pot-desktop

GitHub
17.5k 844 简单 12 次阅读 今天GPL-3.0音频语言模型图像
AI 解读 由 AI 自动生成,仅供参考

Pot-desktop 是一款专为提升多语言处理效率设计的跨平台软件,核心功能涵盖划词翻译、OCR 文字识别及剪贴板监听。它有效解决了用户在浏览外文网页、阅读 PDF 或查看图片时,因频繁切换应用和手动复制导致的操作繁琐痛点。

无论是需要查阅学术文献的学生、处理英文文档的开发者,还是日常办公的普通用户,Pot-desktop 都能提供无缝的翻译体验。其显著优势在于支持数十种主流翻译接口,包括 OpenAI、DeepL、百度及谷歌等,并允许并行调用以对比结果。软件采用 Tauri 框架开发,确保在 Windows、macOS 和 Linux 系统上轻量且稳定,同时兼容 Wayland 环境。此外,开放的插件系统让用户能自定义功能,满足个性化需求。作为一个开源项目,Pot-desktop 致力于成为你桌面上的全能翻译助手。

使用场景

一名全栈开发者正在查阅国外开源项目的 Issue 列表,同时需要在本地终端排查编译错误,面临大量英文技术术语和截图日志的处理需求。

没有 pot-desktop 时

  • 需要频繁在浏览器翻译网站和 IDE 之间切换,手动复制粘贴打断编码思路。
  • 遇到截图中的报错信息或配置参数,必须额外打开 OCR 软件识别,步骤繁琐且容易出错。
  • 单一翻译引擎往往无法准确理解专业术语,导致代码注释误解风险高,影响开发进度。
  • 剪贴板里的英文片段无法自动翻译,每次遇到新内容都要重新输入或查找对应工具。

使用 pot-desktop 后

  • 直接在代码编辑器或浏览器中划词即可显示翻译,无需离开当前工作流,保持专注。
  • 利用截图 OCR 功能框选报错日志,瞬间完成文字识别与翻译对照,快速定位问题。
  • 支持接入 Ollama 离线模型及 DeepL 等专业接口,灵活应对不同精度和隐私需求。
  • 开启剪切板监听后,复制任何英文内容都能自动获取译文,极大减少重复操作步骤。

pot-desktop 将翻译能力深度融入开发环境,让跨语言技术协作变得流畅无阻。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notesWindows 必须安装 WebView2 运行时;Linux Arch 发行版若使用 Nvidia 专有驱动,需设置环境变量 WEBKIT_DISABLE_DMABUF_RENDERER=1 以避免崩溃;Wayland 桌面环境下部分快捷键和截图功能受限,可通过外部 HTTP 接口调用替代;支持插件系统以扩展本地模型(如 Ollama)及 OCR 功能。
python未说明
Tauri 1.6.8
WebView2
Webkit2Gtk
pot-desktop hero image

快速开始

Pot (派了个萌的翻译器)

🌈 一个跨平台的划词翻译软件 (QQ 频道)

License Tauri JavaScript Rust Windows MacOS Linux



中文 | English | 한글

目录

使用说明

划词翻译 输入翻译 外部调用
鼠标选中需要翻译的文本,按下设置的划词翻译快捷键即可 按下输入翻译快捷键呼出翻译窗口,输入待翻译文本后按下 回车 翻译 通过被其他软件调用实现更加方便高效的功能,详见 外部调用
剪切板监听模式 截图 OCR 截图翻译
在任意翻译面板上点击左上角图标启动剪切板监听默认,复制文字即可完成翻译 按下截图 OCR 快捷键后框选需要识别区域即可完成识别 按下截图翻译快捷键后框选需要识别区域即可完成翻译

特色功能

支持接口

翻译

更多接口支持见 插件系统

文字识别

更多接口支持见 插件系统

语音合成

更多接口支持见 插件系统

生词本

更多接口支持见 插件系统

插件系统

软件内置接口数量有限,但是您可以通过插件系统来扩展软件的功能。

插件安装

你可以在 插件列表 查找你需要的插件,然后前往插件仓库下载插件。

pot 插件的扩展名为 .potext, 下载得到.potext文件之后, 在 偏好设置 - 服务设置 - 添加外部插件 - 安装外部插件 选择对应的 .potext 即可安装成功,添加到服务列表中即可像内置服务一样正常使用了。

故障排除

  • 找不到指定的模块 (Windows)

    出现类似这样的报错是因为系统缺少 C++ 库,前往这里安装即可解决问题。

  • 不是有效的 Win32 应用程序 (Windows)

