, łącznie z Tobą, a macOS prosi o dostęp do mikrofonu, gdy wybierzesz go po raz pierwszy.

Jakie jest opóźnienie?

Najszybszy model angielski zaczyna generować tekst około 160 ms za mówcą; dokładniejsze są dalej w tyle. To raczej pokrętło niż jedna liczba, a to, który koniec wybierzesz, zależy od tego, czy śledzisz rozmowę, czy czytasz wykład.

Czy mogę zachować transkrypcję?

Tak, jeśli o to poprosisz. Po co najmniej minucie mowy ramka napisów proponuje ich zachowanie, gdy dźwięk ucichnie albo zanim wystarczająco długa cisza wyczyści napisy, a polecenie „Zachowaj transkrypcję…” w menu zachowuje je w dowolnej chwili, jako zwykły tekst, Markdown lub SRT; poza tym nic nie jest zapisywane na dysku. Do tego czasu przytrzymaj ⌥, aby cofnąć się do napisów i je przewijać lub przeszukiwać. Jeśli potrzebujesz potem notatek albo podsumowania, potrzebujesz narzędzia do notatek ze spotkań, a nie tej aplikacji.

Dlaczego nie rozpoznawanie mowy od Apple?

Bo wymaga macOS 26, a ta aplikacja działa od 14.2. System rozpoznawania mowy Apple jest szybki i działa na urządzeniu, ale nic z tego nie przesądziło sprawy: przechwytywanie dźwięku procesów pojawiło się w 14.2, to jest dolna granica, a podniesienie jej do 26 dla innego modelu odcięłoby każdego Maca, który wciąż ma 14 lub 15. Parakeet działa na Neural Engine od 14.2 i przetwarza mowę strumieniowo, a tego potrzebują napisy w czasie rzeczywistym.

Subtitles · Poradniki · Napisy w czasie rzeczywistym na Macu

Napisy w czasie rzeczywistym do wszystkiego, co odtwarza Twój Mac

Sześć sposobów, by wyświetlić słowa na ekranie, gdy ktoś jeszcze mówi, uporządkowanych według kosztu, czyli najpierw darmowe. Potem część, której prawie nikt nie wyjaśnia: jak Mac przechwytuje dźwięk, który sam wydaje, dlaczego kiedyś wymagało to fałszywego urządzenia audio i co zmieniło się w macOS 14.2.

Kup za 19 $ Wypróbuj w przeglądarce

Co wyklucza „czas rzeczywisty”

Większość tego, co napisano o zamianie mowy na tekst na Macu, czy nazywa się to transkrypcją, dyktowaniem czy napisami, dotyczy plików. Wrzucasz nagranie, czekasz i dostajesz transkrypcję albo ścieżkę napisów. Ta droga jest dokładniejsza niż cokolwiek na tej stronie, bo model, który widzi całe zdanie i zdanie po nim, zawsze wygra z takim, który decyduje słowo po słowie.

Jest też bezużyteczna, gdy spotkanie właśnie trwa. Napisy w czasie rzeczywistym poświęcają tę dokładność dla jedynej rzeczy, która liczy się podczas rozmowy: żeby słowa pojawiły się na tyle wcześnie, by dało się je przeczytać. Jeśli masz nagranie i czas, zatrzymaj się tutaj i przepuść je przez narzędzie do transkrypcji plików; dostaniesz lepszy wynik. Wszystko poniżej dotyczy sytuacji, w której dźwięk płynie teraz.

