OFFLINE-FIRST REAL-TIME TRANSLATION

精準、即時的網頁影音雙語字幕

Studio0808 LiveCaption 是一套專為瀏覽器影片設計的即時語音識別與雙語字幕翻譯系統。完全在您的本機電腦執行，擁有 100% 的隱私保護與極低延遲的速度。

下載離線整合包 (Windows) 開始使用

多元應用場景

完美融入您的工作、學習與娛樂生活

線上課程與學術講座

觀看 Coursera、Udemy、YouTube 上的無字幕國外教學影片時，提供即時繁中翻譯，幫助快速掌握關鍵字與專業內容。

聽障輔助與無障礙學習

幫助聽障或聽力不便的學生，在觀看無字幕的線上教學影片、參與視訊課程時，將即時語音轉化為雙語文字，消弭學習阻礙。

外語聽力與口說練習

切換為「僅顯示原文」模式，只顯示純英文/日文字幕進行聽力盲聽訓練，遇到聽不懂的段落隨時切換回雙語對照，效果加倍。

全球即時影音與直播

支援無字幕的國外最新串流影音（如現場直播、海外新聞及即時節目等），提供本機極速語音識別與翻譯，讓您即時掌握第一手國外資訊。

網頁視訊會議逐字稿

在瀏覽器進行 Google Meet、Teams 跨國會議時，即時把發言渲染成雙語字幕，並自動在背景存檔為完整的 Markdown 會議紀錄。

影音創作者快速逐字稿

創作者在整理國外參考影片、產出腳本或進行訪談記錄時，可利用後端自動存檔功能直接匯出整份 Markdown 對話紀錄，大幅節省時間。

功能與設計特色

專為流暢體驗而生的現代化影音輔助工具

極低延遲分頁音訊擷取

藉由 Chrome Extension 獨創的分頁音訊 Loopback 機制，精準擷取分頁播放的音軌（不影響電腦其他音訊與錄音設備），提供給後端進行極低延遲的語音辨識。

本機離線 AI 語音辨識

後端搭載 Sherpa-ONNX 架構與阿里巴巴開源的 SenseVoice-Small 語音大模型，支援中、英、日、韓、粵語等語音，離線解碼速度極快，準確度極高。

自由切換翻譯引擎

內建免費的 Google 翻譯備援，安裝後即可直接使用；亦可自行安裝本機 Ollama 推理框架（推薦 Qwen 2.5 3B 模型）進行全離線智能意譯，或填入 DeepSeek 雲端金鑰取得接近人工翻譯的語意品質。※ Ollama 與 DeepSeek 皆需另行安裝或申請，詳見常見問題。

高顏值字幕懸浮視窗

精心設計的毛玻璃 (Glassmorphism) 半透明質感底框，支援字體大小自訂，具備完美的滑鼠穿透（不影響影片操作）。支援手勢拖拽定位與雙擊位置重置。

多行歷史字幕滾動

可選擇保留「最新 + 前 1 句」或「最新 + 前 2 句」的歷史字幕，舊字幕會以半透明、縮小解碼在上方滾動，避免字幕跳過快而漏看。

100% 離線隱私安全

若使用本機辨識與 Ollama 本地翻譯模型，所有音訊擷取、語音辨識、模型翻譯與字幕繪製皆在本機完成，無須連網，資料絕對不外洩。

快速安裝與啟動步驟

只需三步，即可在瀏覽器中開啟即時翻譯字幕

1

啟動後端伺服器 (Backend Server)

後端伺服器負責接收 Chrome 傳來的音訊、透過 VAD 斷句、SenseVoice 模型辨識與 LLM 翻譯。

  • 若下載的是整合發布包，請進入【LiveCaptionServer】資料夾雙擊執行：
    點我啟動後端服務.bat。
  • 程式啟動時會檢測模型是否存在，若為首次使用，將會自動連線下載語音辨識模型。
  • 啟動成功後，終端機將會顯示：
    INFO: Uvicorn running on http://127.0.0.1:8000，請保持該視窗開啟。
2

