有字幕，直接读。
优先读取可跨域访问的字幕或页面字幕轨道，跳过语音识别。平台限制字幕读取时，会明确转入音频授权流程。
LESS WATCHING. MORE UNDERSTANDING.
把视频，读成文章。
贴一个链接，字幕优先。
没有可读字幕时，让浏览器听懂它。
纯前端 · 无需安装 · GPU 可选，CPU 也可用
一个链接，一篇文章。
保留来源，把等待交给浏览器。你的设备负责转写，你选择的模型负责整理。
没有可读字幕，浏览器转写。
由你授权视频标签页音频，Whisper 在浏览器 Worker 中边采集边转写。不上传 ASR 服务，也不要求安装扩展或本地程序。
有依据地整理和校订。
用自己的 API 生成四种篇幅的文章。纠正明显转写错误，保留数字与限定条件，存疑处标注，原字幕完整保留。
同一份内容，四种阅读深度。
篇幅随信息密度调整。不为凑字数编造，也不悄悄丢掉后半段。
短篇300–500 字
抓住核心结论
抓住核心结论
中篇800–1,500 字
保留主要论据
保留主要论据
长篇1,800–3,000 字
展开例子与推理
展开例子与推理
详细3,000–5,000 字
梳理过程与限制
梳理过程与限制
YOUR BROWSER. YOUR COMPUTE.
没有 GPU，也可以。
这张截图来自真实 Chrome：使用 CPU / WASM 的 Whisper 模型识别公开语音样本，没有调用 ASR 后端。
有可用 GPU 时优先加速；否则用量化模型在 CPU 上识别。音频采集与推理分别在 Worker 中处理，队列显示待处理时长。首次下载模型，之后复用缓存。
查看真实验证记录 ↗
打开网页，就开始。
无需安装 Python、yt-dlp 或本地模型服务。桌面 Chrome / Edge 是首版推荐的音频授权浏览器。
-
贴链接，先读字幕
选择文章篇幅，网页先尝试读取可访问的字幕。
-
按需授权音频
优先在本页播放器中播放并授权本页音频；内嵌受限时，再选择原站播放和原视频标签页音频。
-
完成转写，整理文章
停止后处理剩余队列，再用自己的 API 生成文章，复制或导出全文。
音频留在浏览器。只有你请求生成文章时，字幕才发送给所选 API。Key 仅存于当前页面内存。
使用之前，你可能想知道。
这个网页就是应用吗？
是。点击开始使用即可进入真实纯前端应用，无需本机服务。中文界面支持生成中文和英文文章，也提供中英文产品介绍。
为什么有时需要共享视频标签页音频？
普通网页无法任意读取其他网站的受保护音轨或字幕。授权共享的是播放中的音频；转写随播放进度进行，不是瞬间下载整段音轨。暂停、跳转、广告、倍速会影响时间点，跳过的内容无法补齐。
无 GPU 会很慢吗？
可使用 CPU / WASM 的轻量 Whisper tiny 模型，速度取决于设备。慢设备会显示积压时长，停止采集后继续处理。GPU 只是可选加速，不是使用门槛。
ASR、模型和文章是否免费？
本地浏览器 ASR 不调用收费转写服务。首次需要下载开源模型；文章使用你配置的 API，费用或免费额度由服务商决定。自定义服务需支持浏览器 CORS，不内置共享 Key。
识别失败后怎么办？
已识别文本和待处理音频会保留，可用 CPU 重试或下载待处理音频。未完成的结果会标注状态。文章纠错不等于外部事实核查，关键事实仍需回看来源。