先实时，后定稿
最后一秒的语音每次更新都会重译，并以压暗的样子显示，直到稳定下来。压暗的文字还可能改，清晰的已经定了。你读到的是一页基本不动的文字，代价是最新的那几个词看着像临时的，而它们确实是。
Subtitles · 实时翻译
字幕译成你的语言，
话还没说完就出来。
Subtitles 会把 Mac 播放的内容写下来。从 1.3 版起，它还能边听边译，在它能识别的十六种语言中任意两种之间互译，就在这台 Mac 上完成，用的是 Apple 自己的翻译功能。翻译时什么都不上传，这件事也只有这样做才值得。
10 月 31 日前：$9，原价 $19 · 14 天内无理由退款
- 免费用 7 天，不用绑卡，不用注册账号
- 一次性 $19，包含日后所有更新
- 14 天内无理由退款
- 下载：需搭载 Apple silicon、运行 macOS 14.2 或更高版本的 Mac
- 在 Gumroad 上评分 5.0
We ship on Thursday if the review comes back clean.
如果评审结果没问题，我们周四就发布。
Otherwise it slips a week, and I would rather say so now.
否则就要推迟一周，我宁可现在就说清楚。
Two tickets are still open, and neither one is blocking.
还有两个工单没关，但都不算阻塞。
I will send you the write-up tonight.
我今晚把纪要发给你。
And we meet again on Thursday, same time.
那我们周四同一时间再碰。
一通英语通话，用中文读，在 Mac 上翻译，话还没说完译文就出来了。按住 ⌃，英文就会顶替上来，实时那一行和 ⌥ 调出的那一叠里的每一块都是，直到你松开。
按住 ⇧ 拖动字幕就能挪动它们，和在 app 里一样。
按住 ⌥，最近几个字幕块会重新叠起来。
点一下菜单栏里的 ：标有试试的项目在这个演示里都能用。
菜单里的三项
翻译为就在语言选择器下面，默认停在“关闭”。选一个目标语言，从下一句起字幕就以那种语言出现。紧挨着的翻译节奏决定一句话还没说完时你看到什么，而这恰恰就是整个设计难题。
同时显示两种语言在“翻译为”里，就在“关闭”下面，它把译文和原文放进同一个字幕块：译文作为字幕，原文在下面，字更小。在“声音来源”里选麦克风，同一台 Mac 前的两个人就可以用两种语言对话，各自用自己的语言读对方的话；有人说的恰好是目标语言时，两种语言就自动对调。
第三项朗读翻译会在每句话定下来后把译文读出来，用的是 macOS 为该语言装好的最好的声音。什么都不跳过，也不赶：说话人太快、声音落在后面时，它会在停顿里追上。朗读时，原声音量降到四分之一，读完再恢复，两个声音不会打架。⌥⌘. 可以让它停下，或者把最后一行再读一遍。
旁白运行时它默认打开，而旁白能读出字幕块、按下上面的按钮，所以另一种语言的通话或电影，完全不用读也能跟上。旁白自己的语音永远不会被配上字幕、翻译或调低音量。设成“始终”，没有旁白它也会读给你听。
用麦克风收音、声音从 Mac 自己的扬声器放出来时，它会等到出现停顿再开口；朗读时有人说话，照样会配上字幕：macOS 通话所用的回声消除，会把朗读译文的声音从麦克风听到的声音里去掉。戴着耳机的话，它会立刻朗读。
而且字幕一直在你看得到的地方。需要翻译的通话，往往也是你一边开会一边干活的通话：共享的文档、那份规格、正在争论的设计。译文显示在位于所有窗口之上的浮层里，而不是在那个正在出声的 app 里面，所以切去干活，也不会漏看字幕。
难就难在话还没说完
翻译一句已经说完的话很快：在这台硬件上是 40 到 125 毫秒，和一个人把这句话说完所需的时间相比不值一提。真正的问题是，在那句话说到末尾之前的那几秒里，屏幕上该有什么，而这没有一个对所有人都成立的答案。所以有两种，选择权在你。
始终实时
每次更新都会重译全部内容。没有什么落在说话人后面，也没有什么被压着不出，代价是你已经读过的一行，可能在句子说到那个改变一切的词时，当着你的面被改写。
这两种之下还有一条不可选的规则：翻译的单位是完整的分句，绝不是字幕块。浮层是在文字放不下的地方分页的，而那多半落在句子中间；单独拿去翻译的片段会丢掉词格、丢掉性数一致，或者丢掉说话人还没说到的那个动词。所以翻译的单位和显示的单位是两回事，分页发生在之后，落在已经通顺的文字上。
一块字幕填满翻页时，会从它最后显示过的那个分句重新开始，而不是从溢出去的那个词开始，这样断开的地方还有一行可以重新抓住，而不是硬生生一刀切下。这一点只在字幕块翻得很快时才要紧：一块停留得够久、够你读完的，本来就已经把那一行给过你了。
