Narrator

核心功能

Screen Narrator 是一款专为 macOS 设计的实时屏幕解说系统，通过整合 Google Gemini 多模态视觉模型 与 ElevenLabs 神经网络语音合成，将屏幕活动转化为具有人格化风格的连续语音叙述。

显著优点

1. 多风格叙事引擎：内置7种专业解说风格——体育(sports)、自然(nature)、恐怖(horror)、黑色电影(noir)、真人秀(reality_tv)、ASMR、摔跤(wrestling)，可实时切换语境
2. 双轨解说架构：支持 dual-lane narration，实现主解说与背景评论的层次化音频输出
3. 实时动态控制：通过 JSON 控制文件 (/tmp/narrator-ctl.json) 实现零中断的暂停/恢复、风格切换、粗俗度调节
4. 生产级部署：基于 tmux 会话管理，支持定时运行与状态监控，适合长时间直播或录播场景
5. 高质量语音：ElevenLabs 提供接近真人的韵律与情感表达，支持自定义声线

潜在局限与风险

• 平台锁定：仅支持 macOS，依赖系统级屏幕捕获与音频架构
• API 依赖：核心功能捆绑 Gemini 与 ElevenLabs 商业 API，存在密钥泄露与配额耗尽风险
• 隐私暴露：持续截屏上传至云端视觉模型，敏感信息存在外泄可能
• 延迟累积：视觉→文本→语音的三阶段流水线可能产生 2-5 秒延迟，不适合超低延迟场景
• 资源占用：Python 虚拟环境与多进程架构对 M 系列芯片仍有可见功耗

适合人群

• 无障碍需求用户（视障辅助、认知减负）
• 内容创作者（游戏实况、软件教程的自动化解说）
• 直播运营者（7×24 小时无人值守解说频道）
• 开发者与极客（探索多模态 AI 的工程化落地）

常规风险提示

API 密钥需严格管控，建议通过 macOS Keychain 或专用密钥管理服务注入；敏感工作环境禁用持续截屏功能；生产部署前需测试长时运行的内存稳定性。

核心功能

Screen Narrator 是一款基于 Gemini 视觉大模型与 ElevenLabs TTS 的 macOS 屏幕实时解说工具。通过持续截屏分析当前屏幕内容，AI 以多种预设风格（体育解说、自然纪录片、恐怖片、黑色电影、真人秀、ASMR、摔跤评论）生成动态旁白，并实时转换为自然语音输出。

显著优点

多风格沉浸体验：8 种精心调校的解说风格覆盖娱乐全场景，从紧张刺激的体育解说到放松疗愈的 ASMR 耳语，用户可通过 JSON 控制文件实时切换风格。

双通道解说模式：支持 "双轨并行" 解说，两个 AI 实例交替或同时评论，模拟专业搭档主持效果。

生产级语音合成：集成 ElevenLabs 业界领先的神经 TTS 引擎，支持自定义 Voice ID，输出音质接近真人播客水准。

实时动态控制：通过写入 /tmp/narrator-ctl.json 即可无缝切换风格、调节脏话过滤等级、暂停/恢复解说，无需重启进程。

tmux 后台托管：所有 narration 会话在 tmux 中后台运行，配合状态文件 (/tmp/narrator-status.json) 可轻松监控运行健康度。

潜在局限

平台锁定：完整功能仅支持 macOS（依赖 screencapture 与 Core Audio），跨平台移植需重写底层捕获层。

外部依赖重：必须自行部署上游 buddyh/narrator 仓库并配置 Python 虚拟环境，非开箱即用；需手动管理 GEMINI_API_KEY 与 ELEVENLABS_API_KEY。

API 成本累积：高频截屏（默认约每秒 1 次）调用 Gemini Pro Vision + ElevenLabs 生成语音，长时间运行产生可观费用。

隐私边界模糊：屏幕内容持续上传至 Google 云端视觉模型，敏感信息（密码、私人聊天）存在泄露风险，不适合金融、医疗等保密场景。

T3 来源风险：Skill 为个人开发者维护的社区项目包装器，上游代码更新不受控，存在供应链安全隐患。

适合人群

• 直播主/内容创作者：为屏幕录制或实时直播添加专业级 AI 解说，提升观众留存
• 无障碍需求用户：视觉障碍者可通过实时语音描述获取屏幕变化信息
• 开发者演示：为技术分享会、产品 demo 生成自动旁白，减少后期配音工作量
• 沉浸式游戏玩家：为单机游戏添加 "体育解说" 或 "摔跤评论" 风格，创造新奇体验

常规风险

• 供应链攻击：/Users/buddy/narrator 目录若被恶意替换，Skill 将执行不可控代码
• 命令注入：虽使用列表参数传递 subprocess.run，但建议校验用户输入参数
• 环境变量污染：运行时修改 PYTHONPATH 可能影响同会话其他 Python 进程
• API 密钥泄露：密钥以环境变量形式存储，需确保 shell history 与 tmux 会话安全

> ⚠️ 使用建议：首次使用前校验上游仓库文件哈希；敏感场景关闭实时解说；设置 API 用量告警避免账单失控。