其实是几个月之前的项目了。
这两天做了一波大更新，调整架构提高了稳定性，改善了消息丢失或重启导致的重复请求 API 计费的情况，正式发布一下。
Vibe Coding 开发，项目开源。
其中浏览器媒体嗅探来自猫抓，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，感谢以上项目。
源码仓库在此：
https://github.com/Liu-Bot24/liusheng-subtitles
也可以在 Chrome 应用商店直接安装使用：
https://chromewebstore.google.com/detail/ipcmkanhjahdpnacnjabkmlhggekkegm
这个项目的功能如标题：为没有字幕的流媒体视频自动生成字幕。
需要前置提醒一下，流声字幕支持你在网上冲浪过程中遇到的大多数通常网页视频，但个别存在 DRM 或平台策略保护的视频是不支持的，例如典型的 Netflix 和 YouTube。不过 YouTube 上的视频基本都带有生成好的字幕，所以也没啥 ASR 的必要，先转写再翻译反而不如直接使用沉浸式翻译等插件方便。
本产品采用了浏览器扩展插件的形态，于是你可以直接在视频所在的页面就地启动字幕生成，而不需要另外打开第三方 APP，十分方便；同时，整个字幕生成的方案是一套预处理方案，先抽取音频，再进行识别和翻译，最终把字幕挂回播放器，所以整体的延迟等各方面体验要接近于原生；并且，由于是预处理，这套方案整体上要比直接接入实时翻译的 Live 模型要便宜不少。
当你上网冲浪，遇到没有字幕的外语视频时，就可以使用这个扩展。
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。
扩展本身不提供模型接入服务，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。
如果不想在本地部署，也可以用 Groq 的 Whisper，性价比相对不错。
翻译模型一般使用 Deepseek V3 这种便宜些的老模型就足够，甚至参数更低一些问题也不大，硅基流动之类的赠送金额就可以用很久。
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，多等待一些时间翻译完成后再看，也不会影响观看体验。
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。
另外也支持本地视频生成字幕，只要把本地视频拖入浏览器播放即可。
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。
之后按部就班使用即可。
但原则上建议临时使用，因为本地的方案其实更多也更简单，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。如果真的需要批量进行本地处理的话，界面反而显得有些多余，这也是为什么我没有做桌面版，而选择浏览器扩展这个形态。
以上。
欢迎各位体验，使用，修改，点点Star。