pot-desktop：免费的跨平台划词翻译与 OCR 识别工具（Windows/macOS/Linux 完整指南）

pot-desktop：免费的跨平台划词翻译与 OCR 识别工具（Windows/macOS/Linux 完整指南）

【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

pot-desktop 是一款免费开源的跨平台划词翻译与 OCR 软件，运行在 Windows、macOS 和 Linux 上。它用 Tauri + Rust 编写，主界面只有三个窗口级别的东西：划词弹出的翻译小窗、截图框选、以及一个偏好设置面板。没有账号体系，没有订阅，装好就能用。

三个平台各自的安装与启动步骤

安装方式按平台分开，都是官方提供的一键方式：

• Windows：在终端执行winget install Pylogmon.pot，或从 Release 下载 exe 安装包手动安装（区分 x64、x86、arm64）。启动后如果看不到界面，检查一下是否被卸载或禁用了 WebView2 运行时。
• macOS：先brew tap pot-app/homebrew-tap，再brew install --cask pot，之后用brew upgrade --cask pot升级。首次启动若提示"无法打开"，到 设置 → 隐私与安全性 里点"仍要打开"即可。
• Linux：Debian/Ubuntu 下载 deb 包后sudo apt-get install ./pot_xxx.deb；Arch/Manjaro 可以用yay -S pot-translation；另有 Flatpak 版本，但 Flatpak 版缺失托盘图标。

Linux 上还有一个 Arch 用户需要留意的点：新版 Webkit2Gtk (2.42.0) 搭配 Nvidia 专有驱动会启动崩溃，解决办法是设置环境变量WEBKIT_DISABLE_DMABUF_RENDERER=1。

安装完成后，软件常驻系统托盘，真正的"入口"是后面四个快捷键。

划词、输入、OCR、截图翻译四个核心操作

所有操作都靠快捷键触发，在 偏好设置 → 快捷键 页面里各自独立配置，注册时会自动检测是否与其他已注册的快捷键冲突。

• 划词翻译：鼠标选中任意文本，按下划词翻译快捷键，翻译窗口直接弹在鼠标附近。
• 输入翻译：按下输入翻译快捷键呼出输入窗口，输入文本后回车翻译，适合没有现成文本的场景。
• 截图 OCR：按下快捷键后框选屏幕区域，识别出文字。
• 截图翻译：同样是框选，但识别后直接给出译文，一步到位。

另外有一个容易忽略的"剪切板监听"模式：在任意翻译面板左上角点一下启动，之后随便在什么应用里复制文字，翻译面板都会跟着刷新，不用碰快捷键。

多引擎并行翻译：服务列表、语言与窗口行为

偏好设置 → 服务设置 → 翻译 里是一个可拖拽排序的服务列表，默认包含 DeepL、Bing、Lingva、Yandex、Google、ECDICT 六个实例，列表顺序就是结果的展示顺序。内置引擎一共有 20 个，覆盖了 Google、百度、有道、DeepL，也覆盖 OpenAI、智谱 AI、Gemini Pro 这类大模型，以及 Ollama（完全离线，连本地模型跑）。词典类有 Bing 词典、剑桥词典和离线 ECDICT。

每个服务可以单独打开配置弹窗填自己的 API Key，也可以直接删掉不用的实例（至少保留一个）。

翻译行为本身在 偏好设置 → 翻译 页面调，比较实用的几项：

• 源语言默认"自动"，语言检测引擎可选（默认百度）；目标语言默认简体中文，还有第二语言选项可以同时出两种译文
• 自动复制译文、翻译历史开关、去除换行符、语言记忆
• 窗口行为：位置跟随鼠标、置顶、失焦自动关闭

各引擎的对接代码在 src/services/translate/ 下，一个目录一个引擎，想确认某个接口的字段格式可以直接翻源码。

截图 OCR 的识别引擎选择

OCR 服务列表和翻译列表是同一套交互，默认两个实例：system（系统 OCR，离线）和tesseract（Tesseract.js，离线）。所谓系统 OCR 是按平台走的：Windows 用 Windows.Media.OCR，macOS 用 Apple Vision Framework，Linux 用 Tesseract，也就是说默认配置下识别完全不出网。

云端选项有百度、腾讯、火山、讯飞，以及"图片翻译"类（腾讯图片翻译、百度图片翻译）——后者是识别和翻译一次完成的接口。还有 Simple LaTeX 专门识别公式截图。中文文档识别效果通常更好，英文文档用离线的 Tesseract 就够。

本地 HTTP 接口：让其他工具调用翻译和 OCR

软件启动后会在本地监听一个 HTTP 服务，默认端口 60828（在 偏好设置 → 通用 页面可改）。常用接口：

• POST /translate：翻译 body 里的文本
• GET /selection_translate：触发划词翻译
• GET /input_translate：呼出输入翻译窗口
• GET /ocr_recognize//ocr_translate：截图 OCR / 截图翻译

比如让 SnipDo、PopClip 这类剪贴板工具选完文字直接走 pot 翻译，只要一条请求：

curl "127.0.0.1:60828/selection_translate" curl "127.0.0.1:60828/translate" -d "Hello World"

截图类接口还支持?screenshot=false参数，表示不用软件内置截图，而是读取你指定路径（$CACHE/com.pot-app.desktop/pot_screenshot_cut.png）里已经存在的截图文件。这让你可以继续用自己顺手的截图工具，例如用 Flameshot：

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

插件系统与 Wayland 下的已知限制

内置接口只是基础。软件支持插件系统：下载.potext文件后，在 偏好设置 → 服务设置 → 添加外部插件 里安装，装完就和内置服务一样出现在服务列表中。插件分翻译、识别、语音合成、生词本四类，比如 ECDICT、Tatoeba 翻译，RapidOCR、PaddleOCR 离线识别，有道、扇贝生词本，都是以插件形式提供的。生词本功能也在这里体现：识别到单词后可以一键导出到 Anki 或欧路词典 📚

对 Linux 用户，Wayland 下有一个绕不开的限制：Tauri 的全局快捷键方案不支持 Wayland，所以应用内的快捷键设置在此环境下不生效。README 给出的替代做法是把系统级快捷键直接绑到 curl 上，以 Hyprland 为例：

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"

也就是用系统自带的 grim + slurp 完成截图，再调screenshot=false接口，效果和应用内快捷键完全一致。另外 Wayland 下翻译窗口跟随鼠标也无法自动实现，Hyprland 用户可以用 windowrulev2 规则让窗口浮动并移动到鼠标位置。

pot-desktop 的核心价值就一句话：跨三个平台的划词翻译、输入翻译和截图 OCR 走同一套服务和配置，本地 HTTP 接口再把它变成其他工具的翻译后端。项目是免费开源的，仓库地址见 gitcode.com/GitHub_Trending/po/pot-desktop。

【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