外语视频，现场同传。
给 YouTube、Netflix、哔哩哔哩加上实时双语字幕，直播也能翻。开源免费，Key 只存在你自己的电脑上。
46 秒，看完全部。
静音循环播放；点右下角打开英文旁白
有字幕翻字幕，没字幕听声音。
视频自带字幕时，直接拿播放器自己请求的字幕文件，整集一次翻完并缓存，再看不花钱。直播或没有字幕时，录下标签页的声音交给本机识别，再由大模型断句翻译。
- 讲者停顿后 1.5–2.5 秒出译文，质量优先，延迟也不失控
- 自动判断讲的是哪种语言，听错了可以在菜单里改
- 声音在你自己的电脑上识别，不上传
断句 · 纠错 · 翻译你选的翻译服务
断句交给模型，不写规则。
识别端按停顿切出的片段不是句子，还带错字。所有待定片段连同上文一起交给模型：它决定哪几段是一句、顺手纠错、再翻译。没说完的先标「待续」，讲者一停就确认。
- 边翻边上屏，不用等一整段说完
- 每句话确认说完了才定下来，半截话不上屏
- 上屏的句子不改、不重复显示
画面、声音、字幕，同一时刻。
识别和翻译总要一点时间。打开延迟播放，画面和声音整体往后推几秒，字幕就能在讲者开口的那一刻出现，像看延时直播。蓝牙耳机的输出延迟也会自动补上。
- 延迟几秒可以自己设，也可以关掉
- 有版权保护、没法延迟的画面会自动按实时播放
三种字幕，按场合挑。
在播放器菜单里随时切换；字号、颜色、背景、位置也都能按自己的习惯调。
专业场合，术语不走样。
按视频自动选用合适的词库，专有名词按你定的译法翻。内置一份美联储财经词库作示例，其他行业可以自己新建，或从表格导入。
- 词条同时当识别热词，专有名词听得更准
- 剧集会整集通读一遍，人名、称呼统一译法
- 可以加自己的翻译规则
may / could / likely 的语气强弱，不改变鹰鸽倾向；数字写成「25个基点」「3.75%至4%」。你可能还想知道
没找到答案的，README 里有完整说明。
支持哪些网站？
- YouTube
- 自动字幕、上传字幕直接翻；直播和没字幕的视频听声音同传。
- Netflix
- 自动选原声语言字幕，日剧直接日译中；没有字幕时听声音。
- 哔哩哔哩
- UP 主字幕和 AI 字幕（AI 字幕要登录）；都没有就按段下载音轨识别，几秒出第一句。
- U-NEXT
- 只能听声音翻译，原因见下面。
- 任何网页
- 翻译此页（双语对照或仅译文）、选中文字翻译。
怎么安装？
还没上架 Chrome 网上应用店，先用开发者模式加载，需要 Chrome 130 以上。
- 下载代码，打开
chrome://extensions，开启「开发者模式」，「加载已解压的扩展程序」选 simulcap 目录。 - 设置页「网站授权」点一键授权；开发者模式加载时 Chrome 会扣留网站权限。
- 「翻译服务」选一家、填 Key，点「测试」看延迟。
要花钱吗？
扩展免费。翻译用你自己的 Key，按 1 小时连续讲话估算（约 40 万输入、3 万输出 tokens）：
| 翻译服务 | 预设模型 | 输入 / 输出（每百万 tokens） | 1 小时约 |
|---|
2026 年 10 月各家官网价，1 美元 ≈ 7.1 元。字幕文件整集只翻一次，再看走缓存；本机识别和同传语音不收费；打开「深度理解」用量是上表的数倍。
听声音识别需要准备什么？
运行仓库 local-asr 里的 start.sh（Windows 用 start.cmd），首次会在独立环境里装依赖、下载约 1 GB 模型，之后一直开着就行。只翻字幕文件的话可以跳过。也可以改用云端识别（内置 Deepgram，用你自己的 Key）。
支持哪些语言？
译文语言可选，默认简体中文，大模型能翻的语言都可以。识别语言可以自动判断：英语、日语有专用模型，其他语言用 Whisper 多语言模型。扩展的菜单有中文、日本語、English。
我的数据会上传吗？
没有自己的服务器，不收集任何数据。Key 只存在本机浏览器，只发给你选的那家服务，视频页面里的脚本也拿不到；声音在本机识别，不保存；网页文字只在你点「翻译此页」或选中文字后发给网页翻译服务；诊断日志默认关闭。
为什么 U-NEXT 只能听声音？
U-NEXT 的字幕是烧录在视频画面里的，没有单独的字幕文件可读；画面有版权保护，也不能延迟播放，所以字幕会比声音晚 1–2 秒。
免费的谷歌 / 必应翻译和大模型有什么区别？
机器翻译一句一句地翻，用不上上下文，深度理解、统一人名术语、参考后文这几项会变灰。想免费又要大模型的质量，可以选智谱。
能和其他字幕翻译扩展一起用吗？
不建议。同类扩展都会拦截播放器的字幕请求、隐藏原生字幕，同时启用会互相干扰，用 Simulcap 时先停用其他的。