載入 Chrome 瀏覽器外掛 (Extension)

外掛負責擷取當前分頁的音訊，並將即時字幕繪製在網頁畫面上。

  • 在 Chrome 瀏覽器網址列輸入並前往 chrome://extensions/
  • 在右上角開啟 「開發者模式」 (Developer Mode) 開關。
  • 點擊左上角的 「載入已解壓縮擴充功能」 (Load unpacked) 按鈕。
  • 選擇專案資料夾底下的 extension 資料夾載入。
  • 確認 Chrome 工具列已出現 Studio0808 LiveCaption 的圖示。
3

開啟影片，開始擷取與翻譯

一切就緒，開啟您想觀看的任何影片分頁。

  • 前往 YouTube 或任何影片網站播放影片。
  • 點擊擴充功能圖示開啟設定面板，點擊 「啟動即時字幕」按鈕。
  • 點擊後，網頁底部將會彈出毛玻璃風格的字幕懸浮框，顯示：
    語音系統已連線，準備辨識中...
  • 只要影片中有說話聲音，字幕將會即時辨識並流暢顯示於畫面上！

功能設定說明

透過設定面板，隨心調整您的專屬字幕樣式與翻譯選項

字幕外觀設定 (Appearance Settings)

我們提供了極具彈性的外觀控制項目，讓您可以完美搭配不同影片背景，確保字幕的高可讀性：

自訂底框與文字顏色

可以選擇適合的背景顏色與文字顏色，底框會自動加上約 80% 的毛玻璃透明度。

字幕文字大小調整

支援「小」、「中」、「大」、「特大」四種字體尺寸，適用於不同螢幕解析度。

歷史字幕保留行數 (0 - 2 行)

切換為 1 行或 2 行時，舊字幕會被淡化並略微縮小往上推，避免跳太快來不及看。

字幕翻譯語言與雙語對照模式

1. 字幕翻譯語言：支援切換至繁中、簡中、英文、日文、韓文等多國翻譯語系，預設不選即為「僅顯示原文」模式，直接跳過後端翻譯接口以節省額外負擔並提升 300% 以上之解碼效能。
2. 雙語對照模式：當選取了某種翻譯語言時，勾選雙語對照會同時呈現「原文 + 翻譯文」；取消勾選則只會呈現「翻譯文」。如果翻譯語言選擇「僅顯示原文」，則無論是否勾選皆僅顯示原文。

You can adjust the font size dynamically using this panel.
您可以透過這個面板動態調整字體大小。
互動預覽：字體大小切換
互動預覽：歷史行數切換
互動預覽：字幕翻譯與雙語切換

常見問題與障礙排除

使用過程中遇到異常？這裡有快速修復指南

問題 1：後端啟動失敗，提示「找不到 VAD 模型 ...」？

後端引擎在進行語音切分時需要 Silero VAD 模型（silero_vad.onnx）。
解決方法：請先在後端程式碼根目錄（即 backend/ 資料夾）中，在安裝好環境後執行 python download_models.py 進行自動下載，確保模型檔案下載完整。

問題 2：外掛顯示「語音系統已連線」，但是播放影片時完全沒有出字幕？

有幾種可能性需要排除：
1. 影片是否靜音：系統擷取的是分頁播放的音訊，如果影片靜音或聲音太小，VAD 無法偵測到人聲，就不會產生字幕。
2. 模型正在載入：首次辨識時，後端需要讀取載入 SenseVoice 辨識模型，可能會花費 3-5 秒，可以等待一下再測試。
3. 後端沒有開啟：請確保啟動後端服務的命令提示字元 (CMD) 視窗一直保持開啟，且沒有拋出 Error。

問題 3：彈出 Cannot capture a tab with an active stream 錯誤，或是啟動失敗？

這是因為 Chrome 判定該影片分頁已經有音訊擷取行程正在執行。這通常是因為外掛背景腳本自動休眠重啟、狀態不同步導致。
解決方法：
1. 重新整理影片網頁：直接按下 F5 重新整理播放影片的網頁，這會強制釋放該分頁被佔用的所有音軌。
2. 重載擴充功能：在 chrome://extensions/ 中點選 Studio0808 LiveCaption 的「重新整理」圖示，徹底重啟背景程式即可。