按住 ⌃，原文就回来了
翻译要拿走的，正是你原本在听的东西。按住 ⌃ 就把它还回来：当前的字幕块和 ⌥ 那一叠会一起切到说话人的语言，你按多久就持续多久。你看的时候翻译仍在下面继续，所以松手回到的是当下的文字，而不是你离开时的那张定格；而且每种语言各有各的历史，这一叠永远不会把两者混在一起。
对正在学这门语言的人来说，这才是用得上的方式：跟丢了就读自己的语言，其余时间什么都不用按。
每一对语言，都不必绕道英语
十六种语言组成 240 个有序组合，而且每一个都能用。这就是这里的翻译是第二道工序、而不是识别器上的一个设置的原因：边转写边翻译的模型是按译入英语、译出英语训练的，法语到德语就得绕道英语，而这些语言里有好几种压根不在它们的清单上。把已经成形的文本交给一个覆盖全部组合的翻译器，代价是几十毫秒，而且谁都不落下。
在自动识别下，源语言取自识别器自己的语言标记，它一两个词就能确定，而不是让翻译器一句一句去猜。
翻译也不出这台 Mac
音频从来没出去过，译好的文字也不会。它走的是 Apple 的 Translation 框架，也就是 macOS 其余部分用的那套设备端翻译，所以这里没有服务器，没有要保管的 API 密钥，也没有要注册的账号。唯一一次动到网络，是第一次使用时 macOS 询问要不要下载某个语言对，这件事它给自己的翻译也照做；此后语言对就在硬盘上，再没有什么要取的了。
读出声来，也还是留在这台 Mac 上：声音是 macOS 已经装好的，朗读时什么都不会发到别处。
翻不翻译，除非你保存一份文字记录，否则都不会记下任何东西。译过的字幕出现在屏幕上，然后就消失了，和没译过的一样，隐私页面之所以短，原因也还是那一个。
依赖它之前，先了解这几点
- 只有这个功能需要 macOS 15 或更高版本。Apple 的翻译能力是在那里才有的。在 14.2 上，应用照样为它一直以来能处理的一切做字幕，只是那三项不在菜单里，而不是变灰。
- 它翻的是听到的内容，不是说出口的内容。识别器听错的名字，会被忠实地译成一个错的名字。错误不会在第二道工序里互相抵消；在最看重准确度的场合，把说话的语言定死、而不是留给自动识别，才是真正管用的设置。
- 凡是有人写好的字幕，都比这个好。有人写过、校过、对过时间轴的翻译每次都赢过机器翻的。这东西是为从来没有过这种翻译的音频准备的：那通电话、那次 huddle、那堂课、那集播客、那段只剩原声轨的视频。
- 一次只有一个方向。只有一个目标语言，而不是一对，所以一场两种语言的通话会统一译成你的那一种，至于实际说的是什么，用 ⌃ 看。
关于翻译的问题
- Subtitles 能在哪些语言之间翻译？
- 它能做字幕的十六种语言中的任意一种，译到其余十五种中的任意一种：英语、西班牙语、法语、意大利语、葡萄牙语、德语、荷兰语、土耳其语、俄语、阿拉伯语、印地语、日语、韩语、越南语、乌克兰语和普通话。这是 240 个有序组合，而且没有一个在中途绕道英语。
- 音频会离开我的 Mac 去翻译吗？
- 不会。音频本来就不出去，文字也一样：翻译走的是 Apple 的 Translation 框架，它在设备上运行。第一次用某个语言对时，macOS 可能会问你要不要下载，就像它给自己的翻译做的那样；此后语言对就在硬盘上。这个 app 还可能发出的请求只有两样：每天一次检查它自己有没有新版本，你可以拒绝；以及拿到授权密钥之后每月一次的密钥核对。
- 两种节奏有什么区别？
- “先实时，后定稿”每次更新都重译最后一秒的语音，并把它压暗直到稳定：清晰的文字已经不再变，压暗的还可能动。“始终实时”每次更新都重译全部内容：不会落在说话人后面，但屏幕上的任何内容都还可能被改写。读起来更安稳的是“先实时，后定稿”，永远不让你落后一句的是“始终实时”。
- 能同时看到原来的语言吗？
- 按住 ⌃。当前的字幕块和 ⌥ 那一叠会一起切到说话人的语言，按住多久就持续多久，翻译在下面继续跑，所以松手看到的是当前的文字，而不是你离开时的那张定格。每种语言各有各的历史，所以这一叠永远不会把两者混在一起。
- 翻译需要哪个版本的 macOS？
- macOS 15，因为 Apple 的 Translation 框架是在那里才有的。做字幕本身在 14.2 上照样可用，只是那里的“翻译为”和“翻译节奏”不是变灰，而是根本不在菜单里。
- 这和流媒体平台上的字幕是一回事吗？
- 不是。流媒体平台给的是有人写过、校过、对过时间轴的翻译，凡是有的场合，那都比这个好。这东西是为从来没有过这种翻译的音频准备的：一通电话、一次 huddle、一堂课、一集播客、一段只剩原声轨的视频。