Sześć dróg, od najtańszej

Własne napisy aplikacji. Za darmo. Zoom, Teams, Google Meet, rozmowy huddle w Slacku i YouTube same wyświetlają napisy, bez opłat, w większej liczbie języków niż macOS. Kończą się na krawędzi własnego okna, kilka z nich wymaga zgody gospodarza lub administratora i żadne nie pomoże z filmem, który ktoś podlinkuje w połowie rozmowy. Mimo to spróbuj najpierw tego: jeśli wystarczy, jest za darmo.
Napisy na żywo od Apple. Za darmo, wbudowane. Na Macu z Apple silicon, w Ustawieniach systemowych, w sekcji Dostępność, Napisy na żywo. Działają w wielu aplikacjach naraz, a nie wewnątrz jednej, i to jest właściwy kształt. Dokumentacja Apple podaje, że nie są dostępne we wszystkich językach, krajach i regionach, obsługują jeden język naraz, a okno przejmuje kliknięcia skierowane w to, co zasłania. Pełne porównanie ma osobną stronę.
Napisy w przeglądarce. Za darmo, w jednej przeglądarce. Chrome i przeglądarki oparte na Chromium potrafią wyświetlać napisy do dźwięku z karty, na urządzeniu, po włączeniu przełącznika w ich ustawieniach. Naprawdę dobre do filmów w karcie i bezużyteczne poza tą przeglądarką.
Usługa napisów w chmurze. Subskrypcja. Kategoria, która obsługuje języki, których nie pokrywa nic działającego na urządzeniu, i która dodaje oznaczenia mówców oraz przeszukiwalną transkrypcję po fakcie. Żeby to działało, dźwięk opuszcza Twojego Maca, a dla wielu osób w pracy to koniec rozmowy, a nie szczegół.
Lokalny model mowy, który obsługujesz sam. Za darmo, ale kosztem pracy. Whisper i jego następcy działają na Macu i są do nich dobre interfejsy open source. Sprawienie, żeby jeden z nich wyświetlał napisy na bieżąco, we wszystkich aplikacjach, w nakładce, którą możesz czytać przy pracy, to projekt, a nie pobranie pliku, a opisana niżej hydraulika audio to główny powód.
Aplikacja do napisów w czasie rzeczywistym. Płatna jednorazowo. Czyli ta: nakładka nad wszystkimi oknami, zasilana tym, co odtwarza Mac, transkrybowana na Neural Engine, w osiemnastu językach, bez zapisywania czegokolwiek na dysku, chyba że zachowasz transkrypcję. Warto, gdy wszystkie cztery darmowe odpowiedzi powyżej się wyczerpią, i nie wcześniej.

Jak Mac przechwytuje własny dźwięk

Mikrofon jest prosty: macOS zawsze miał do tego API, a prośba o dostęp to rutyna. Trudny jest dźwięk systemowy, bo przez większość historii Maca nie było obsługiwanego sposobu, by jedna aplikacja słyszała, co odtwarza inna. Były trzy epoki, a to, do której należy dane narzędzie, mówi większość tego, co trzeba o nim wiedzieć.

1

Wirtualne urządzenie audio

Instalujesz sterownik, który udaje parę głośników, ustawiasz go jako wyjście dźwięku Maca i odczytujesz z niego jak z mikrofonu. Działa, ale Twoje prawdziwe głośniki milkną, chyba że zbudujesz drugie urządzenie, które rozdziela sygnał. To epoka poradników konfiguracji z sześcioma zrzutami ekranu.
2

Nagrywanie ekranu dla dźwięku

Późniejsze wersje macOS pozwoliły aplikacji pobierać dźwięk systemowy razem z nagraniem ekranu. Bez sterownika, ale żeby aplikacja mogła słyszeć, dajesz jej prawo do oglądania ekranu, a macOS przypomina o tym wszystkim w pomieszczeniu wskaźnikiem nagrywania.
3

Przechwytywanie dźwięku procesów w Core Audio, macOS 14.2

Aplikacja prosi Core Audio o przechwycenie dźwięku innego procesu albo wszystkich procesów i dostaje dźwięk bezpośrednio. Bez sterownika, bez przekierowań, głośniki działają dalej, a przyznajesz dostęp do nagrywania dźwięku, a nie ekranu. To jest cały powód, dla którego ta aplikacja ma taką postać, jaką ma.

To wyjaśnia też jedyne wymaganie, którego nie da się obejść. Przechwytywanie dźwięku procesów pojawiło się w macOS 14.2 i tylko na Apple silicon, więc 14.2 to tutaj dolna granica, a Maca z procesorem Intel nie da się do niej podnieść. Jeśli masz Intela, Twoja lista to trzy pierwsze drogi powyżej.