問題 4：如何申請與配置 DeepSeek 雲端翻譯金鑰 (API Key)？

DeepSeek 為選用的雲端付費服務，需自行申請金鑰。不填寫也完全不影響使用（系統會改用本機 Ollama 或免費 Google 翻譯）。若您想取得最精準的雙語對照，請依以下步驟申請：
  1. 註冊/登入開發者平台：造訪 DeepSeek 開放平台。您可以透過手機註冊或 Google 帳號快速登入。
  2. 帳戶充值 (Top Up)：進入後台後，點擊左側選單的 "Top up"。DeepSeek 採「先儲值、後扣款」制，儲值最低金額（如 1~5 美元）即可供日常影片翻譯使用極長時間。
  3. 建立金鑰 (Create API Key)：點擊左側選單的 "API Keys"，然後點擊 "Create new API key"。輸入金鑰名稱並點擊確定。
  4. 複製金鑰：複製系統產生的以 sk- 開頭的金鑰。基於安全限制，該金鑰只會顯示一次，請務必當下複製保存。
  5. 配置到外掛：點擊 Chrome 的 LiveCaption 外掛圖示，在「DeepSeek API 金鑰」欄位貼上剛才複製的金鑰，即可自動啟用雲端翻譯。
費用怎麼算？DeepSeek 沒有月費或訂閱制，完全依實際使用的 Token 量計費，用多少扣多少。本系統預設使用 deepseek-v4-flash 模型，官方牌價如下（單位：美元 / 每百萬 Token）：
  • 輸入（快取未命中）：$0.14　|　輸入（快取命中）：$0.0028　|　輸出：$0.28
  • 實際花費估算：字幕每句翻譯的文字量很短，觀看 1 小時影片大約僅消耗 0.01~0.03 美元（約新台幣 0.3~1 元）。也就是說儲值 2 美元大約可翻譯 100 小時以上的影片。
  • 尖峰時段加價：DeepSeek 公告將實施離峰/尖峰差別定價，尖峰時段（北京時間每日 09:00–12:00 與 14:00–18:00）費率為平常的 2 倍。
  • 模型代號異動（重要）：舊有的 deepseek-chat 與 deepseek-reasoner 代號已於 2026 年 7 月 24 日停用，現行代號為 deepseek-v4-flash 與 deepseek-v4-pro。若您使用的是舊版後端，請更新至最新版本，否則雲端翻譯會失敗並自動退回 Google 翻譯。
※ 以上價格為本手冊更新時（2026 年 7 月）之官方牌價，實際費率請以 DeepSeek 官方定價頁 公告為準。

問題 5：Mac 電腦也可以使用嗎？

可以！Mac 電腦完全可以使用，但啟動方式與 Windows 略有不同：
  1. 瀏覽器外掛 (Chrome Extension)：100% 支援。外掛的安裝與使用方式在 Mac Chrome 瀏覽器上與 Windows 完全相同。
  2. 後端伺服器 (Python Backend)：發布包中的 .exe 與 .bat 為 Windows 專用。Mac 使用者若要使用，需先安裝 Python 環境，並於終端機執行 pip install -r requirements.txt 安裝依賴，再執行 python main.py 啟動。
  3. 處理器晶片相容性：辨識核心對 Mac 的 Intel 晶片與 Apple Silicon (M1/M2/M3) 晶片皆有原生高效能優化，可流暢執行。

