現在 AI 翻譯這麼強，很多人一定會希望看國外影片時，都能獲得即時翻譯，而最近就發現能做到這個效果的「Studio0808 LiveCaption」免費開源工具，這是一款專為瀏覽器開發的即時網頁影音雙語字幕翻譯，意味著不限定平台使用，它會擷取分頁播放的音訊數位輸出，自動進行語音辨識 + Ollama 或線上翻譯，同時利用即時句級串流偵測與翻譯技術，做到幾乎是「隨說隨翻」的效果，而不是整段影片播完才處理。
Windows、macOS 都能裝，不過 Windows 有提供一鍵執行離線整合包，這對科技小白來說比較簡單，macOS 的話，可以要求 AI 代理工具幫忙安裝和教你怎麼使用。
Studio0808 LiveCaption 即時網頁影音雙語字幕翻譯工具介紹和操作教學
Studio0808 LiveCaption 是一款專為瀏覽器影片打造的即時雙語字幕工具，讓使用者在觀看 YouTube、線上課程、直播、會議影片或其他網頁影音內容時，可以即時取得語音辨識字幕與翻譯結果。最大的特色是，採用本機優先的運作架構，透過 Chrome 擴充功能直接擷取目前分頁播放的音訊，再把音訊串流傳送到本機 Python 後端處理，因此不需要使用電腦麥克風，也不會錄到環境雜音或其他分頁聲音。
這款工具整合 Whisper 多國語言辨識引擎與 SenseVoice-Small 亞太語言辨識引擎，支援中文、英文、日文、韓文、粵語，以及法文、德文、西班牙文、義大利文、俄文等多種語言。搭配 Silero VAD 語音活動偵測，系統能在偵測到一句話結束時自動斷句，並快速產生字幕。
翻譯部分則支援本機 Ollama 離線翻譯，也能搭配 DeepSeek 翻譯服務作為備用。
如果你很注重隱私，那就建議使用 Ollama，音訊與文字內容都留在自己的電腦中處理。字幕顯示方面，LiveCaption 提供懸浮字幕視窗，可自訂字體大小、顏色與位置，也支援保留歷史字幕，讓字幕不會一閃就消失。
特色列表：
- 支援瀏覽器影片即時語音辨識與雙語字幕翻譯
- 透過 Chrome 擴充功能擷取分頁音訊，不佔用麥克風
- 整合 Whisper 與 SenseVoice-Small，支援多國語言辨識
- 可搭配 Ollama 進行本機離線翻譯，提升隱私保護
- 支援 Google 翻譯、DeepSeek API 等備用翻譯方式
- 具備即時斷句與低延遲字幕顯示，適合看影片邊理解內容
- 支援保留多行歷史字幕，降低漏看內容的機率
- 提供 Windows 離線整合包，也可用原始碼方式跨平台執行
下面我會示範 Windows 版 + Ollama。如果你的電腦還沒有裝 Ollama，記得先到官網下載安裝。
開發者建議搭配的模型是 Qwen 2.5 7B 或 3B，7B 的品質最佳，3B 則是速度更快。如果你對電腦硬體不太熟悉，可以先嘗試 3B，翻譯品質覺得不行再改試 7B。
在終端機直接輸入以下指令即可安裝該模型：
ollama run qwen2.5:3b-instructollama run qwen2.5:7b-instruct
Windows 一鍵執行離線整合包解壓縮後，會有兩個資料夾，上方是本機伺服器，下方是要匯入到 Chrome 擴充功能（只要是 chromium 核心開發的瀏覽器都能裝）：
在 LiveCaptionServer 資料夾中點兩下打開 LiveCaptionServer.exe，來啟用伺服器：
可能會跳出這個藍色畫面，按其他資訊：
再點「仍要執行」：
接著畫面出現 running on http://127….. 就代表啟用完成了，這個視窗記得維持開著：
再來是將擴充功能匯入到瀏覽器裡，我使用的是 Chrome。進到擴充功能頁面後，打開右上角的「開發人員模式」：
左側就會看到「載入未封裝項目」：
選擇剛剛的 extension 資料夾：
Studio0808 LiveCaption 擴充功能就成功匯入，可將其釘選在右上角：
當你要使用即時字幕翻譯時，就按「啟動即時字幕」：
兩種語音辨識引擎：
影片來源語言也能指定，但大多數情況用自動偵測即可：
下方 Ollama 設置保持預設就好。也能調整字幕外觀設定：
我測試一部日本 YouTube 新聞直播，這沒有任何字幕，結果真的成功出現雙語翻譯字幕（原文 + 譯文）：
國外 POPCORNFLIX 沒有中文字幕，透過這工具就能輕鬆解決：
不過不知道是不是我的電腦硬體不夠，我模型用 3B 或 7B，測試多部影片還沒辦法做到即時翻譯效果，翻譯後的雙語字幕都會慢一句，這部分大家可以測測看。