VocoShift

VocoShift 是一款面向视频学习与跨语言观看场景的浏览器扩展，核心能力是在支持的网站中，将视频中的语音内容围绕字幕流程翻译为目标语言，并以合成配音的方式同步播放，同时提供翻译字幕、术语定制和学习辅助工具。根据扩展包信息，它可直接运行在 YouTube、Bilibili、Udemy、Coursera 以及 Epic 开发者网站等受支持页面中。用户可以在弹出界面中选择源语言、目标语言、语音音色，以及原声与配音之间的音量平衡，从而按照自己的观看习惯调整体验。对于希望更轻松理解外语课程、技术讲座、教学视频或其他带字幕内容的用户来说，这种方式能够把“看字幕”进一步扩展为“听译配音”，减少理解负担。 VocoShift 不只是简单地叠加翻译字幕。扩展包显示，它包含完整的配音处理流程：检测或获取当前视频可用字幕、解析字幕内容、翻译字幕文本、生成神经语音，并将合成后的配音与视频时间线同步。设置项中还可见翻译字幕显示、原声降低或静音、配音音量调整、语音音高控制，以及可选的神经语音名称。代码中还包含与语音合成、离屏处理、音频缓存和翻译相关页面的处理逻辑，说明不少工作会在后台高效完成，以减少对当前页面操作的影响。 除了播放层面的翻译与配音，VocoShift 还内置了账号与访问管理能力。弹出界面包含登录、注册、重置密码、重新发送验证、修改密码、退出登录和删除账号等操作。同时，扩展包中还出现了套餐信息、免费使用、额度、访客试用逻辑以及验证框架，这表明它不仅是一个纯本地工具，也依赖在线服务来支持翻译、语音合成和账号功能。包内可见的网站入口与接口地址也进一步说明，在线服务是整体体验的一部分。 VocoShift 的另一个亮点是可定制性。选项页中包含“智能语境词典”，用户可以根据标题关键词定义替换规则，让术语修正只在特定主题下触发，而不是在所有视频中全局生效。扩展包中的示例规则展示了：当视频标题包含 Unreal、UE5、UE4、C++ 等词时，将特定词汇替换为更适合该技术语境的译法。这类机制对于课程学习、技术培训和专业内容尤其有价值，因为它有助于保持领域术语的一致性，减少生硬直译带来的理解偏差。 在性能与复用方面，VocoShift 还提供本地缓存能力。缓存管理页会列出已缓存的视频数据，包括视频 ID、目标语言、字幕来源和更新时间，并提供刷新与清空操作。高级设置中还提到神经语音缓存目录选项；当未选择目录时，界面显示会进行大约 12 秒的内存预取；启用缓存后，播放可以根据字幕起始时间更快衔接。这说明扩展通过缓存已处理的字幕和音频数据，减少重复处理，提升再次观看时的响应速度，并优化较长视频中的连续配音体验。 此外，扩展包还显示 VocoShift 不只服务于“观看”，也服务于“学习”。内容脚本中的侧边面板包含摘要、字幕查看与编辑、测验等区域。摘要会以本地存储形式保存，并组织为概览、重点、时间点和子主题；字幕视图支持按时间关联的字幕块、可编辑文本区域与保存操作；测验区域则包括分数、题卡、选项、简答输入、对错状态和反馈内容。这些设计说明，VocoShift 试图把视频翻译、复习和理解巩固整合到同一流程中，使用户在观看后还能继续整理与检验学习成果。 Key Features: - 支持在受支持的视频与学习网站中，将字幕内容翻译并以合成语音进行同步配音播放。 - 可用于 YouTube、Bilibili、Udemy、Coursera 以及 Epic 开发者网站等页面。 - 提供源语言、目标语言、音色、音高、原声与配音音量等多项可调设置。 - 支持显示翻译字幕，并可降低或静音原始音轨，以突出配音内容。 - 内置智能语境词典，可依据视频标题关键词应用术语替换规则。 - 提供本地字幕与音频缓存管理，支持刷新、清理和缓存复用。 - 包含学习辅助侧边面板，可用于查看摘要、编辑字幕和完成测验。 - 内置账号系统，支持注册、登录、密码管理、退出登录和删除账号。 - 提供中英界面切换，并显示多语种语音预览及性别筛选能力。 How It Works: 1. 在受支持的视频网站中打开带字幕的视频页面，并从浏览器工具栏打开 VocoShift。 2. 在弹出界面中选择源语言、目标语言、语音音色，以及原声和配音相关设置。 3. 启动配音后，扩展会检测或获取当前视频可用字幕，并解析字幕内容。 4. 字幕文本会被翻译为目标语言，再生成对应的神经语音音频。 5. 扩展将配音与视频时间线同步，在播放、暂停或进度变化时进行对齐处理。 6. 用户可根据需要显示翻译字幕，并调整原声降低、静音或配音音量。 7. 已处理过的字幕和音频数据可保存在本地缓存中，以便后续更快复用。 8. 在支持的体验中，用户还可打开侧边学习工具，查看摘要、编辑字幕或完成测验。 Privacy: - 此扩展会收集浏览数据以改进用户体验。根据扩展包信息，它需要访问受支持网站页面，并使用在线服务接口完成翻译、语音合成和账号相关功能；同时会在浏览器本地存储设置、摘要、字幕缓存和音频缓存数据。