備忘與未來規劃：開發方案 B「桌面獨立程式」版本？

目前我們採用「Chrome 外掛 (擷取與顯示) + 本機 Python (AI 大腦)」的雙軌架構。若未來您希望脫離 Chrome 瀏覽器、為 PotPlayer 等本機軟體或 Teams/Zoom 視訊程式提供即時字幕，可以規畫另外開發為獨立桌面程式：
  1. 系統音訊錄製 (WASAPI Loopback)：捨棄瀏覽器專用 API，改在 Python 中使用 Windows WASAPI 環回機制錄音，這樣便能直接擷取電腦喇叭播放的所有聲音。
  2. 獨立桌面懸浮視窗 (PyQt6 / PySide6)：在 Python 建立半透明、無邊框、永遠置頂 (Always on Top) 的桌面 UI 字幕視窗。
  3. 特性評估：此方案將可支援全電腦所有音軌，但需要防範其他系統通知雜音（例如通訊軟體叮咚聲）對辨識的干擾。本項目將作爲未來獨立產品另外開發。

問題 7：在擴充功能管理頁面點擊「錯誤」按鈕，出現 ScriptProcessorNode 警告或 Cannot capture a tab 錯誤？

這是開發者偵錯介面中顯示的狀態，具體原因如下：
1. ScriptProcessorNode is deprecated 警告 (黃色)：這是 Chrome 瀏覽器的標準開發者提示，告知該音訊處理介面未來將被新標準取代。由於目前此設計在擴充功能後台（Offscreen Document）相容性與穩定性最佳，因此程式繼續採用，此警告完全不影響字幕正常運作，請放心忽略。
2. Cannot capture a tab with an active stream 錯誤 (紅色)：這通常發生在**播放影片時重新載入（Reload）擴充功能**。因為 Chrome 尚未釋放前一次的擷取連線，導致新連線衝突。解決方法：請按下 F5 重新整理播放影片的網頁以強制釋放音訊，並在錯誤頁面點選右上角的「全部清除」即可恢復正常。

問題 8：辨識中文影片時，為何每句的第一個字或發音較輕的起句字常常沒有跑出來？

這是由語音切分（VAD）的偵測反應時間所致，您可以透過調整 VAD 參數獲得顯著改善：
1. **調整「斷句靜音時間」**：建議調高至 0.8 秒。若設太短（如 0.5s），講話過程的微小換氣停頓會被判定為斷句，導致新句子開頭字容易因 VAD 重新偵測而被切掉。
2. **調整「單句最長上限」**：建議調高至 8.0 秒以上。若設太短，系統會頻繁強制截斷長句，容易切碎邊界字。
3. **後端內建優化**：最新版後端已將說話判定門檻（threshold）調降至 0.4，並將最小語音長度由 0.25s 縮短至 0.15s，極大提高了開頭輕發音字的保留率。

問題 9：除了 Google Chrome 之外，Microsoft Edge / Brave / Opera / Vivaldi 等瀏覽器也可以使用嗎？

可以！本系統外掛基於 Chromium 標準開發，所有採用 Chromium 核心的瀏覽器皆能完美相容。安裝步驟與 Chrome 類似：
  • Microsoft Edge：前往 edge://extensions/，開啟左下角「開發人員模式」，點擊「載入解壓縮的項目」，選取 extension 資料夾。
  • Brave 瀏覽器：前往 brave://extensions/，開啟右上角「開發者模式」，點擊「載入已解壓縮擴充功能」，選取 extension 資料夾。
  • Opera 瀏覽器：前往 opera://extensions/，開啟右上角「Developer mode」，點擊「Load unpacked」，選取 extension 資料夾。
  • Vivaldi 瀏覽器：前往 vivaldi://extensions/，開啟右上角「開發者模式」，點擊「載入已解壓縮擴充功能」，選取 extension 資料夾。
※ 提示：在上述瀏覽器的網址列輸入 chrome://extensions/ 也會自動跳轉至對應的擴充功能設定頁面。

