Cicada 直接聽會議的系統音訊,會議室裡沒有機器人

Cicada 第一個讓人意外的地方,是它不做的事。它不進你的會議。沒有叫「Cicada Notetaker」的參與者在大廳裡等著,不用授權行事曆,也不用對方發一封郵件解釋有個 AI 在聽。
它抓的是電腦本來就在播的聲音。這一個選擇去掉了會議機器人帶來的大半麻煩,也順手拿掉了它們的藉口:通話裡什麼都沒變,所以不需要誰點頭同意。
Cicada 由 wquguru 開發,免費,Apache-2.0 授權,2026 年 11 月 1 日出現在 GitHub 上。三週後 2,437 星。
螢幕上有什麼
底部一條字幕列,有人說話就浮出來,滑鼠移上去變半透明,幾秒內辨識出講的是哪種語言,然後翻成你的系統語言。想同時看原文和譯文,或只看一邊,⌃⌥S 切換顯示模式。
右邊是隨著會議長出來的筆記:摘要、議題、重點、結論、待辦、一張魚骨圖,還有一份人名和術語表。點任何一條結論,會跳回它出自的那幾行。⌘F 搜逐字稿,同音字聽錯了也搜得到,因為搜的是改過的文本,不是原始音訊。
糾錯這一環是我沒料到的。接上 AI 服務之後,聽錯的名字當場就能修:明顯的同音字立刻改,陌生的名字問你一次,記住你的答案。開會前可以把詞表貼進設定裡,第一分鐘詞彙就在那裡了。會後用 Edit line… 把同一個錯詞在整個工作階段裡批次改掉,還能復原。
兩路音訊,一份紀錄
電腦的聲音標記為 Online,麥克風標記為 In room,打開它就能收到坐在你旁邊的人。兩路進同一份紀錄,這才是混合會議該有的樣子,可它少見到讓人意外。
用喇叭而不是耳機時,Cicada 會去重,同一個人的聲音不會出現兩遍。戴耳機時兩邊可以同時說話,兩邊都留下。在 Mac 上,麥克風按鈕旁邊的箭頭可以指定輸入裝置,例如 iPhone 的麥克風或會議麥克風,不動系統預設值。
麥克風聽到的東西只進筆記,不會送進會議裡。要讓對方聽到你,得用那個口譯功能。
按住一個鍵,說自己的語言
就是這個功能讓我多看了兩眼。在 Mac 上按住右邊的 ⌥,Windows 上按住右邊的 Ctrl,然後說話。其他與會者在通話裡聽到的是你翻譯後的聲音,而且可以是你的聲音:有 Ling 的 API key,Cicada 能用一段 8 到 30 秒的錄音把它複製出來。沒有 key,也還有 macOS 內建的幾個聲音可用。
Mac 上還有個免按鍵模式:會議在播的時候你直接開口,會議音量會自動壓低,你停下來一秒,譯文就送出去。這個模式開著時麥克風是暫停的,README 建議旁邊有別人時切回按鍵說話,免得把他們的聲音當成你的。實用的提醒,也很容易忘。
底層上,打開口譯會把系統麥克風切成 BlackHole 2ch,一個一鍵安裝的虛擬音效驅動。這是唯一一個會讓人卡住的設定步驟,而且躲不掉:要往會議軟體裡塞音訊,總得有個東西假裝自己是麥克風。
說話者、名字,還有紀錄
本機的聲紋模型自動區分說話者,有 Ling key 的時候還會填上名字。分錯了隨時可以改名、合併,Mac 上還能讓它記住某個聲音,README 自己也寫了要先問過那個人。聲紋留在本機,設定裡可以刪。
紀錄把雙語逐字稿、筆記和原始音訊都存在你自己的裝置上。點任何一行就從那裡開始播,文字跟著高亮。會後可以重新產生筆記、就地改一條結論、語言辨識錯了重新轉錄,或匯入本機的音訊、影片檔。匯出支援 Markdown、Word 和 SRT。