    出现类似这样的报错说明你没有下载对应系统或者架构的插件,前往插件仓库下载正确的插件即可解决问题。

插件开发

插件列表 中的 模板 章节提供了各种插件的开发模板,具体的开发文档请查看对应的模板仓库。

安装指南

Windows

通过 Winget 安装

winget install Pylogmon.pot

手动安装

  1. 发布版本 页面下载最新 exe 安装包。

    • 64 位机器下载 pot_{version}_x64-setup.exe
    • 32 位机器下载 pot_{version}_x86-setup.exe
    • arm64 机器下载 pot_{version}_arm64-setup.exe
  2. 双击安装包进行安装。

故障排除

  • 启动后没有界面,点击托盘图标没有反应

    检查是否卸载/禁用了 WebView2,如果卸载/禁用了 WebView2,请手动安装 WebView2 或将其恢复。

    如果是企业版系统不方便安装或无法安装 WebView2,请尝试在 Release 下载内置 WebView2 的版本 pot_{version}_{arch}_fix_webview2_runtime-setup.exe

    若问题仍然存在请尝试使用 Windows7 兼容模式启动。

MacOS

通过 Brew 安装

  1. 添加我们的 tap:
brew tap pot-app/homebrew-tap
  1. 安装 pot:
brew install --cask pot
  1. 更新 pot
brew upgrade --cask pot

手动安装

  1. Release 页面下载最新的 dmg 安装包。(如果您使用的是 M1 芯片,请下载名为pot_{version}_aarch64.dmg的安装包,否则请下载名为pot_{version}_x64.dmg的安装包)
  2. 双击下载的文件后将 pot 拖入 Applications 文件夹即可完成安装。

故障排除

  • 由于开发者无法验证,“pot”无法打开。

    点击 取消 按钮,然后去 设置 -> 隐私与安全性 页面,点击 仍要打开 按钮,然后在弹出窗口里点击 打开 按钮即可,以后打开 pot 就再也不会有任何弹窗告警了

    如果在 隐私与安全性 中找不到以上选项,或启动时提示文件损坏。打开 Terminal.app,并输入以下命令,然后重启 pot 即可:

    sudo xattr -d com.apple.quarantine /Applications/pot.app
    
  • 如果每次打开时都遇到辅助功能权限提示,或者无法进行划词翻译,请前往设置 -> 隐私与安全 -> 辅助功能,移除 “pot”,并重新添加 “pot”。

Linux

Debian/Ubuntu

  1. Release 页面下载最新的对应架构的 deb 安装包。

  2. 使用 apt-get 进行安装

    sudo apt-get install ./pot_{version}_amd64.deb
    

Arch/Manjaro

[!WARNING] 在最新版本的 Webkit2Gtk (2.42.0) 中,由于 Nvidia 专有驱动未完全实现 DMABUF,将导致无法启动和崩溃的情况发生。
请降级或在 /etc/environment (或者其他设置环境变量的地方)中加入 WEBKIT_DISABLE_DMABUF_RENDERER=1 环境变量关闭 DMABUF 的使用。

  1. AUR 查看

使用 AUR helper 安装:

yay -S pot-translation # 或 pot-translation-bin

# paru -S pot-translation # 或 pot-translation-bin
  1. 如果你使用 archlinuxcn 源,可以直接使用 pacman 安装
sudo pacman -S pot-translation

Flatpak

[!WARNING] Flatpak 版本缺失托盘图标。

Download on Flathub

外部调用

Pot 提供了完整的 HTTP 接口,以便可以被其他软件调用。您可以通过向 127.0.0.1:port 发送 HTTP 请求来调用 pot,其中的port是 pot 监听的端口号,默认为60828,可以在软件设置中进行更改。

API 文档:

POST "/" => 翻译指定文本(body 为需要翻译的文本),
GET "/config" => 打开设置,
POST "/translate" => 翻译指定文本 (同"/"),
GET "/selection_translate" => 划词翻译,
GET "/input_translate" => 输入翻译,
GET "/ocr_recognize" => 截图 OCR,
GET "/ocr_translate" => 截图翻译,
GET "/ocr_recognize?screenshot=false" => 截图 OCR(不使用软件内截图),
GET "/ocr_translate?screenshot=false" => 截图翻译 (不使用软件内截图),
GET "/ocr_recognize?screenshot=true" => 截图 OCR,
GET "/ocr_translate?screenshot=true" => 截图翻译,

示例:

  • 调用划词翻译:

    如果想要调用 pot 划词翻译,只需向127.0.0.1:port发送请求即可。

    例如通过 curl 发送请求:

    curl "127.0.0.1:60828/selection_translate"
    

