初识 Bob：相见恨晚
在 2025 年的第一个月，我接触到了 Bob 这个项目，顿时有种相见恨晚的感觉。它解决了我一个长期存在的痛点：Apple 图书自带的翻译功能无法使用。具体来说，Apple 目前没有办法实现 划词 + 自带字典 的功能（其实到现在我也没解决这个问题，不过这不是今天的重点）。
Bob 的安装与试用体验
正常安装 Bob 之后，翻译功能便可立即启动。目前 Pro 版本提供 14 天试用期。Bob 自带的翻译本质上也是 AI，而语音合成功能则依赖 Mac 的本地引擎，整体效果相当不错。
进一步探索：Google Gemini 与本地 AI 方案
如果想要更进一步，可以尝试 Google 的 Gemini。单纯用于翻译的话，注册一个账户即可使用，只要输出文本，基本是免费的（不过有使用限制，长文本输入后可能会触发限流）。
如果想使用 Gemini 的语音合成功能，则必须绑定信用卡并开通 Google 的付费账单。不同的语音合成模型收费标准不同，最基础的版本前 400 万字符免费（对个人用户来说绰绰有余），但效果一般（仍然比 Mac 自带的语音合成要好很多）。稍微高级一点的版本，前 100 万字符免费，效果则比 Mac 自带的强了一大截，非常推荐。
不过，如果你喜欢折腾，其实可以通过简单的配置，搭建一个 纯本地的 AI 翻译——即使断网也能使用，并且还能实现 AI 语音合成。
纯本地 AI 翻译方案
单纯翻译的实现非常简单，甚至不需要使用命令行即可完成。首先，可以下载一个用于运行本地大模型的 Msty，然后选择一个适合你设备配置的大模型，例如 DeepSeek 或 闻言一心。我的 MacBook 内存不多，无法运行特别大的模型，但翻译任务仍然可以顺利完成。
目前，我在本地运行的是 qwen2.5:7b-instruct-q6_K，测试下来是我这台 MacBook 能够流畅运行且效果最好的模型。启动成功后，只需要进行简单的配置即可。一开始，我为模型写了一个相当复杂的 Prompt，结果导致输出极慢，最终索性不写 Prompt，发现效果依然不错。
端口配置注意事项
在 Msty 里，本地大模型的接口通常是 http://localhost:10000（端口可以自行修改）。然而，Bob 里 Ollama 默认的 API 地址是 http://127.0.0.1:11434。我一开始在 Bob 里将端口地址配置为 http://127.0.0.1:10000，结果始终无法连接，最后通过本地端口转发，将 10000 端口转发到 11434，然后在 Bob 里配置 http://127.0.0.1:11434，才最终成功连接。
socat TCP-LISTEN:11434,fork TCP:127.0.0.1:10000 # 在 Mac 上使用 socat 进行端口转发
curl http://localhost:10000/v1/models # 检查本地运行的大模型的名称
运行模型时的名称匹配
另一个需要注意的点是 大模型的名称必须严格匹配。Bob 需要精确指定运行的模型名称，例如我运行的是 qwen2.5:7b-instruct-q6_K，如果只填写 qwen2.5:7b，Bob 将无法识别。此外，我还发现，在 Bob 里设置 Prompt 对本地大模型似乎没有效果，必须在 Msty 内部修改才会生效。
配置本地语音识别
在完成纯本地翻译后，下一步是配置本地的语音识别。我使用了 Voi 这个项目：Voi GitHub
。Voi 作者使用了一个目前非常热门的 TTS（文本转语音）模型 Kokoro-82M，从名字就能看出其体积非常小。实际使用后，我发现输出的音频质量相当不错，至少不输给 Google 最便宜的语音合成方案。此外，还有一个我很喜欢的项目 audiblez（audiblez GitHub
），它使用的也是 Kokoro-82M，专门用于将 EPUB 转换为有声书，效果同样很出色。
值得一提的是，Voi 的作者开发了一个专门适配 Bob 的插件（Bob官方的插件页面
），因此配置过程非常简单。我直接用 Docker 拉取 Voi 到本地，并将插件上传到 Bob，随后填入默认的 API 接口：
http://127.0.0.1:8000/text-to-speech
这样就可以直接使用本地 TTS 了。由于我主要阅读英文材料，默认的语音听起来非常自然，十分契合我的需求。
结论
到目前为止，我的本地 AI 方案如下：
-
Msty 运行 qwen2.5:7b-instruct-q6_K 进行翻译。
-
Docker 运行 Kokoro-82M 进行文本转语音。
即便完全断网，这两个模型仍然可以正常提供翻译和语音合成服务。不过需要注意的是，由于我的设备配置一般（M1 MacBook Air），同时运行两个离线 AI 模型会占用较多内存。因此，在日常在线使用时，我仍然推荐使用 Google Gemini 或微软的 AI 服务，以获得更流畅的体验。未来，我计划进一步优化本地 AI 的运行效率，探索更适合低配设备的 AI 方案，让 AI 翻译和 TTS 能够在更多设备上稳定运行。
