Pot（派了个萌的翻译器）：划词翻译 × 截图OCR 上手指南

Pot（派了个萌的翻译器）：划词翻译 × 截图OCR 上手指南

【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 是一款开源的划词翻译与截图 OCR 软件，技术底座是 Tauri（Rust + React），支持 Windows、macOS、Linux 三大平台。这篇上手指南带你从安装、快捷键配置，走到插件扩展与 HTTP 外部调用。

一句话认识它

Pot（派了个萌的翻译器）是跨平台划词翻译与截图 OCR 工具：按键出译文，框选出文字。基于 Tauri 构建，Windows、macOS、Linux 三端通用，适合重度外文阅读者和翻译工作流玩家。

它替你解决哪些事

划词翻译

在论文或网页里选中一段英文，按下划词翻译快捷键（设置中可重绑），Pot 读取选区文本后在鼠标旁弹出翻译面板，OpenAI、Google、火山等引擎的结果并排呈现。你不用离开原页面，立刻拿到这段话的意思。

输入翻译

手头没有现成选区时，按输入翻译快捷键，屏幕中央呼出翻译窗口，输入内容后按回车即可。后端先向窗口写入[INPUT_TRANSLATE]标记，前端据此切到输入模式，相当于桌面常驻一条"翻译输入框"。

截图 OCR

按截图 OCR 快捷键进入框选界面，框完自动裁剪并识别。裁剪图统一落在系统缓存目录的pot_screenshot_cut.png，识别引擎可选离线的系统 OCR、Tesseract.js，或百度、腾讯等云服务。

截图翻译

与截图 OCR 同样的框选动作，只是最后多做一步：图中文字先识别、再自动送翻，直接弹出译文面板。两条流程共用同一入口，最终动作从识别切换为翻译，实现"看到什么翻什么"。

剪贴板监听

在任意翻译面板点左上角图标，开启剪贴板监听模式：此后每复制一段文字，翻译窗口就自动更新。该开关默认关闭，由配置项clipboard_monitor控制，适合"复制即想翻"的场景。

能力全景

把全部能力按五个维度拆开，边界一眼看清：

值得注意的关键词是"多引擎并行"：同一面板里多个引擎的结果同时展示，每条结果旁都有 × 可单独收起，谁快用谁、谁准看谁。

装好它并跑起来

Windows

一条winget命令解决：

winget install Pylogmon.pot

手动安装也行：从 Release 页下载pot_{version}_x64-setup.exe（32 位选 x86，arm64 有对应版本），双击走完向导。

macOS

Homebrew 装 cask：

brew tap pot-app/homebrew-tap brew install --cask pot

或者直接下载pot_{version}_aarch64.dmg（Intel 机型选 x64），把 pot 拖进 Applications 完成。

Linux

Debian / Ubuntu 装 deb 包：sudo apt-get install ./pot_{version}_amd64.deb；Arch 系用yay -S pot-translation；Flatpak 版本com.pot_app.pot在 Flathub 上，但注意它暂时没有托盘图标。

或者从源码自己编译

环境要求 Node ≥ 18、pnpm ≥ 8.5、Rust ≥ 1.80，Linux 还需libgtk-3-dev、libwebkit2gtk-4.0-dev等系统库（完整清单见 README）：

git clone https://gitcode.com/GitHub_Trending/po/pot-desktop cd pot-desktop && pnpm install pnpm tauri dev

pnpm tauri dev直接起开发版，要正式安装包就把最后一条换成pnpm tauri build。✅ 装不上先看这里：Windows 下启动后没有界面、点托盘没反应，十有八九是缺 WebView2——装回它，或改用内置运行时的fix_webview2_runtime版本。

玩深一点：扩展与集成

.potext 插件：四类能力都能扩

在"偏好设置 → 服务设置 → 添加外部插件 → 安装外部插件"里选中下载好的.potext文件。文件名必须以plugin开头，包内要有info.json（plugin_type字段决定它归哪类）和main.js入口，校验通过后被解压到配置目录的plugins/{类别}/{名称}下，像内置引擎一样启用。运行时会给插件注入一套工具集：tauriFetch发请求、Database存 SQL、CryptoJS加解密、run执行随插件附带的可执行文件，所以离线 Rapid、Paddle 这类自带二进制的识别插件也能跑起来。开发新插件可参考 README 插件一节给出的模板与插件列表。

HTTP 接口：一行 curl 触发任何功能

服务只监听127.0.0.1，默认端口60828（设置里改，配置键server_port）。常用端点：

• POST /或/translate：请求体就是要翻译的文本
• GET /selection_translate//input_translate：触发划词、输入翻译
• GET /ocr_recognize//ocr_translate：走内置截图流程；加?screenshot=false则跳过内置截图，直接读取你提前放进系统缓存目录（如 Linux 的~/.cache/com.pot-app.desktop/）的pot_screenshot_cut.png
• GET /config：打开设置窗口