不使用软件内截图

这一功能可以让您在不使用软件内截图的情况下调用截图 OCR/截图翻译功能,这样您就可以使用您喜欢的截图工具来截图了,也可以解决在某些平台下 pot 自带的截图无法使用的问题。

调用流程

  1. 使用其他截图工具截图
  2. 将截图保存在 $CACHE/com.pot-app.desktop/pot_screenshot_cut.png
  3. 127.0.0.1:port/ocr_recognize?screenshot=false发送请求即可调用成功

$CACHE为系统缓存目录,例如在 Windows 上为C:\Users\{用户名}\AppData\Local\com.pot-app.desktop\pot_screenshot_cut.png

示例

在 Linux 下调用 Flameshot 进行截图 OCR:

rm ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && flameshot gui -s -p ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_recognize?screenshot=false"

现有用法 (快捷划词翻译)

SnipDo (Windows)

  1. Microsoft Store 下载安装 SnipDo。
  2. Release 下载 pot 的 SnipDo 扩展 (pot.pbar)
  3. 双击下载的扩展文件完成安装。
  4. 选中文字,可以看到弹出的 SnipDo 工具条,点击翻译按钮即可翻译。

PopClip (MacOS)

  1. App Store 下载安装 PopClip
  2. Release 下载 pot 的 PopClip 扩展 (pot.popclipextz)
  3. 双击下载的扩展文件完成安装。
  4. 在 PopClip 的扩展中启用 pot 扩展,选中文本即可点击翻译。

Starry (Linux)

Starry 目前仍处于开发阶段,因此您只能手动编译它。

Github: ccslykx/Starry

Wayland 支持

由于各大发行版对于 Wayland 的支持程度不同,所以 pot 本身没法做到特别完美的支持,这里可以提供一些常见问题的解决方案,通过合理的设置之后,pot 也可以在 Wayland 下完美运行。

快捷键无法使用

由于 Tauri 的快捷键方案并没有支持 Wayland,所以 pot 应用内的快捷键设置在 Wayland 下无法使用。 您可以设置系统快捷用 curl 发送请求来触发 pot,详见 外部调用

截图无法使用

在一些纯 Wayland 桌面环境/窗口管理器 (如 Hyprland) 上,pot 内置的截图无法使用,这时可以通过使用其他截图工具代替,详见 不使用软件内截图

下面给出在 Hyprland 下的配置示例 (通过 grim 和 slurp 实现截图):

bind = ALT, X, exec, grim -g "$(slurp)" ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_recognize?screenshot=false"
bind = ALT, C, exec, grim -g "$(slurp)" ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png && curl "127.0.0.1:60828/ocr_translate?screenshot=false"

其他桌面环境/窗口管理器也是类似的操作

划词翻译窗口跟随鼠标位置

由于目前 pot 在 Wayland 下还无法获取到正确的鼠标坐标,所以内部的实现无法工作。 对于某些桌面环境/窗口管理器,可以通过设置窗口规则来实现窗口跟随鼠标位置,这里以 Hyprland 为例:

windowrulev2 = float, class:(pot), title:(Translator|OCR|PopClip|Screenshot Translate) # Translation window floating
windowrulev2 = move cursor 0 0, class:(pot), title:(Translator|PopClip|Screenshot Translate) # Translation window follows the mouse position.

国际化 (Weblate)

贡献者

手动编译

环境要求

Node.js >= 18.0.0

pnpm >= 8.5.0

Rust >= 1.80.0

开始编译

  1. Clone 仓库

    git clone https://github.com/pot-app/pot-desktop.git
    
  2. 安装依赖

    cd pot-desktop
    pnpm install
    
  3. 安装依赖 (仅 Linux 需要)

    sudo apt-get install -y libgtk-3-dev libwebkit2gtk-4.0-dev libayatana-appindicator3-dev librsvg2-dev patchelf libxdo-dev libxcb1 libxrandr2 libdbus-1-3
    
  4. 开发调试

    pnpm tauri dev # Run the app in development mode
    
  5. 打包构建

    pnpm tauri build # Build into installation package
    

感谢

版本历史

3.0.72025/05/10
3.0.62024/10/29
3.0.52024/06/27
3.0.42024/06/26
3.0.32024/06/26
3.0.22024/06/24
3.0.12024/06/24
3.0.02024/06/23
2.7.102024/04/14
2.7.92024/03/02
2.7.82024/02/24
2.7.72024/02/22
2.7.62024/02/14
2.7.52024/02/13
2.7.42024/01/07
2.7.32023/12/22
2.7.22023/12/14
2.7.12023/12/01
2.7.02023/11/16
2.6.82023/11/06

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架