Napisy na Macu w trzech krokach

1

Zainstaluj i przyznaj jedno uprawnienie

macOS przy pierwszym uruchomieniu prosi o pozwolenie na nagrywanie dźwięku systemowego. Przegap to okienko, a każdy bufor przyjdzie wypełniony ciszą, bez żadnego błędu, i to jedyna awaria, o której warto wiedzieć z góry. Przewodnik konfiguracji pokazuje, jak ją wykryć w dziesięć sekund.
2

Wszystko albo jedna aplikacja

„Cały dźwięk systemowy” to ustawienie domyślne i nie wymaga konfiguracji. Ograniczenie do jednej aplikacji to kwestia jednego menu i obejmuje też procesy pomocnicze tej aplikacji, dzięki czemu rozmowa w karcie przeglądarki dostaje napisy tak jak natywna.
3

Umieść napisy tam, gdzie chcesz

Przytrzymaj ⇧ i przeciągnij; miejsce, w którym je zostawisz, zostanie zapamiętane. Napisy nie przechwytują kliknięć, więc pracujesz bezpośrednio przez nie, a wskazanie ich sprawia, że się rozpływają, zamiast się przesuwać. Demo na stronie głównej działa dokładnie tak samo, w przeglądarce, zanim cokolwiek kupisz.

Kup za 19 $

14 dni na zwrot pieniędzy, bez zadawania pytań.

Ile dokładności kosztuje czas rzeczywisty

System rozpoznawania mowy to model strumieniowy, a nie taki, który czeka na trzydziestosekundowe okno, i na tym polega różnica między napisami, które nadążają za dźwiękiem, a napisami, które przychodzą, gdy chwila już minęła. Na Neural Engine działa mniej więcej siedem razy szybciej niż czas rzeczywisty, więc komputer się nie wysila, a wentylatory pracują tak jak wcześniej.

Od macOS 26 Apple udostępnia programistom własny system rozpoznawania mowy i jest on szybki. To nie on działa tutaj, z powodu, który nie ma nic wspólnego z jego jakością: wymaga macOS 26, a ta aplikacja działa od 14.2, bo tam pojawiło się przechwytywanie dźwięku procesów, a dolna granica, która ma znaczenie, wynika z dźwięku, nie z modelu. Podniesienie tej granicy o dwie główne wersje, żeby zamienić jeden dobry model na inny, odcięłoby każdego Maca, który wciąż ma 14 lub 15. Jeśli model Apple kiedyś trafi do wersji, na których działa przechwytywanie, to ten akapit się zmieni.

Angielski ma siedem opcji zamiast jednej, a każda wyważa dwie rzeczy, których nie da się zmaksymalizować jednocześnie: najszybsza zaczyna generować tekst około 160 ms za mówcą, najwolniejsza jest dokładniejsza i bardziej opóźniona. Wszystko inne obsługuje jeden model wielojęzyczny. To pokrętło jest uczciwą wersją pytania o dokładność i to dlatego ta strona nie twierdzi, że wygrywa z czymkolwiek w benchmarku, którego nikt nie przeprowadził.

Co wciąż zawodzi, w każdym narzędziu na tej stronie: nazwiska, żargon, skróty, dwie osoby mówiące naraz i szybka potoczna mowa przez słabe łącze. Napisy w czasie rzeczywistym sprawiają, że da się to czytać na tyle często, żeby warto było je mieć, ale nie na tyle niezawodnie, żeby zastąpiły transkrypcję.

