Chrome 扩展 · 视频 AI 配音
视频字幕翻成你的语言，用 AI 逐句配音
听听给 YouTube、Udemy、Coursera、B 站、X 和任意带字幕轨的网页配音：字幕切句、翻成目标语言、用小米 MiMo 逐句合成，再按时间轴跟画面同步。没有字幕的视频改走听写。8 个音色、80 种目标语言，登录后每天免费 30 分钟。
桌面版 Chrome / Edge · 权限按站点授予，随时可撤销
向量和矩阵之间，隔着一层坐标变换。
Vectors and matrices are one coordinate change apart.
听听
逐句对齐播放
目标语言
音色
试听
先听 8 个音色，再决定装不装
同一句台词的 MiMo V2.5 TTS 输出，没有做任何后期。扩展里点一下就能换。
同一句台词
这一节我们讲三件事：向量、矩阵，还有它们之间的关系。
女声 · 4 个
男声 · 4 个
音色是 MiMo V2.5 TTS 的 8 个预置角色，扩展里可以随时切换；音频由服务端统一合成，逐句按字幕时间轴播放。
支持站点
不只是 YouTube
站点相关的部分都在适配器里：每个站点有自己的字幕来源，读不到就换下一条路。
YouTube
watch、embed、m.youtube 都行
player response / timedtext / textTracks
Udemy
登录后的课程也能配
/api-2.0 的字幕文件
Coursera
公开课与专项课程
onDemand 字幕轨（VTT）
Bilibili
外语搬运与生肉
字幕列表接口
X
时间线上的视频
页面里的字幕轨
Gumroad
课程与回放
页面里的字幕轨
任意网页
有视频就能试
<track> / HLS / DASH / Wistia
页面里嵌的是 Vimeo、Wistia、Brightcove、Kaltura、JW、Vidyard、Loom 这类播放器时，扩展会提示你到源站打开；YouTube 嵌入会直接给「在 YouTube 打开」。其它站点第一次用时按站点授权，之后自动生效。
三步用上，之后每个视频点两下
扩展装一次、站点授权一次、账号登录一次。之后打开视频，点一下播放器上的声波按钮。
加载扩展
chrome://extensions 开启开发者模式，点「加载已解压的扩展程序」，选项目里的 extension/ 目录。改完代码要刷新扩展并刷新视频页。
一次性授权站点
安装后自动打开欢迎页，一次请求 Udemy、Coursera、Bilibili、X、Gumroad 的访问权限。也可以之后在视频页点扩展图标，按站点单独授权。
登录，点按钮
用 Google、Microsoft 或邮箱登录。播放器控制栏右侧会出现橙色声波按钮，前三次带「配音」字样；几秒后起播，双语字幕跟着走。
有字幕的视频，走这五步
不是实时同传，而是边看边生成：先有句子，再有译文，最后才有声音。
- 01
找字幕
先读站点自己的字幕轨：YouTube、Udemy、Coursera 各有各的来源
- 02
切句
按标点合并成完整句子，一句一个片段
- 03
翻译
MiMo v2.6-flash 逐句翻成目标语言
- 04
配音
MiMo V2.5 TTS 按句合成，8 个音色可选
- 05
对齐播放
按该句在视频里的时间窗播放，长句自动加速
没有字幕，就听播放器的音频
字幕轨、页面字幕都读不到时，扩展会从播放器自己的缓冲里取音频窗口，在本地解码成一小段 WAV，交给听写模型转成文字，再走跟字幕一样的翻译、配音、对齐。
- 只传需要的音频窗口，不整段上传视频。
- 听写额度单独计量：免费 15 分钟/天，基础版 90 分钟/天，专业版不限。
- 只对 MSE（blob）播放有效；DRM 视频和直接 mp4 拿不到音频。
状态：扩展里已经带上这条链路，线上后端的听写路由还没部署。当前请以有字幕的视频为主，部署后这里会更新。
- 01
抽音频
