Pot 完全实战指南跨平台划词翻译、截图 OCR 与外部调用一站式上手【免费下载链接】pot-desktop一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.项目地址: https://gitcode.com/GitHub_Trending/po/pot-desktopPot派了个萌的翻译器是一款跨平台的划词翻译与截图 OCR 工具覆盖 Windows、macOS、Linux 三大系统把翻译、识别、语音合成压缩进几个快捷键和一个本地 HTTP 接口适合阅读外文资料、处理外文截图、想提效的办公人群。️ 技术架构速览一句话概括 Pot 的分工Tauri 写后端用 Rust写前端用 React。Tauri 可以理解成Rust 写后端、Web 写前端的桌面框架这里前端是 React 18 Vite TailwindCSS状态管理用 jotai原子化状态库界面组件基于 NextUI。两端的职责划分很清晰Rust 后端src-tauri/src窗口、全局快捷键、截图、系统级 OCR、托盘、内置 HTTP 服务、更新检查全部走原生能力React 前端翻译窗口、设置页、各服务配置面板等所有 UI 逻辑。前端通过tauri-apps/api的invoke命令调用后端比如截图裁剪、剪贴板读写、插件安装、系统 OCR 等。翻译、识别、语音这几类服务本身则是前端模块——运行时由它决定实际请求哪个接口多个接口可以同时挂着、并行出结果。 三步跑起来三大系统都有最短安装路径任选其一三分钟能完事。WindowsPowerShell 执行winget install Pylogmon.pot或从 Release 下载对应架构x64/x86/arm64的 exe 安装包双击即可。启动后没有界面、点托盘没反应多半是 WebView2 被卸载或禁用装上或恢复它企业系统不便安装时可改用内置 WebView2 运行时的_fix_webview2_runtime版本。macOSbrew tap pot-app/homebrew-tap后brew install --cask pot升级执行brew upgrade --cask pot或下载 dmgM1 选 aarch64、Intel 选 x64拖进 Applications。提示由于开发者无法验证去设置 → 隐私与安全性点仍要打开若找不到选项或提示文件损坏终端执行sudo xattr -d com.apple.quarantine /Applications/pot.app后重启。Linuxsudo apt-get install ./pot_{version}_amd64.deb # Debian/Ubuntu yay -S pot-translation # Arch/ManjaroFlathub 上也有com.pot_app.pot但该版本缺托盘图标。首次启动会自动弹出设置窗口配好翻译接口或直接用默认、绑定快捷键就能投入使用了。 核心能力实战屏幕上的文字选中就能译、输入就能译操作鼠标选中一段外文按下划词翻译快捷键或者按输入翻译快捷键呼出空白窗口输入内容后回车。效果翻译窗口出现在鼠标旁边多个引擎的结果并排给出每条结果旁带朗读、复制、导出生词本按钮。看 PDF 论文时选中一段摘要译文立刻铺开不用来回切软件。底层原理快捷键触发 Rust 侧的selection_translatesrc-tauri/src/window.rs先经selection::get_text()读出系统选区文本写入全局状态StringWrapper再通过new_text事件推给翻译窗口渲染输入模式则是写入[INPUT_TRANSLATE]特殊标记前端据此切换成可输入状态。复制即自动译剪贴板监听操作在任意翻译面板上点左上角图标开启剪贴板监听默认关闭。效果浏览器里复制一段英文译文自动弹出来全程不碰快捷键。整理外文邮件、批量摘录术语时尤其顺手。底层原理启动时 Rust 读取clipboard_monitor配置并拉起剪贴板监听线程检测到内容变化就触发翻译前端无需额外操作。图片里的文字框选即识别、框选即翻译操作按截图 OCR 快捷键框选区域完成识别按截图翻译快捷键则先识别再翻译直接给出译文。效果扫描件、外文界面截图、手写笔记一步取出文字或译文省掉手动敲字。底层原理非 macOS 平台会创建一个全屏透明截图窗口框选结束后由cut_image命令裁剪出区域并保存为缓存目录下的pot_screenshot_cut.pngmacOS 直接调用系统screencapture -i。识别优先走离线系统 OCR——Windows 用 Windows.Media.OCR、macOS 用 Vision Framework、Linux 调 Tesseract实现在 src-tauri/src/system_ocr.rs离线不满足需求时再切云端接口。 接入你的翻译引擎内置接口按能力分四类都在偏好设置 → 服务设置里管理同一类别可同时启用多个、结果并排显示翻译OpenAI、智谱、Gemini Pro、Ollama可离线本地跑等大模型类百度、腾讯翻译君、阿里、火山、Transmart、小牛等云厂商类Google、Bing、DeepL、有道、剑桥、Yandex、ECDICT、Lingva 等通用词典类识别离线系统 OCR 与浏览器端 Tesseract.js百度、腾讯、火山、讯飞等云端 OCR图片翻译、公式识别 Simple LaTeX、二维码识别语音合成Lingva一键朗读翻译结果生词本Anki、欧路词典直接导出有道、扇贝走插件。需要开发者密钥的接口得自行注册并填写Ollama、系统 OCR 这类离线方案则开箱即用。各接口在源码中按模块分目录组织启动时会校验已配置接口是否仍可用src-tauri/src/config.rs。界面本身支持二十多种语言通过 Weblate 协作维护。 