有兩個細節挺顯眼。Copy Notes 貼到 Feishu、Notion 或 Word 裡,標題、清單和那張魚骨圖都還在。打開 "Save to folder" 之後,每場會議都變成一個帶 frontmatter 的 Markdown 檔,掉進 Obsidian 庫或隨便哪個資料夾,改名時跟著更新。2026 年,一個面向一般使用者的應用程式,給 agent 準備 frontmatter:前提是下游有東西會來讀這些筆記。
分享會產生一個連結,可以設有效期和密碼,上傳前會攔下金鑰、未公開的公司資訊和其他敏感字串。攔截只是個過濾器,但方向是對的。
平台的現實
Mac 功能最完整。Apple 晶片上語音辨識跑在本機,音訊不出電腦,不接 API key 也能用。Intel Mac 需要 key。Windows、Linux 和 Android 都要 key,來源可以是 Ling、OpenRouter、ZenMux 之類。
Linux 上筆記視窗在螢幕分享時是可見的,投影之前最好知道這一點。Android 上系統不允許從通話和會議應用程式錄音訊,繞法是開擴音再加 "In person" 模式。這是平台的限制,不是 bug。
信它之前我會先確認的四件事
四件事。
知情同意。「別人根本不會發現」對被錄的人來說是功能,對其他人是問題。不少司法管轄區裡錄一場通話需要告知與會者。這個 app 讓這件事很容易被忘掉,你不該忘。
壓力下的翻譯品質。現場口譯是件難事,你開口前那一秒的停頓,是實實在在的語言約束。先在一場無關緊要的通話裡試試,再拿去見客戶。
依賴鏈。本機辨識只有 Mac 有,其他全都要第三方 key。免費軟體中間掛一個付費依賴,是常見的安排,但值得搞清楚 key 到期之後哪些部分會停。
說話者歸屬。聲紋挺好,但不算完美,尤其在壓縮過的會議編碼下、聲音又相似的時候。先讀前幾分鐘的逐字稿,再決定要不要信那些標籤。
為什麼值得佔這塊硬碟
這裡面其實是三個平常分開賣的產品:即時字幕、會議筆記、同步口譯。Cicada 三個都給了,用的是電腦本來就有的音訊,結果存成你自己的檔案。
讓它變小的那個設計決定,是沒有機器人。其餘的都跟著來:不接行事曆,沒有大廳,沒有與會者名單,沒有「讓我進去」這一步。你按一個鍵,會議就有了字幕。
對一週要在兩種語言之間開會的人來說,代價只是一個虛擬音效驅動,省掉的麻煩是大量的。
相關文章
ByteDance 的 SeedRealtime 每秒只取兩張影格,再自己決定什麼時候開口
豆包 Seed-Realtime-1.0 把攝影機畫面、螢幕畫面和語音合成一個全雙工工作階段,每秒最多推兩張影格。有意思的決定是影格率、主動說話,以及預設就開著的審核回覆。
一台 server、一個 AI 主播:夜間直播背後的程式碼
open-yoki 是一個每晚在 Binance Square 直播的 AI 主播的生產程式碼,人格、聲音和跟錢有關的功能都拿掉了。headless Chrome 畫幀,ffmpeg 推 RTMP,一個 Markdown 資料夾決定她的情緒和要發的東西。
Pinky 讓 agent 開你的手機,並且一直按著傳送鍵,直到你按下允許
Pinky 把任何 MCP agent 接到真的 iPhone 或 Android 手機上,審批在自己的閘道裡執行,不寫成 prompt。銀行類 App 對 agent 不可見,密碼欄位碰不到,在 Android 13 上 agent 還能拿到一塊隱藏的第二螢幕。
有人把全世界的法律放進了 git,於是你可以 blame 一條法條
global-law 把每個國家的法令存成一個 git 儲存庫,每次 commit 就是一部在某個已知日期生效的法律。你可以對一條法規跑 log、blame、show 和 diff,查某一天各國在施行什麼法,並透過 MCP 把整份語料交給助理。