Hur textar jag systemljud på en Mac?

Sedan macOS 14.2 kan en app avlyssna en annan process ljud direkt via Core Audio, så det enda den behöver från dig är behörigheten att spela in ljud. Innan dess behövde du installera en virtuell ljudenhet och leda utgången genom den, och det är därför de äldre guiderna är fulla av skärmbilder.

Behöver jag fortfarande BlackHole eller en loopback-drivrutin?

Inte för det här. Ingenting leds om, din utgångsenhet ändras inte, och högtalarna fortsätter att spela medan undertexterna körs. En loopback-drivrutin är fortfarande lösningen om du har macOS 13 eller äldre, eller en Intel-Mac.

Är textning i realtid lika exakt som att transkribera en fil?

Nej, och det gäller allt som körs i realtid. En filtranskribering ser hela meningen innan den bestämmer vad det första ordet var; en i realtid måste bestämma sig medan talaren fortfarande pratar. Om du har en inspelning och ingen brådska, transkribera filen i stället.

Fungerar det i en webbläsarflik?

Ja. Den fångar en app och alla hjälpprocesser som appen startar, så ett samtal eller en video i en flik textas på samma sätt som en vanlig app. Det täcker också Electron-appar, vars ljud aldrig kommer från processen som bär deras namn.

Textar den min egen röst?

Inte som standard. Den hör det din Mac spelar upp, vilket i ett samtal är alla utom du. Om du väljer mikrofonen i ”Lyssna på” blir det tvärtom: då textas rummet, du inräknad, och macOS ber om tillgång till mikrofonen första gången du väljer den.

Hur stor är fördröjningen?

Den snabbaste engelska modellen börjar ge text ungefär 160 ms efter talaren; de mer exakta ligger längre efter. Det är ett reglage snarare än ett tal, och vilken ände du vill ha beror på om du följer ett samtal eller läser en föreläsning.

Kan jag spara transkriberingen?

Ja, när du ber om det. Efter minst en minuts tal erbjuder undertextrutan att spara dem när ljudet tystnar, eller innan en tillräckligt lång tystnad rensar undertexterna, och ”Spara transkribering…” i menyn sparar dem när som helst, som ren text, Markdown eller SRT; annars skrivs ingenting till disken. Fram till dess kan du hålla ned ⌥ för att spola tillbaka undertexterna och rulla eller söka i dem. Om du behöver anteckningar eller en sammanfattning efteråt är det en anteckningsapp du vill ha, inte det här.

Varför inte Apples egen taligenkänning?

Därför att den kräver macOS 26, och det här körs från 14.2. Apples taligenkänning är snabb och körs på enheten, och inget av det avgjorde saken: process taps kom i 14.2, det är golvet, och att höja det till 26 för en annan modell skulle stänga ute alla Mac-datorer som fortfarande kör 14 eller 15. Parakeet körs på Neural Engine från 14.2 och strömmar, vilket är vad undertexter i realtid behöver.

Subtitles · Guider · Undertexter i realtid på en Mac

Undertexter i realtid för allt din Mac spelar upp

Sex sätt att få ord på skärmen medan någon fortfarande pratar, ordnade efter vad de kostar dig, vilket betyder att de gratis kommer först. Sedan delen som nästan ingen förklarar: hur en Mac fångar ljudet den själv spelar upp, varför det förr krävde en låtsad ljudenhet och vad som ändrades i macOS 14.2.

Köp för 19 $ Prova i webbläsaren

Vad ”i realtid” utesluter

Det mesta som skrivs om tal till text på en Mac, oavsett om det kallas transkribering, diktering eller textning, handlar om filer. Du lägger in en inspelning, väntar och får en transkribering eller ett undertextspår. Den vägen är mer exakt än något på den här sidan, eftersom en modell som ser hela meningen, och meningen efter den, alltid slår en som bestämmer sig ett ord i taget.

Den är också oanvändbar medan ett möte pågår. Textning i realtid byter bort den precisionen mot det enda som spelar roll under ett samtal, nämligen att orden kommer i tid för att läsas. Om du har en inspelning och gott om tid, sluta läsa här och kör den genom en filtranskribering; du får ett bättre resultat. Allt nedan gäller fallet där ljudet pågår nu.