問題 10：Firefox 瀏覽器可以使用嗎？

很遺憾，Firefox 目前無法直接使用本系統的外掛。原因說明如下：
  • 引擎架構不同：Firefox 使用 Mozilla 自家的 Gecko 引擎，而非 Chromium 核心。本系統外掛依賴 Chrome 專屬的擴充功能 API（例如 chrome.tabCapture、chrome.offscreen 等），這些 API 在 Firefox 中完全不存在，也沒有對應的替代方案。
  • Manifest 格式差異：本外掛採用 Chrome Manifest V3 規範，Firefox 雖然也開始支援 MV3，但在權限模型與背景腳本（Service Worker vs. Background Page）的實作上仍有顯著差異，導致無法直接移植。
  • 建議替代方案：若您習慣使用 Firefox，建議在需要即時字幕功能時，暫時改用 Google Chrome、Microsoft Edge 或其他 Chromium 核心瀏覽器（詳見問題 9）。

問題 11：如何安裝 Ollama 與下載 qwen2.5:3b-instruct 翻譯模型？

請注意：Ollama 與翻譯模型「並未」包含在本系統的發布包中，需要您另行安裝下載。發布包內建的 sherpa-onnx-sense-voice 與 silero_vad.onnx 只負責「語音辨識」，不負責翻譯。
如果您不安裝 Ollama 也完全沒問題——系統會自動改用免費的 Google 翻譯，字幕依然正常顯示。只有在您需要「全離線、不連網」的翻譯時，才需要以下步驟：
  1. 下載並安裝 Ollama 程式：造訪 Ollama 官方下載頁，依作業系統選擇 Windows / macOS / Linux 版本並完成安裝。安裝後 Ollama 會常駐在系統列（工作列右下角出現羊駝圖示），並自動在 http://localhost:11434 提供服務。
  2. 下載翻譯模型：開啟命令提示字元（Windows 按 Win + R 輸入 cmd；Mac 開啟「終端機」），輸入以下指令並按 Enter：
    ollama pull qwen2.5:3b-instruct
    模型約 2GB，請確保網路順暢與磁碟空間充足，下載時間依網速約需 3~15 分鐘。
  3. 驗證安裝成功：下載完成後輸入 ollama list，若清單中出現 qwen2.5:3b-instruct 即代表成功。也可直接在瀏覽器開啟 http://localhost:11434，看到 Ollama is running 字樣即表示服務正常。
  4. 確認外掛設定：點擊 LiveCaption 外掛圖示，確認「Ollama 伺服器網址」為 http://localhost:11434、「翻譯模型名稱」為 qwen2.5:3b-instruct（兩者皆為預設值，通常無須修改），即可啟用全離線翻譯。
硬體建議與模型選擇：
  • 3B 模型（推薦）：約需 4GB 以上記憶體，一般文書筆電即可流暢執行，是速度與品質的最佳平衡點。
  • 7B 模型：若您的電腦有獨立顯卡（8GB VRAM 以上），可改用 ollama pull qwen2.5:7b-instruct 取得更佳語意品質，並在外掛的「翻譯模型名稱」欄位改填 qwen2.5:7b-instruct。
  • 注意：使用 Ollama 時請務必讓 Ollama 保持在背景執行。若後端偵測到 Ollama 未啟動，會自動跳過並改用備援翻譯，以避免每句字幕都等待連線逾時而延遲。

