Voice Over Translation项目在Invidious平台上的CSP策略问题解析
问题背景
Voice Over Translation(简称VOT)是一款优秀的浏览器脚本工具,能够为视频内容提供实时语音翻译功能。然而,当用户在基于Invidious平台的视频网站上使用该脚本时,可能会遇到翻译功能无法正常工作的问题,系统提示"无法请求视频翻译"的错误信息。
问题根源分析
经过深入的技术排查,发现该问题主要源于Invidious平台严格的内容安全策略(Content Security Policy,简称CSP)设置。具体表现为以下两个层面的限制:
-
脚本执行限制:Invidious平台的CSP策略默认阻止了Function()等动态代码执行方式,导致VOT脚本中的某些必要功能无法正常运行。
-
媒体资源加载限制:平台的CSP策略对media-src进行了严格限制,仅允许来自特定域名(如googlevideo.com和youtube.com)的媒体资源加载,而VOT生成的翻译音频来自其他域名,因此被阻止。
解决方案
针对上述问题,我们推荐以下几种解决方案:
方案一:完全禁用CSP限制
在Tampermonkey等用户脚本管理器中,找到VOT脚本的设置选项,将"移除CSP"设置为"完全移除"。这一操作将:
- 允许脚本执行必要的动态代码
- 解除对媒体资源加载的限制
- 使VOT能够正常请求和播放翻译音频
方案二:使用专用CSP管理扩展
对于希望保持部分安全策略的用户,可以安装专门的CSP管理扩展程序,仅针对Invidious平台解除特定限制:
- 安装CSP管理扩展
- 为Invidious域名添加例外规则
- 允许script-src和media-src的宽松策略
技术原理深入
CSP是现代浏览器实施的一项重要安全机制,它通过白名单方式控制网页可以加载哪些资源、执行哪些脚本。Invidious平台出于安全考虑设置了严格的CSP策略:
- script-src限制:阻止了eval()和Function()等动态代码执行方式
- media-src限制:仅允许来自Google视频平台的媒体资源
VOT脚本需要这些权限来实现:
- 动态生成翻译请求
- 加载来自第三方服务的翻译音频
- 与页面视频进行同步播放
最佳实践建议
-
对于普通用户,建议采用方案一(完全移除CSP)以获得最佳体验
-
对于安全敏感用户,可采用方案二并结合以下措施:
- 仅对信任的Invidious实例放宽限制
- 定期检查扩展权限设置
- 使用最新版本的VOT脚本
-
开发者方面,未来版本可能会优化脚本以适应更多CSP环境,减少对放宽策略的依赖
总结
Invidious平台严格的CSP策略与VOT脚本的功能需求之间存在天然的冲突。通过合理调整CSP设置,用户可以在保持安全性的同时享受完整的视频翻译功能。理解这些技术限制和解决方案,将帮助用户更好地在不同平台上使用VOT这一强大的翻译工具。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0186
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08