Sex vägar, billigast först

Appens egna undertexter. Gratis. Zoom, Teams, Google Meet, Slack-huddles och YouTube textar alla sig själva, utan kostnad, på fler språk än macOS gör. De slutar vid kanten av sitt eget fönster, flera av dem kräver att värden eller en administratör tillåter det, och ingen av dem hjälper med videon som någon länkar till halvvägs. Prova det här först ändå: när det räcker är det gratis.
Apples Direkttextning. Gratis, inbyggt. På en Mac med Apple silicon, under Systeminställningar, Hjälpmedel, Direkttextning. Den textar över appar i stället för inuti en, vilket är rätt upplägg. Apples egen dokumentation säger att den inte finns på alla språk eller i alla länder och regioner, den textar ett språk i taget, och fönstret tar emot klicken som riktas mot det den täcker. Den fullständiga jämförelsen har en egen sida.
Webbläsarens egen textning. Gratis, en webbläsare. Chrome och de Chromium-baserade webbläsarna kan texta ljud som spelas i en flik, på enheten, med ett reglage i sina egna inställningar. Riktigt bra för video i en flik, och irrelevant för allt utanför den webbläsaren.
En textningstjänst i molnet. Prenumeration. Kategorin som når språk som inget på enheten täcker, och den som lägger till talaretiketter och en sökbar transkribering efteråt. Ljudet lämnar din Mac för att komma dit, vilket för många på jobbet avslutar diskussionen snarare än är en detalj.
En lokal talmodell som du kör själv. Gratis, men kräver arbete. Whisper och dess efterföljare körs på en Mac, och det finns bra gränssnitt med öppen källkod. Att få en sådan att texta i realtid, över alla appar, i ett överlägg du kan läsa medan du arbetar, är ett projekt snarare än en hämtning, och ljudhanteringen nedan är det mesta av skälet.
En app för textning i realtid. Engångsköp. Det här är en sådan: ett överlägg ovanför alla fönster, matat med det Macen spelar upp, transkriberat på Neural Engine, på arton språk, och ingenting skrivs till disken om du inte sparar en transkribering. Värt det när de fyra gratisalternativen ovan inte räcker längre, och inte förr.

Hur en Mac fångar sitt eget ljud

En mikrofon är enkel: macOS har alltid haft ett API för det, och att be om behörighet för den är rutin. Systemljud är det svåra, eftersom det under större delen av Macens historia inte fanns något sätt som stöddes för en app att höra vad en annan app spelade upp. Tre epoker, och vilken ett verktyg hör till säger det mesta du behöver veta om det.

1

Den virtuella ljudenheten

Du installerar en drivrutin som låtsas vara ett par högtalare, ställer in Macens utgång på den och läser tillbaka den som en mikrofon. Det fungerar, och det betyder att dina riktiga högtalare nu är tysta om du inte bygger en andra enhet som delar signalen. Det här är epoken med installationsguider som har sex skärmbilder.
2

Skärminspelning, för ljudets skull

Senare versioner av macOS lät en app ta systemljud tillsammans med en skärminspelning. Ingen drivrutin, men du ger en app rätt att se din skärm för att den ska kunna höra den, och macOS påminner alla i rummet med en inspelningsindikator.
3

Process taps i Core Audio, macOS 14.2

En app ber Core Audio att avlyssna en annan process, eller alla, och får ljudet direkt. Ingen drivrutin, ingenting leds om, högtalarna fortsätter att fungera, och behörigheten du ger gäller ljudinspelning, inte skärminspelning. Det är hela anledningen till att den här appen ser ut som den gör.

Det förklarar också det enda krav som inte går att komma runt. Process taps kom i macOS 14.2 och bara på Apple silicon, så 14.2 är golvet här och en Intel-Mac kan inte uppgraderas dit. Om du har en Intel-Mac är de tre första vägarna ovan din lista.

Texta din Mac i tre steg

1

Installera och ge den enda behörigheten

macOS ber om att få spela in systemljud vid första starten. Missa den frågan så kommer varje buffert full av tystnad utan något felmeddelande någonstans, och det är det enda felet som är värt att känna till i förväg. Installationsguiden visar hur du upptäcker det på tio sekunder.
2

Rikta den mot allt, eller mot en app

”Allt systemljud” är standard och kräver ingen inställning. Att begränsa till en app är ett menyval bort, och då följer appens hjälpprocesser med, vilket gör att ett samtal i en webbläsarflik textas som en vanlig app.
3

Placera överlägget där du vill ha det

Håll ned ⇧ och dra; var du lämnar det kommer appen ihåg. Det tar inte emot klick, så du arbetar rakt igenom det, och när du pekar på det löses det upp i stället för att flyttas. Demon på startsidan beter sig exakt likadant, i din webbläsare, innan du köper något.

Köp för 19 $

Pengarna tillbaka inom 14 dagar, inga frågor.

Vad realtid kostar i precision

Igenkänningen är en strömmande modell snarare än en som väntar på ett trettio sekunder långt fönster, och det är skillnaden mellan undertexter som följer ljudet och undertexter som kommer när ögonblicket redan har passerat. Den körs på ungefär en sjundedel av realtid på Neural Engine, så datorn behöver inte jobba hårt och fläktarna förblir som de var.

Sedan macOS 26 har Apple en egen taligenkänning som utvecklare kan använda, och den är snabb. Det är inte den som körs här, av ett skäl som inte har något med hur bra den är att göra: den kräver macOS 26, och den här appen körs från 14.2, eftersom det är där process taps kom och det är ljudet som sätter golvet, inte modellen. Att höja golvet två huvudversioner för att byta en bra modell mot en annan skulle stänga ute alla Mac-datorer som fortfarande kör 14 eller 15. Om Apples modell någon gång når de versioner där avlyssningen fungerar är det det här stycket som ändras.

