pot-desktop 使用指南：免费划词翻译与截图 OCR 快速上手-育师

pot-desktop 使用指南：免费划词翻译与截图 OCR 快速上手

【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-desktop

你在读一份英文 PDF 论文，碰到一个生词。选中、复制、切到浏览器、找翻译站、粘贴、等结果、再切回来——文档已经滚到别的页了，刚复制的那个词，剪切板里也没了。pot-desktop 就是为这种时刻做的：一款免费开源的跨平台划词翻译与截图 OCR 软件，Windows、macOS、Linux 通吃，把“复制、切换、粘贴、等”这一整条链路压成一次按键。

从安装到出译文，三步就走完

最省事的是包管理器，一条命令的事：

# Windows winget install Pylogmon.pot # macOS brew tap pot-app/homebrew-tap && brew install --cask pot

Linux 直接装 Release 页的 deb 包，或者走 AUR 装 pot-translation。

装完它不弹窗，安安静静缩进系统托盘。接下来三步跑通：

打开设置，进翻译服务，挑一个引擎。免配置就选离线的（Ollama、系统 OCR）；带 Key 栏目的，去对应平台申请一个。
到快捷键页，给“划词翻译”指定一个组合键，记牢它。
回到那份 PDF，选中一句话，按下这个键。小窗出现在光标旁，就成了。

它顶的是这几个时刻

外文卡壳的那一刻 📌

以前生词意味着：选中、复制、切窗口、开网页、粘贴、等、再切回来，还得记着“我在第几个标签页”。现在只选中、按一个键，译文就在光标旁边，源语言自动检测。它不占你现有的任何窗口，不存在“找不到原来的位置”。

内置二十多个翻译接口：Google、DeepL、百度这类商业服务，OpenAI、Gemini Pro 这类大模型，还有完全离线的 Ollama。每个引擎各自独立实现，见翻译引擎源码。

字锁在图片里的那一刻

图片里的文字——扫描件、截图、课件——没法“划词”，因为它不是可选择的文本。这时候用截图 OCR：按下快捷键，框一块区域，图里的字就变成可编辑、可复制的文本。

再进一步，“截图翻译”识别完直接给译文，“框一下”就从一张图变成一个意思。各识别引擎的实现都在 OCR 引擎源码。

拿不准哪份译文更顺的那一刻

同一句话，不同引擎翻得往往不一样。翻译面板里可以同时开好几个引擎，同一段话并排出多份结果，扫一眼挑最顺的。面板支持深浅色主题切换。

手不想离开键盘的那一刻

不想动鼠标？按输入翻译快捷键，窗口出来，打字、回车就翻。或者打开剪切板监听：在任意软件里复制的文字，不按键自己进翻译。

读到好词不想丢的那一刻

选中的词一键导出到 Anki 或欧路词典，攒成自己的词库，不用手动再抄一遍。各生词本平台的实现在生词本源码。

不满足于按快捷键：三个进阶口子

本地 HTTP 接口。默认监听 127.0.0.1:60828，端口可在设置里改。一条 curl 就能触发它，串进脚本或别的工具：

# 触发一次划词翻译 curl "127.0.0.1:60828/selection_translate" # 触发一次截图 OCR curl "127.0.0.1:60828/ocr_recognize"

插件系统。内置接口有限，新的翻译引擎、OCR 服务、生词本平台都能以 .potext 插件装进来，装完和内置服务一样用。想自己写一个，参考识别服务源码里的现有实现即可。

Wayland 兜底。Wayland 下应用内全局快捷键和内置截图不一定可靠，可以完全用系统截图工具 + 接口替代。以 Hyprland 为例，配一条绑定，按快捷键就完成“外部截图 + 识别”：

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"

screenshot=false表示不用软件内置截图、改用你指定的那张图，正是为绕开 Wayland 的截图限制而设计。

先说清边界，再给你三处排查点

坦白讲：绝大多数翻译和联网 OCR 需要填 API Key，只有 Ollama、系统 OCR、Tesseract.js 这类离线引擎免配置。它的核心是文本和图片，长音频、视频这类场景不适合它。

卡住了，查这三处：

快捷键没反应。多半是组合键被别的软件占用；macOS 上没给辅助功能权限——到“隐私与安全性 → 辅助功能”把 pot 移除后重新添加；Wayland 下应用内快捷键本就指望不上，走上一节的系统级方案。
识别率低。按内容选引擎：中文文档试百度、腾讯，英文文档用 Tesseract，中英混排选支持多语言的。截图本身要够清晰，糊掉的图换什么引擎都救不回来。
Windows 启动后没界面。检查是否卸载或禁用了 WebView2，装上或恢复即可。

装好它，设一个快捷键，下次读外文文档时按一下——被省掉的那些步骤有多磨人，你按一次就知道了。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考