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。
完美融入您的工作、學習與娛樂生活
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。
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。
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。
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。
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。
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。
專為流暢體驗而生的現代化影音輔助工具
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。
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。
支援強大的本機 Ollama 推理框架（推薦使用 Qwen 2.5 3B 模型）進行全離線智能意譯；同時支援線上 DeepSeek 雲端 API，以極低的成本取得接近人工翻譯的語意品質。
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。
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。
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。
只需三步，即可在瀏覽器中開啟即時翻譯字幕
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。
點我啟動後端服務.bat。INFO: Uvicorn running on http://127.0.0.1:8000，請保持該視窗開啟。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。
chrome://extensions/extension 資料夾載入。一切就緒，開啟您想觀看的任何影片分頁。
語音系統已連線，準備辨識中...透過設定面板，隨心調整您的專屬字幕樣式與翻譯選項
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：
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。
支援「小」、「中」、「大」、「特大」四種字體尺寸，適用於不同螢幕解析度。
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。
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。
使用過程中遇到異常？這裡有快速修復指南
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。
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。
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。
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。.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。
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。
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。
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://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://extensions/，開啟右上角「Developer mode」，點擊「Load unpacked」，選取 extension 資料夾。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。chrome://extensions/ 也會自動跳轉至對應的擴充功能設定頁面。
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。