問題 12：DeepSeek、Ollama、Google 翻譯三者的翻譯品質差在哪？我該選哪一個？

先說明一個三者共通的架構限制：本系統為了追求低延遲，每一句字幕都是獨立送出翻譯、不夾帶前後文。因此不論使用哪個引擎，都無法根據上一句來判斷「他」指的是誰、或延續前面出現過的專有名詞譯法。這是速度與品質的取捨，並非引擎本身的缺陷。
比較項目 Google 翻譯（保底） Ollama qwen2.5:3b DeepSeek v4-flash
語意品質逐句直譯，忠實但生硬會潤飾成通順口語最佳，接近人工翻譯
成語／俚語常直譯出錯普通好
中日文省略主詞容易補錯普通好
專業術語中上（字典龐大）3B 偏弱，可能自行腦補好
抗辨識錯字能力差，錯字照翻中，能推測原意好，能還原語意
輸出穩定性極穩小模型偶爾多輸出解釋文字穩
延遲100~300 毫秒CPU 上約 0.5~3 秒（有逾時風險）0.5~2 秒（視網路而定）
隱私字幕文字送往 Google完全不離開本機字幕文字送往 DeepSeek
成本免費免費（僅耗電）約每小時 0.01~0.03 美元
實務結論：
  • DeepSeek 明顯最好，尤其當影片含有專業術語、成語，或語音辨識結果不夠乾淨時。它會先理解「這句在講什麼」再翻譯，而不是逐字對應。以每小時不到新台幣 1 元的成本而言，性價比很高。
  • qwen2.5:3b 與 Google 翻譯其實互有勝負。3B 模型在「口語化、句子通順度」上占優，但在「專有名詞、數字、人名」上反而可能不如 Google，因為小模型容易自行腦補。要明顯拉開差距，建議升級至 7B 模型。
  • 一個容易被忽略的陷阱：三個引擎的連線逾時都設為 3 秒。若您的電腦沒有獨立顯卡、純以 CPU 執行 3B 模型，每句可能剛好卡在 2~4 秒而間歇性逾時；而且後端一旦偵測到逾時，該次工作階段後續將不再嘗試 Ollama，全部改走備援翻譯。您可能以為正在使用 Ollama，實際上早已退回 Google 翻譯。請查看後端視窗是否印出「偵測到本機 Ollama 未啟動」以確認。
選擇建議：追求翻譯品質請使用 DeepSeek；重視隱私（例如翻譯公司內部會議）請使用 Ollama 並盡量選用 7B 模型；其餘一般情況下，內建免費的 Google 翻譯已經足夠。

問題 13：Ollama 明明開著，後端卻顯示「偵測到本機 Ollama 未啟動」？

這個訊息會誤導人——實際上 Ollama 確實在執行，只是「來不及回應」。
  • Ollama 的模型並非常駐記憶體。預設的 keep_alive 是 5 分鐘，閒置超過就會自動從記憶體卸載。
  • 您啟動 Ollama 後，通常還要開影片、設定外掛，這段時間早已超過 5 分鐘，模型其實不在記憶體中。
  • 第一句字幕送達時，Ollama 必須先把約 2GB 的模型從硬碟載入記憶體，而本系統的連線逾時只有 3 秒，等不到就會判定失敗。
以下是實測數據（一般文書筆電、純 CPU 執行 qwen2.5:3b-instruct）：
階段冷啟動（模型未載入）熱啟動（模型已常駐）
總耗時48.87 秒0.65 秒
模型載入27.19 秒0.37 秒
提示詞處理20.38 秒0.20 秒
產生翻譯1.27 秒0.07 秒
解決方式：使用前先「預熱」模型（無須修改任何程式）
  1. 預熱模型：開啟命令提示字元，貼上以下指令並執行。它只把模型載入記憶體、不產生任何文字，因此很快就會完成（實測約 4.5 秒）：
    curl -X POST http://localhost:11434/api/generate -H "Content-Type: application/json" -d "{\"model\":\"qwen2.5:3b-instruct\",\"keep_alive\":-1}"
    其中 keep_alive:-1 是關鍵，代表「永遠不要釋放這個模型」，可繞過預設的 5 分鐘自動卸載。
    ※ 重要：上述指令僅適用於「命令提示字元 (CMD)」。在 PowerShell 中，curl 是 Invoke-WebRequest 的別名，無法接受這些參數而會直接報錯。若您慣用 PowerShell，或想要更簡短好記的寫法，請改用以下指令（CMD 與 PowerShell 皆適用）：
    ollama run qwen2.5:3b-instruct "" --keepalive=24h
    此寫法會讓模型常駐 24 小時。請注意 CLI 的 --keepalive 必須帶時間單位（例如 24h、8h），不接受 -1。
  2. 確認模型已常駐：執行以下指令，清單中必須出現 qwen2.5:3b-instruct；若清單是空的就代表預熱未成功：
    ollama ps
  3. 正常啟動後端與外掛：之後依照原本流程操作即可。預熱後實測翻譯耗時僅 0.96 秒，遠低於 3 秒逾時。
若後端已經印出過該警告，不必重開後端：後端在每次收到設定訊息時都會重新啟用 Ollama。因此只要先完成上述預熱，再到外掛面板隨意改動任何一個設定（例如把「字幕翻譯語言」切走再切回來），Ollama 就會重新生效。

