开源Chrome扩展 | 基于语音识别和大语言模型，自动为无字幕外语流媒体视频生成中文字幕，可导出SRT

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

其实是几个月之前的项目了。

这几天更新了一波，提高了稳定性，并且进一步改善了重复 API 请求的情况。

来推广一下。

项目开源，浏览器媒体嗅探来自猫抓（所以不支持 YouTube，但 YouTube 也没啥 ASR 的必要，可以直接用沉浸式翻译），音频处理使用了 Webffmpeg，字幕处理参考了 WhisperX、Speaches、faster-whisper、stable-ts 等项目的实现。

已上架 Chrome 应用商店，可直接安装：

这个扩展的功能如标题：为没有字幕的流媒体视频自动生成字幕。

相比于实时翻译的方案，第一是远比实时翻译的 live 模型便宜，第二，由于是预处理，所以延迟等各方面体验要远好于实时方案。但缺点是不能用于直播。

网上冲浪的时候，遇到没有字幕的外语视频，就可以使用这个浏览器扩展。

大多数情况，扩展能自动选择到时长正确、码率合理的音频，通过 webffmpeg 抽取出来进行 ASR 识别。如果个别情况自动选择错误，也保留了手动选取媒体源的功能。

ASR 识别之后，就会调用你提前配置好的 LLM 翻译成指定的目标语言。字幕浮窗可以选择显示原文、译文或者双语。同时右边的侧边栏可以显示完整的字幕列表。

侧边的字幕列表可以双击跳转，字幕完整生成后，也可以手动编辑，支持导出 SRT。

如果想只使用浮窗也没问题，侧边栏可以关闭。

项目本身不提供模型服务，所以 ASR 模型和 LLM 需要各位自行配置。

ASR 模型支持 Whisper 系列和 FunASR，LLM 支持 OpenAI 和 Anthropic 兼容格式。

我自己自用一般是本地 Docker 部署 Speaches ASR，模型选用 Systran/faster-whisper-large-v3；翻译模型一般使用 Deepseek V3 这种便宜些的老模型就足够，参数更低一些问题也不大，如果完全免费的话也可以选择本地部署，毕竟不是实时翻译，慢一些也只是等待时间加长。

VAD 过滤一般保持自动就行，支持 VAD 过滤的会自动启用，降低静音片段的幻觉。如果视频里有低声呢喃的人声没有识别到，可以手动关一下。

大部分常规的在线视频都是可以支持的，但是 YouTube、Netflix 这些除外。

另外，因为完全本地的方案其实更多，而且还可以使用没有性能限制的完全体的 ffmpeg，直接使用 AI Agent 处理反而更方便，所以就没有做桌面版。但是如果非要临时用一下，也提供了支持。

就是稍微繁琐了一点，需要进入到扩展程序详情，手动开启允许访问文件网址。

然后手动把视频拖到浏览器打开。

就可以按部就班地使用了。

能介绍的也就这么多了，欢迎各位佬友使用，修改，点点Star。