Engelska har sju alternativ i stället för ett, och de väger två saker mot varandra som inte båda kan maximeras: den snabbaste börjar ge text ungefär 160 ms efter talaren, den långsammaste är mer exakt och ligger längre efter. Allt annat körs från en enda flerspråkig modell. Det reglaget är det ärliga svaret på frågan om precision, och det är skälet till att den här sidan inte påstår sig slå något i ett test som ingen har gjort.

Det som fortfarande går fel, i alla verktyg på den här sidan: namn, fackspråk, förkortningar, två personer som pratar samtidigt och snabbt vardagligt tal över en dålig anslutning. Textning i realtid gör sådant läsbart tillräckligt ofta för att vara värt att ha, men inte tillräckligt tillförlitligt för att ersätta en transkribering.

Frågor om att texta en Mac

Hur textar jag systemljud på en Mac?: Sedan macOS 14.2 kan en app avlyssna en annan process ljud direkt via Core Audio, så det enda den behöver från dig är behörigheten att spela in ljud. Innan dess behövde du installera en virtuell ljudenhet och leda utgången genom den, och det är därför de äldre guiderna är fulla av skärmbilder.
Behöver jag fortfarande BlackHole eller en loopback-drivrutin?: Inte för det här. Ingenting leds om, din utgångsenhet ändras inte, och högtalarna fortsätter att spela medan undertexterna körs. En loopback-drivrutin är fortfarande lösningen om du har macOS 13 eller äldre, eller en Intel-Mac.
Är textning i realtid lika exakt som att transkribera en fil?: Nej, och det gäller allt som körs i realtid. En filtranskribering ser hela meningen innan den bestämmer vad det första ordet var; en i realtid måste bestämma sig medan talaren fortfarande pratar. Om du har en inspelning och ingen brådska, transkribera filen i stället.
Fungerar det i en webbläsarflik?: Ja. Den fångar en app och alla hjälpprocesser som appen startar, så ett samtal eller en video i en flik textas på samma sätt som en vanlig app. Det täcker också Electron-appar, vars ljud aldrig kommer från processen som bär deras namn.
Textar den min egen röst?: Inte som standard. Den hör det din Mac spelar upp, vilket i ett samtal är alla utom du. Om du väljer mikrofonen i ”Lyssna på” blir det tvärtom: då textas rummet, du inräknad, och macOS ber om tillgång till mikrofonen första gången du väljer den.
Hur stor är fördröjningen?: Den snabbaste engelska modellen börjar ge text ungefär 160 ms efter talaren; de mer exakta ligger längre efter. Det är ett reglage snarare än ett tal, och vilken ände du vill ha beror på om du följer ett samtal eller läser en föreläsning.
Kan jag spara transkriberingen?: Ja, när du ber om det. Efter minst en minuts tal erbjuder undertextrutan att spara dem när ljudet tystnar, eller innan en tillräckligt lång tystnad rensar undertexterna, och ”Spara transkribering…” i menyn sparar dem när som helst, som ren text, Markdown eller SRT; annars skrivs ingenting till disken. Fram till dess kan du hålla ned ⌥ för att spola tillbaka undertexterna och rulla eller söka i dem. Om du behöver anteckningar eller en sammanfattning efteråt är det en anteckningsapp du vill ha, inte det här.
Varför inte Apples egen taligenkänning?: Därför att den kräver macOS 26, och det här körs från 14.2. Apples taligenkänning är snabb och körs på enheten, och inget av det avgjorde saken: process taps kom i 14.2, det är golvet, och att höja det till 26 för en annan modell skulle stänga ute alla Mac-datorer som fortfarande kör 14 eller 15. Parakeet körs på Neural Engine från 14.2 och strömmar, vilket är vad undertexter i realtid behöver.

Samma överlägg, på andra ställen

Videor utan undertexter

Undertexter över en film, en stream eller en flik som aldrig hade något textspår.

Podcasts

Undertexter till programmen som aldrig fick någon transkribering.

Kompatibla appar

Spelar det upp ljud på din Mac textas det. Listan, och undantagen.

Jämfört med Apples Direkttextning

macOS har det här inbyggt och gratis. Här slutar det att räcka.

Alla alternativ, jämförda

Sex sätt att få undertexter på en Mac, och vilket som passar dig.

Vad appen sparar

Inget skrivs till disken om du inte sparar en transkribering, och när modellen väl är hämtad återstår bara en versionskontroll som du kan avböja och, med en nyckel, en kontroll av den en gång i månaden.

Undertexter till det som spelas just nu.

Prova gratis Köp för 19 $

Gratis i 7 dagar, sedan 19 $ en gång, alla framtida uppdateringar ingår · macOS 14.2 eller senare · Apple silicon
Obegränsade undertexter i realtid, så länge du äger Macen. Inga minuter att köpa, inget konto, inget abonnemang.