所有成功请求都返回ok。想划词翻译就发这一行：curl "127.0.0.1:60828/selection_translate"。脚本化场景更妙：Linux 上让 Flameshot 截图存到固定路径，再 curl 触发 OCR，一条命令串完整个流程。

快捷键重绑与 Wayland 适配

划词、输入、OCR、截图翻译四个场景各有独立快捷键（hotkey_selection_translate、hotkey_input_translate、hotkey_ocr_recognize、hotkey_ocr_translate），在"快捷键设置"页改完即生效。Wayland 下应用内全局快捷键不可用、Hyprland 等纯 Wayland 环境的内置截图也失效——这时把系统级快捷键绑到上面的 curl 请求即可等效替代，patches/hyprland.patch 里有现成的 Hyprland 配置（grim + slurp 截图后 curl）；想让翻译窗口跟随鼠标，再用windowrulev2规则把窗口设为浮动并移到光标处。

第三方工具联动

Windows 上装 SnipDo 再装 pot 的.pbar扩展，选中文本就会弹出翻译按钮；macOS 对应 PopClip（.popclipextz扩展）；Linux 的 Starry 还在开发中。扩展文件都在 Release 页面下载。

踩坑速查：看症状、找根因、一步解决

1. Windows 启动后没有界面，点托盘无反应——前端渲染依赖 WebView2，机器上被卸载或禁用了。安装或恢复 WebView2，或改用内置运行时的fix_webview2_runtime安装包。
2. macOS 提示"由于开发者无法验证，pot 无法打开"——这是系统 Gatekeeper 的隔离标记。去"设置 → 隐私与安全性"点"仍要打开"；找不到该选项或提示文件损坏，就在终端跑sudo xattr -d com.apple.quarantine /Applications/pot.app再启动。
3. macOS 划词翻译失效、每次弹出辅助功能权限——辅助功能列表里留着一条旧记录。进"隐私与安全 → 辅助功能"移除"pot"后重新添加。
4. Linux（Arch 系）无法启动或崩溃——WebKit2Gtk 2.42.0 与 Nvidia 专有驱动的 DMABUF 实现不完整。在/etc/environment加入WEBKIT_DISABLE_DMABUF_RENDERER=1后重新登录。
5. Wayland 下应用快捷键全部失效——Tauri 的全局快捷键方案尚不支持 Wayland。把系统快捷键绑到 curl 请求来触发对应功能，见上一节。
6. Windows 装插件报"找不到指定的模块"或"不是有效的 Win32 应用程序"——前者缺 C++ 运行库，后者是插件架构（x86/x64/arm64）不匹配。装 Visual C++ Redistributable，或去插件仓库下对应架构版本。

架构一眼看懂

Rust 侧持有窗口、全局快捷键、截图裁剪、托盘和本地 HTTP 服务这些"原生能力"，React 侧持有界面与每个引擎的具体实现。两侧靠invoke命令和事件推送对话：按下快捷键后，后端读选区文本写入全局状态，再发new_text事件给翻译窗口渲染。全部服务引擎都在前端src/services/下，按 translate / recognize / tts / collection 四类分组，每类含info.ts（描述）、Config.jsx（配置表单）、index.jsx（调用实现）。想读源码，从这三个文件进：main.rs（启动与命令注册）、window.rs（窗口与跟随逻辑）、invoke_plugin.js（插件运行时）。

src-tauri/src/ # Rust 侧：窗口 / 快捷键 / HTTP / 系统能力 ├─ main.rs # 入口：命令注册、启动、HTTP 服务、快捷键注册 ├─ window.rs # 划词、输入、OCR 窗口与鼠标跟随逻辑 ├─ server.rs # 本地 HTTP 路由（默认端口 60828） ├─ hotkey.rs # 全局快捷键注册与分发 └─ cmd.rs # 截图裁剪、base64、插件安装等命令 src/services/ # 前端服务层 └─ translate/ recognize/ tts/ collection/

谁该装它 & 下一步

经常读外文论文、文档和外语站点，需要处理图片里的文字，或者想把"翻译这句话"塞进自己脚本工作流的人，Pot 值得进常驻软件清单。下一步：有具体问题去官方仓库提 Issue；想参与贡献，可看 README_EN.md 与 README_KR.md 多语言版本，src/i18n/locales 下的界面文案也在 Weblate 上开放协作翻译，缺你的语言就补上它。

【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