从播放器缓冲里取最近 3 分钟，每 15 秒切一个窗口
- 02
解码
本地解码成 16 kHz 单声道 WAV，只传这个小片段
- 03
听写
qwen-audio-3.1-asr-flash 转成文字与句子时间戳
- 04
之后一样
切句 → 翻译 → 配音 → 对齐，与字幕路径汇合
具体能做到什么
看字幕是读，听听是听
下面这六件事决定了它比字幕插件省力多少。
逐句对齐，不硬塞
每句配音对准它在视频里的时间窗，长句自动加速，最多压到 1.45 倍，拖动进度条会重新对齐。
原声和配音分开调
原声默认压到 20%，两条音量各自独立。想混着听、想只听配音，都在弹窗里调。
双语字幕跟着走
译文按进度逐字高亮，小字保留原文。字幕浮层能拖动，位置由你决定。
80 种目标语言
目标语言在弹窗里选，源语言可以自动识别。常用的是中、英、日、韩、西班牙语这几档。
8 个角色音色
冰糖、茉莉、苏打、白桦、Mia、Chloe、Milo、Dean，男女各四个，随时切换。
权限按站点给
只在你允许的站点运行。授权列表存在浏览器本地，随时可以在扩展设置里撤销。
横向对比
听听、YouTube 自动配音、字幕插件
三种看懂外语视频的方式，各自能做到什么。
打开视频就能听，不用上传
- 听听
- 支持
- YouTube 自动
- 由创作者预先制作
- 字幕插件
- 不支持
自选音色
- 听听
- 8 个
- YouTube 自动
- 不支持
- 字幕插件
- 不支持
目标语言可自选
- 听听
- 80 种
- YouTube 自动
- 由创作者设定
- 字幕插件
- 不支持
支持 Udemy / Coursera 课程
- 听听
- 支持
- YouTube 自动
- 不支持
- 字幕插件
- 因插件而异
支持 B 站与普通网页
- 听听
- 支持
- YouTube 自动
- 不支持
- 字幕插件
- 不支持
没有字幕的视频
- 听听
- 听写（β）
- YouTube 自动
- 仅创作者开通
- 字幕插件
- 不支持
双语字幕同时显示
- 听听
- 支持
- YouTube 自动
- 单语
- 字幕插件
- 支持
原声与配音分开调音量
- 听听
- 支持
- YouTube 自动
- 不支持
- 字幕插件
- 不支持
免费额度
- 听听
- 每天 30 分钟
- YouTube 自动
- 免费
- 字幕插件
- 通常免费
这些视频最值得配一遍
有字幕轨就能配；下面这几类收益最大。
付费课程
Udemy、Coursera 的课程字幕直接读，登录后的课也能配。
B 站生肉
外语搬运、无字幕投稿，有字幕轨就先翻，没有就走听写。
编程与技术分享
教程里的库名、函数名听一遍就记住，眼睛留在代码上。
公开课与讲座
大学公开课、会议录像，长视频按句走，不担心跟不上。
访谈与播客
两三个小时的对话也能连续听，做饭通勤都不耽误。
X 与 Gumroad
时间线上的视频、课程回放，有字幕轨就能配。
价格
免费版够用，再按分钟升级
额度按合成音频的秒数算，听写单独计额。超额会在开始前拦下，不扣费也不给音频。
基础版
CN¥14.9/ 月 · 年付折算 9.9 / 月
每月 60 小时，单条最长 180 分钟。
- 每月 3600 分钟
- 每天 20 条 · 单条 ≤180 分钟
- 听写 90 分钟/天
- 全部音色与目标语言
专业版
CN¥29.9/ 月 · 年付折算 19.9 / 月
时长、单条长度、每日条数都不限。
- 配音时长不限
- 单条不限 · 每天不限条数
- 听写不限
- 每天 200 万字符翻译额度
支付还没接入，现在升级由管理员手工开通。年付按 118.8 元 / 238.8 元一次付清，约 6.7 折。听写额度随听写接口上线生效。
安装
还没上架应用商店，先按这个装
扩展在项目目录里，加载一次就行。后端已经部署在 Cloudflare Workers 上，不用自己配。
打开扩展管理页