Pytania o napisy na Macu

Jak dodać napisy do dźwięku systemowego na Macu?: Od macOS 14.2 aplikacja może przechwytywać dźwięk innego procesu bezpośrednio przez Core Audio, więc potrzebuje od Ciebie tylko dostępu do nagrywania dźwięku. Wcześniej trzeba było zainstalować wirtualne urządzenie audio i przekierować przez nie wyjście dźwięku, dlatego starsze poradniki są pełne zrzutów ekranu.
Czy nadal potrzebuję BlackHole albo sterownika loopback?: Nie do tego. Nic nie jest przekierowywane, urządzenie wyjściowe się nie zmienia, a głośniki grają dalej, gdy działają napisy. Sterownik loopback nadal jest rozwiązaniem, jeśli masz macOS 13 lub starszy albo Maca z procesorem Intel.
Czy napisy w czasie rzeczywistym są tak dokładne jak transkrypcja pliku?: Nie, i nic, co działa w czasie rzeczywistym, nie jest. Narzędzie do transkrypcji plików widzi całe zdanie, zanim zdecyduje, jakie było pierwsze słowo; narzędzie działające na bieżąco musi się zdecydować, gdy mówca wciąż mówi. Jeśli masz nagranie i się nie spieszysz, transkrybuj plik.
Czy działa w karcie przeglądarki?: Tak. Przechwytuje aplikację i każdy proces pomocniczy, który ta aplikacja uruchamia, więc rozmowa czy film w karcie przeglądarki dostają napisy tak samo jak natywna aplikacja. Dotyczy to też aplikacji Electron, których dźwięk nigdy nie pochodzi z procesu noszącego ich nazwę.
Czy tworzy napisy do mojego głosu?: Domyślnie nie. Słyszy to, co odtwarza Twój Mac, czyli podczas rozmowy wszystkich oprócz Ciebie. Wybranie mikrofonu w menu „Słuchaj” to odwraca: wtedy napisy obejmują całe pomieszczenie, łącznie z Tobą, a macOS prosi o dostęp do mikrofonu, gdy wybierzesz go po raz pierwszy.
Jakie jest opóźnienie?: Najszybszy model angielski zaczyna generować tekst około 160 ms za mówcą; dokładniejsze są dalej w tyle. To raczej pokrętło niż jedna liczba, a to, który koniec wybierzesz, zależy od tego, czy śledzisz rozmowę, czy czytasz wykład.
Czy mogę zachować transkrypcję?: Tak, jeśli o to poprosisz. Po co najmniej minucie mowy ramka napisów proponuje ich zachowanie, gdy dźwięk ucichnie albo zanim wystarczająco długa cisza wyczyści napisy, a polecenie „Zachowaj transkrypcję…” w menu zachowuje je w dowolnej chwili, jako zwykły tekst, Markdown lub SRT; poza tym nic nie jest zapisywane na dysku. Do tego czasu przytrzymaj ⌥, aby cofnąć się do napisów i je przewijać lub przeszukiwać. Jeśli potrzebujesz potem notatek albo podsumowania, potrzebujesz narzędzia do notatek ze spotkań, a nie tej aplikacji.
Dlaczego nie rozpoznawanie mowy od Apple?: Bo wymaga macOS 26, a ta aplikacja działa od 14.2. System rozpoznawania mowy Apple jest szybki i działa na urządzeniu, ale nic z tego nie przesądziło sprawy: przechwytywanie dźwięku procesów pojawiło się w 14.2, to jest dolna granica, a podniesienie jej do 26 dla innego modelu odcięłoby każdego Maca, który wciąż ma 14 lub 15. Parakeet działa na Neural Engine od 14.2 i przetwarza mowę strumieniowo, a tego potrzebują napisy w czasie rzeczywistym.

Ta sama nakładka, w innych miejscach

Filmy bez napisów

Napisy do filmu, transmisji czy karty, które nigdy nie miały ścieżki napisów.

Podcasts

Napisy do audycji, które nigdy nie miały transkrypcji.

Zgodne aplikacje

Jeśli coś gra na Twoim Macu, pojawiają się napisy. Lista aplikacji i wyjątki.

vs Napisy na żywo od Apple

macOS ma to wbudowane i za darmo. Gdzie to przestaje wystarczać.

Porównanie wszystkich alternatyw

Sześć sposobów na napisy na Macu i który z nich pasuje do Ciebie.

Co aplikacja przechowuje

Nic nie jest zapisywane na dysku, chyba że zachowasz transkrypcję, a po pobraniu modelu zostają tylko sprawdzanie wersji, z którego możesz zrezygnować, oraz, jeśli masz klucz, comiesięczne sprawdzenie klucza.

Napisy do tego, co gra w tej chwili.

Wypróbuj za darmo Kup za 19 $

7 dni za darmo, potem jednorazowo 19 $, wszystkie przyszłe uaktualnienia w cenie · macOS 14.2 lub nowszy · Apple silicon
Napisy w czasie rzeczywistym bez limitu, jak długo masz tego Maca. Bez kupowania minut, bez konta, bez subskrypcji.