一勞永逸的做法（設定環境變數，同樣不需改程式）：若不想每次手動預熱，可讓 Ollama 預設就不卸載模型：
  1. Windows 搜尋「編輯系統環境變數」→ 點擊「環境變數」。
  2. 在「使用者變數」新增：變數名稱 OLLAMA_KEEP_ALIVE，變數值 -1。
  3. 完全結束 Ollama（系統列圖示按右鍵 → Quit），再重新啟動。
※ 注意兩點：一、設定環境變數後仍需第一次請求把模型叫起來，最穩定的組合是「設定環境變數 + 開機後執行一次預熱指令」。二、模型常駐會持續佔用約 2GB 記憶體，若您的電腦記憶體吃緊或不常使用字幕功能，建議維持手動預熱即可。

問題 14：外掛一直卡在「連線中...」、完全沒有字幕，後端出現 invalid unordered_map 錯誤？

⚠️ 最常見原因：本系統資料夾的完整路徑中含有中文字（或其他非英文字元）。例如解壓縮到「桌面\即時字幕」、「下載\分享會」，或 Windows 使用者名稱本身是中文（C:\Users\王小明\）。
典型症狀：
  • 外掛面板的連線狀態永遠停在「連線中...」，擷取狀態卻顯示「擷取中」。
  • 後端視窗不斷重複「連線 → 建立紀錄存檔 → 更新設定 → 錯誤 → 中斷連線」的迴圈。
  • 錯誤訊息為 WebSocket 發生錯誤: invalid unordered_map<K, T> key。
  • 影片明明有聲音，卻連一句字幕都沒有出現。
最容易被誤導的一點：後端在啟動時仍然會印出「所有離線 AI 模型載入成功！」，看起來一切正常。但這是假的成功訊息——問題要到第一句語音進來、真正開始解碼時才會爆發。

技術原因：兩個模型檔的讀取方式不同。
model.int8.onnx 路徑tokens.txt 路徑實測結果
純英數純英數正常辨識
含中文純英數正常辨識
純英數含中文invalid unordered_map 錯誤
含中文含中文invalid unordered_map 錯誤
由上表可見，真正的關鍵是 tokens.txt。model.int8.onnx 由 ONNX Runtime 以寬字元 (Unicode) API 載入，能正確處理中文路徑；但 tokens.txt 是由辨識引擎以窄字元路徑開啟，Windows 無法將中文字轉換成對應的 ANSI 編碼，導致開檔失敗且未被檢查。符號對照表因此是空的，直到解碼時查表才丟出 invalid unordered_map 錯誤。

解決方法：把整個資料夾移到不含中文字的路徑，然後重新啟動後端。
  1. 建議路徑：例如 D:\LiveCaption\ 或 C:\LiveCaption\，全部使用英文、數字、底線或減號。
  2. 應避免：資料夾名稱含中文、日文、韓文、全形符號或表情符號。空白字元通常沒問題，但建議一併避免。
  3. 特別注意使用者名稱：若您的 Windows 使用者名稱是中文，則桌面與下載資料夾的完整路徑都會含有中文（C:\Users\王小明\Desktop\）。此時務必把資料夾放到磁碟根目錄底下，例如 D:\LiveCaption\，不要放在桌面。
  4. 如何確認：在檔案總管開啟該資料夾，點一下上方網址列，即可看到完整路徑；確認整條路徑從磁碟代號到最後一層都沒有中文字。
※ 此問題與外掛、瀏覽器、模型檔本身皆無關，純粹由路徑字元造成。移動資料夾後不需要重新下載任何模型，也不需要重新安裝外掛。