地址栏输入 chrome://extensions，右上角把「开发者模式」打开。
加载扩展目录
点「加载已解压的扩展程序」，选项目里的 extension/ 文件夹。装在 Edge 上同理，地址是 edge://extensions。
在欢迎页授权站点
安装完会自动打开欢迎页，点「允许在这些站点使用」一次授权 Udemy、Coursera、Bilibili、X、Gumroad。不授权也能用 YouTube。
登录并确认配额
点工具栏的「听听」，用 Google、Microsoft 或邮箱登录。主面板显示「免费版 · 今日配音 0 / 30 分钟」。
打开视频点声波按钮
按钮挂在播放器自己的控制行里；找不到控制行就落在左上角。没登录会提示先登录，读不到字幕会改用听写。
extension/config.js
export const CONFIG = {
SERVER_BASE: 'https://tingting.animal-world-cup.workers.dev',
SUPABASE_URL: 'https://behqvrcfkeigkoeqttqv.supabase.co',
SUPABASE_ANON_KEY: '<anon key>',
};仓库里已经填好这三项，指向线上 Worker。本地开发把 SERVER_BASE 改成 http://localhost:8787，并同步 manifest.json 的 host_permissions。
常见问题
听听是一个 Chrome 扩展：把视频页面的字幕翻译成目标语言，用小米 MiMo V2.5 TTS 逐句合成配音，再按字幕时间轴和画面同步播放。原声会自动压到 20%，译文以双语字幕跟着进度走。
YouTube（watch、embed、m.youtube）、Udemy、Coursera、Bilibili、X、Gumroad，以及任何能读到字幕轨的网页。页面里嵌的是 Vimeo、Wistia 这类播放器时，扩展会提示你到源站打开。
扩展只在 YouTube 上默认运行，其他站点要你点一次「允许」才会注入。授权列表存在浏览器本地，随时能在扩展设置里撤销，不给所有站点放行也照样用 YouTube。
可以走听写：扩展从播放器缓冲里取音频窗口，本地解码成一小段 WAV，交给听写模型转文字，再走同样的翻译与配音。目前只在 MSE（blob）播放的视频上有效，DRM 视频和直接播 mp4 的不行。这条链路扩展里已经带了，线上后端的听写路由还没部署。
配音按合成出来的秒数算，不看视频长度；听写单独计额。免费版每天 30 分钟、每月 180 分钟、每天最多 3 条视频、单条不超过 60 分钟，听写每天 15 分钟。超额会在开始前拦下，不扣额度也不返回音频。
Udemy 与 Coursera 的课程字幕会直接从课程接口读，登录后的课也能配。有防复制保护（DRM）的视频拿不到音频，这类课只能在有字幕的情况下翻。Netflix 这类平台不在支持范围内。
登录页有 Google、Microsoft、邮箱三个入口。邮箱注册需要先点确认邮件才能登录，而发信服务还没接好，所以现在注册入口是关着的；已有邮箱账号可以照常登录。
不能。Chrome 扩展只装在桌面版 Chrome 或 Edge 上，手机浏览器和 App 内播放器都不支持。
免费版 0 元；基础版 14.9 元/月，年付折算 9.9 元/月；专业版 29.9 元/月，年付折算 19.9 元/月。支付还没接入，现在升级由管理员手工开通。
账号在 Supabase Auth，会员等级和用量账本在 Supabase Postgres，语音、翻译与听写由 Cloudflare Worker 代理平台密钥完成。扩展里只有公开的 anon key，平台密钥只在服务端。
界面和结构参考 EarDub，账号、配额与语音换成 MiMo + Supabase + Cloudflare Workers。服务条款隐私政策