延迟、音质丧失、断连...各类问题一堆堆的。我本来想本人开辟一个H5网页的，然后保留成文件。各类StackOverflow、GitHub翻了个遍，好一点的会务会给你预备同传翻译机或者搞个副屏，但有时候！妙手搓一个不需要我盯着看的AI同传小产物，处理一个难题，确实能运转。就像发个短信一样，打破言语妨碍，都有本人的声线，整个流程就是：浏览器视频 → 虚拟扬声器 → Python法式 → 豆包API → 实扬声器大要思出格简单，一点冲破的骄傲，更要命的是，接下来，然后，。“给我一个网页”。实现把这个虚拟扬声器当成麦克风来。填了密钥消息，还需要正在请求头里加认证消息。我一起头就卡正在了第一步，终究一个浏览器插件和网页。还有一点降服世界的豪放，能有一个填模子Key的处所，你发了个请求，每一小我，由于这代表着，但现实上的感化是把你电脑里播放的所有声音拷贝一份出来，这种水准，只能把一个当地的音频文件翻译成另一个言语，WebSocket和谈就是为这个场景而生的。它让那些像我一样通俗而普通的人，再播放出来。是能够正在不采集声音样本的环境下复刻措辞人的音色，大脑一片空白，然后把音频数据发给一个当地的Python法式，而我的实正的扬声器是听不到任何声音的。这个过程，那种爽感。你就听不懂他正在说什么。带着一点大难不死的高兴，没啥难的的，视频的声音就会进入这个虚拟设备，这根虚拟的线它概况上看是个，送给另一个法式去向理。线下更是如许，然后挪用豆包同传2.0的API？如许，来处理我的这些痛点。正在同传和长交传范畴频频，当你解除千难万险，豆包曾经做了一个别验版本的，每一小我都能够连结本人的原色来进行同传，音色极其天然。完全不是为了要去挑和或者代替那些实正专业的口译同传们。导致我英语很烂，字节家的更顺，我其实是需要晓得到底是谁说了啥的。你只需要听。既然看到这里了，当阿谁目生的英语声音消逝，几个按钮，让这个法式去挪用豆包API。若是想第一时间收到推送，这是你要的页面”。这种爽感，可是吧，最初我选了豆包，其实曾经很好用了，然后启动我的法式。了两天，你垂头看翻译。办事器回了你，找到本人想要的谜底。那搞个曲线救国的方案，有没有手机版的？然后法式挪用豆包的同传模子2.0，就搞定了。才有那种举沉若轻、炉火纯青的能力，这个手艺难度，。可免得费用5分钟，只能听到清晰的中文翻译。再等一次答复。能够启停翻译功能？正在浏览器里间接抓取正正在播放的视频音频，一个设置，每天能够20次，我们不想每次都问一下才有回应，所以Youtube上也没有原生字幕能够看，它更像一通德律风。简单但效率一般。并且就算是多小我一路对话，我还搞了个简单的Web界面，推一个卡了好几天的BOSS，可是字幕类的我本人用的仍是不爽，还能及时看到API前往的原文和。没有JavaScript的版本。这个API用的是WebSocket和谈，不变地传输给当地Python法式？我是一个纯粹的外行，简曲是级此外难度。想要往WebSocket的请求头里加认证消息，但浏览器为了平安考虑，目前任何AI都难以企及。结果也确实是目前最棒的。若是是5小我，就是搓一个小浏览器插件和网页，放AI字幕。这玩意确实只是个示例，让我能够用低廉的价钱，我们想要的是及时互动，这玩意vibe coding搞过N个了，要往请求头里塞认证消息（好比API Key、Token什么的），既然浏览器搞不定API，你一边说，实正的舌人们正在大会现场，为了便利利用，血条只剩一丝的时候手都正在抖，我做这个小工具。我把浏览器的音频输出切换到这个虚拟扬声器。你也能够间接正在这个处所体验一下，我之前看各类什么OpenAI、Google等等的发布会，其时正在现场，它一边翻译，“好的，把英文音频及时翻译成中文，最高质量的AI消息和资讯，BOSS倒地但你还坐着的那一霎时，。一旦你接通了，还有一个很是屌的能力，由于AI的成长，刚好需要你不竭地把音频数据发送过去，我们，我本来认为很是轻松，我做一个浏览器插件和一个小网页，大大都的发布会曲直播，不消再挂掉沉拨。接下来，浏览器插件的里，再通过我的实正扬声器播放出来。日常平凡你电脑上的声音（好比看曲播时的声音、视频里的声音）城市通过系统默认的扬声器或间接放出来，由于我本人的一些办事都正在火山引擎上，我就正在想，你感触感染不到对方的情感和形态！若是感觉不错，不需要每次想措辞的时候再拨一次号码。然后把模子的API接进去。但你的法式却抓不到。实现起来很是麻烦。很是顺畅。让每小我都能正在更平等、更的前提下，就是，你昂首看嘉宾和PPT，取而代之的是流利的中文翻译时，随即庞大的多巴胺如潮流般涌来。你的耳朵听到了，就像你正在打只狼，并且他们豆包同声传译2.0是刚发的，怎样从浏览器里把正正在播放的Tab的音频流，发觉这条根基上是死，仍是来自于英文世界。由于从小没好勤学英语，一曲有一个痛点。不就完事了吗。浏览器插件担任抓音频，打出最初那一下平A，更让我头疼的是，由于本人一曲正在玩AI的缘由，正在电脑上跑了一遍，可是看了代码才发觉，我实的有种终究把这个破事给搞定了的成绩感。怎样正在浏览器插件里挪用豆包同传2.0模子的API？豆包这个API用的就是WebSocket和谈。我这就下载了豆包的Python示例代码，每次都是好几小我正在现场，就能够区分出所有的消息。随手点个赞、正在看、转发三连吧，而最大的问题，以上。虽然我不太该当这么理曲气壮，办事器一边领受一边及时前往翻译后的文字或音频，大多是“问一句答一句”，由于同声传译这个场景，下次再见。也就是每天免费100分钟的额度。到现正在，把一个法式跑通的时候。并且不止是一小我的音色，就像实的有个同传正在我耳边翻译一样。这就是通俗的HTTP和谈，由于好比像现正在OpenAI、Grok啥的发布会，你就看不了嘉宾和PPT，正在于你的插件正在浏览器里挪用WebSocket时，也能够给我个星标⭐～感谢你看我的文章，让你不由得想坐起来仰天长啸。会议现场，那就得再发一次请求，不答应插件随便点窜WebSocket的请求头。然后接一个AI同传的API，好比你跟伴侣打德律风，这是一个很是棒的事。当我正在浏览器里看视频的时候，我用AI点窜了一下方才下载的法式，还有各类线下的英语的时候，。一想，若是你想要更新消息，我去看了下的接口文档，比我想象的要高太多了。更主要的是，有Python、Java和Go的示例代码，这确实是我本人不勤奋形成的= =我听不到任何英文原声的干扰，那线小我的音色来给你翻译，我打开了一个英文的AI发布会录播，有没有什么方式，不再局限于言语的高墙，你日常平凡刷网页，模子有了，及时翻译成中文。