插件与扩展内置接口不够用时装插件就能扩——插件文件扩展名是.potext本质是压缩包分翻译、识别、语音合成、生词本四类安装在偏好设置 → 服务设置 → 添加外部插件选择.potext文件。安装时校验文件名必须以plugin开头包内须含info.json带plugin_type字段和main.js入口通过后解压到系统配置目录的plugins/{类型}/{名称}下src-tauri/src/cmd.rs开发前端运行期读取插件main.js并注入工具集含tauriFetch、DatabaseSQL 存储、CryptoJS、run执行插件自带可执行文件及cacheDir、osType等环境信息src/utils/invoke_plugin.js官方按类型提供了模板仓库可直接起手常见报错Windows 报找不到指定的模块——缺 C 运行库装 VC Redistributable 即可报不是有效的 Win32 应用程序——插件架构与系统不匹配重新下载对应 x86/x64/arm64 版本。让其他软件调用它启动后 Pot 会在本地起一个 HTTP 服务基于tiny_http、独立线程监听实现见 src-tauri/src/server.rs地址127.0.0.1默认端口60828可在设置中修改所有成功请求返回ok。端点功能POST /、POST /translate翻译指定文本body 即文本内容GET /config打开设置窗口GET /selection_translate划词翻译GET /input_translate输入翻译GET /ocr_recognize截图 OCR内置截图等同screenshottrueGET /ocr_translate截图翻译内置截图等同screenshottrueGET /ocr_recognize?screenshotfalse截图 OCR外部截图GET /ocr_translate?screenshotfalse截图翻译外部截图最常用的就一条curl 127.0.0.1:60828/selection_translatescreenshotfalse 模式内置截图用不了时Wayland 下很常见可以自带截图工具——把截图存到缓存目录的com.pot-app.desktop/pot_screenshot_cut.png如 Windows 的AppData\Local、Linux 的~/.cache再发请求即可。Linux 上用 Flameshot 一步完成的例子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?screenshotfalse现成的组合方案Windows 上配 SnipDo装它的.pbar扩展选中文字弹工具条点翻译macOS 上配 PopClip装.popclipextz扩展选中文本直接点翻译Linux 上还有开发中的 Starry。跨平台适配与疑难排查Wayland 是重灾区Tauri 的全局快捷键与截图方案对它的适配尚不完善用三个办法补齐快捷键用不了改用系统级快捷键通过 curl 发请求触发 Pot 对应功能见上节端点表内置截图用不了Hyprland 等纯 Wayland 环境换grimslurp截图存到指定缓存路径再走screenshotfalse模式翻译窗口不跟随鼠标Wayland 下拿不到精确鼠标坐标借助窗口管理器的窗口规则解决。Hyprland 配置示例# 外部截图触发 OCR / 截图翻译 bind ALT, X, exec, grim -g $(slurp) ~/.cache/com.pot-app.desktop/pot_screenshot_cut.png curl 127.0.0.1:60828/ocr_recognize?screenshotfalse # 翻译窗口浮起并跟随鼠标 windowrulev2 float, class:(pot), title:(Translator|OCR|PopClip|Screenshot Translate) windowrulev2 move cursor 0 0, class:(pot), title:(Translator|PopClip|Screenshot Translate)其他平台的权限与依赖问题macOS 权限每次启动都弹辅助功能提示、或划词翻译失灵去设置 → 隐私与安全性 → 辅助功能移除 pot 再重新添加Linux 依赖WebKit2Gtk 2.42.0 搭配 Nvidia 专有驱动时 DMABUF 实现不完整可能出现无法启动或崩溃降级该包或在/etc/environment加WEBKIT_DISABLE_DMABUF_RENDERER1。从源码构建环境要求Node.js ≥ 18、pnpm ≥ 8.5、Rust ≥ 1.80。克隆仓库git clone https://gitcode.com/GitHub_Trending/po/pot-desktop安装前端依赖pnpm install仅 Linux 需另装libgtk-3-dev、libwebkit2gtk-4.0-dev等系统依赖开发调试pnpm tauri dev打包构建pnpm tauri build收尾从选中一段外文就能看译文到用 HTTP 接口把翻译、OCR 嵌进自己的工作流Pot 给个人用户和系统集成者都留好了完整的闭环。如果你常啃外文文档、处理外文截图或需要在自己的工具里调用翻译与识别能力花三分钟装上试试大概率会留在工具栏里。【免费下载链接】pot-desktop一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.项目地址: https://gitcode.com/GitHub_Trending/po/pot-desktop创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考