核心用法
Screen Narrator 是一款创意娱乐型工具，通过 Gemini 多模态视觉模型实时分析屏幕内容，并借助 ElevenLabs TTS 生成风格化语音解说。用户可选择体育解说、自然纪录片、恐怖片旁白、黑色电影侦探独白、真人秀吐槽、ASMR 冥想、摔角狂热解说等7种预设风格，每种风格配备专属语音音色与氛围音效。工具以 tmux 后台会话形式运行，通过 JSON 控制文件实现动态指令交互，支持风格切换、脏话过滤等级调整、暂停/恢复及定时停止等功能。
显著优点
- 创意表达丰富：七种截然不同的叙事视角，可将 mundane 的屏幕操作转化为戏剧性体验
- 实时动态切换：无需重启即可通过控制文件即时变更风格与参数
- 轻量级架构：依赖成熟工具链（tmux + Python），无复杂图形界面
- 多模态 AI 加持：Gemini 视觉理解能力确保解说内容与屏幕画面高度相关
潜在局限
- API 成本敏感：Gemini + ElevenLabs 双付费 API 按量计费，持续运行成本不可忽视
- 平台受限：仅支持 macOS（darwin），Linux/Windows 用户无法直接使用
- 隐私隐忧：屏幕内容需上传至 Google Gemini 云端分析，敏感信息存在外泄风险
- 依赖外部服务：网络波动或 API 限流将直接中断体验
适合人群
追求桌面娱乐新鲜感的极客用户、内容创作者寻找直播效果增强、ASMR/助眠场景探索者，以及对 AI 多模态交互好奇的技术尝鲜者。
常规风险
- 屏幕数据经第三方云端处理，商业机密或个人隐私内容不宜使用
- ElevenLabs 语音克隆争议历史，需注意生成内容的合规使用
- 长时间运行可能触发 API 速率限制或产生意外账单