Cicada 直接听会议的系统音频,会议室里没有机器人

Cicada 第一个让人意外的地方,是它不做的事。它不进你的会议。没有叫 "Cicada Notetaker" 的参会者在大厅里等着,不用授权日历,也不用给对方发邮件解释有个 AI 在听。
它抓的是电脑本来就在播的声音。这一个选择去掉了会议机器人带来的一多半麻烦,也顺手拿掉了它们的借口:通话里什么都没变,所以不需要谁点头同意。
Cicada 由 wquguru 开发,免费,Apache-2.0 许可,2026 年 11 月 1 日出现在 GitHub 上。三周后 2,437 星。
屏幕上有什么
底部一条字幕栏,有人说话就浮出来,鼠标移到上面变半透明,几秒内识别出说的是哪种语言,然后翻成你的系统语言。想同时看原文和译文,或者只看一边,⌃⌥S 切换显示模式。
右边是随着会议长出来的笔记:摘要、议题、要点、结论、待办、一张鱼骨图,还有一份人名和术语表。点任意一条结论,会跳回它出自的那几行。⌘F 搜转写稿,同音字听错了也搜得到,因为搜的是改过的文本,不是原始音频。
纠错这一环是我没料到的。接上 AI 服务之后,听错的名字当场就能修:明显的同音字立刻改,陌生的名字问你一次,记住你的答案。开会前可以把词表粘进设置里,第一分钟词汇就在那儿了。会后用 Edit line… 把同一个错词在整个会话里批量改掉,还能撤销。
两路音频,一份记录
电脑的声音标记为 Online,麦克风标记为 In room,打开它就能收到坐在你旁边的人。两路进同一份记录,这才是混合会议该有的样子,可它少见得让人意外。
用外放而不是耳机时,Cicada 会去重,同一个人的声音不会出现两遍。戴耳机时两边可以同时说话,两边都留下。在 Mac 上,麦克风按钮旁边的箭头可以指定输入设备,比如 iPhone 的麦克风或者会议麦,不动系统默认。
麦克风听到的东西只进笔记,不会送进会议里。要让对方听到你,得用那个口译功能。
按住一个键,说自己的语言
就是这个功能让我多看了两眼。在 Mac 上按住右边的 ⌥,Windows 上按住右边的 Ctrl,然后说话。其他参会者在通话里听到的是你翻译后的声音,而且可以是你的声音:有 Ling 的 API key,Cicada 能用一段 8 到 30 秒的录音把它克隆出来。没有 key,也还有 macOS 自带的几个声音可用。
Mac 上还有个免按键模式:会议在放的时候你直接开口,会议音量会自动压低,你停下来一秒,译文就发出去。这个模式开着时麦克风是暂停的,README 建议旁边有别人时切回按键说话,免得把他们的声音当成你的。实用的提醒,也很容易忘。
底层上,打开口译会把系统麦克风切成 BlackHole 2ch,一个一键安装的虚拟声卡。这是唯一一个会让人卡住的设置步骤,而且躲不掉:要往会议软件里塞音频,总得有个东西假装自己是麦克风。
说话人、名字,还有记录
本地的声纹模型自动区分说话人,有 Ling key 的时候还会填上名字。分错了随时可以改名、合并,Mac 上还能让它记住某个声音,README 自己也写了要先问过那个人。声纹留在本机,设置里可以删。
记录把双语转写、笔记和原始音频都存在你自己的设备上。点任意一行就从那儿开始播,文字跟着高亮。会后可以重新生成笔记、就地改一条结论、语言识别错了重新转写,或者导入本地的音频、视频文件。导出支持 Markdown、Word 和 SRT。
有两个细节挺显眼。Copy Notes 粘到飞书、Notion 或者 Word 里,标题、列表和那张鱼骨图都还在。打开 "Save to folder" 之后,每场会议都变成一个带 frontmatter 的 Markdown 文件,掉进 Obsidian 库或者随便哪个文件夹,改名时跟着更新。2026 年,一个面向普通用户的应用,给 agent 准备 frontmatter:前提是下游有东西会来读这些笔记。
分享会生成一个链接,可以设有效期和密码,上传前会拦下密钥、未公开的公司信息和其他敏感字符串。拦截只是个过滤器,但方向是对的。
平台的现实
Mac 功能最全。Apple 芯片上语音识别跑在本地,音频不出电脑,不接 API key 也能用。Intel Mac 需要 key。Windows、Linux 和 Android 都要 key,来源可以是 Ling、OpenRouter、ZenMux 之类。
Linux 上笔记窗口在共享屏幕时是可见的,投屏之前最好知道这一点。Android 上系统不允许从通话和会议应用里录音频,绕法是开免提再加 "In person" 模式。这是平台的限制,不是 bug。
信它之前我会先确认的四件事
四件事。
知情同意。"别人根本不会发现"对被录的人来说是功能,对其他人是问题。不少司法辖区里录一场通话需要告知参与者。这个 app 让这件事很容易被忘掉,你不该忘。
压力下的翻译质量。现场口译是件难事,你开口前那一秒的停顿,是实实在在的语言约束。先在一场无关紧要的通话里试试,再拿去见客户。
依赖链。本地识别只有 Mac 有,其他全都要第三方 key。免费软件中间挂一个付费依赖,是常见的安排,但值得搞清楚 key 到期之后哪些部分会停。
说话人归属。声纹挺好,但不算完美,尤其在压缩过的会议编码下、声音又相似的时候。先读前几分钟的转写,再决定要不要信那些标签。
为什么值得占这块硬盘
这里面其实是三个平时分开卖的产品:实时字幕、会议笔记、同传口译。Cicada 三个都给了,用的是电脑本来就有的音频,结果存成你自己的文件。
让它变小的那个设计决定,是没有机器人。其余的都跟着来:不接日历,没有大厅,没有参会者列表,没有"让我进去"这一步。你按一个键,会议就有了字幕。
对一周要在两种语言之间开会的人来说,代价只是一个虚拟声卡,省掉的麻烦是大量的。
相关文章
ByteDance 的 SeedRealtime 每秒只取两帧,再自己决定什么时候开口
豆包 Seed-Realtime-1.0 把摄像头画面、屏幕画面和语音合成一个全双工会话,每秒最多推两帧。有意思的决定是帧率、主动说话,以及默认就开着的审核回复。
一台 server、一个 AI 主播:夜间直播背后的代码
open-yoki 是一个每晚在 Binance Square 直播的 AI 主播的生产代码,人格、声音和跟钱有关的功能都拿掉了。headless Chrome 画帧,ffmpeg 推 RTMP,一个 Markdown 文件夹决定她的情绪和要发的东西。
Pinky 让 agent 开你的手机,并且一直按住发送键,直到你点允许
Pinky 把任意 MCP agent 接到真的 iPhone 或 Android 手机上,审批放在自己的网关里执行,不写成 prompt。银行类应用对 agent 不可见,密码框碰不到,Android 13 上 agent 还能拿到一块隐藏的第二屏。
有人把全世界的法律放进了 git,于是你可以 blame 一条法条
global-law 把每个国家的法令存成一个 git 仓库,每次 commit 就是一部在某个已知日期生效的法律。你可以对一条法规跑 log、blame、show 和 diff,查某一天各国在施行什么法,并通过 MCP 把整份语料交给助手。