从核心到界面:kiss-translator模块化架构深度解析
项目概述
kiss-translator是一个简约、开源的双语对照翻译扩展及油猴脚本,支持网页翻译、字幕翻译、划词翻译等多种场景。项目采用模块化设计,核心功能通过多个相互协作的模块实现,整体架构清晰且易于扩展。项目完整结构可参考项目根目录。
核心模块架构
项目核心功能通过以下关键模块实现,各模块职责明确且通过统一接口协作:
1. 翻译引擎层
TranslatorManager作为翻译功能的总调度中心,协调翻译器、输入翻译器和翻译框管理器等组件。该模块位于src/libs/translatorManager.js,负责:
- 初始化翻译相关组件
- 注册快捷键和事件监听
- 处理跨模块消息通信
- 管理翻译状态切换
// 核心初始化逻辑示例
this._translator = new Translator({
rule,
setting,
favWords,
isUserscript,
isIframe,
});
this._transboxManager = new TransboxManager(setting);
this._inputTranslator = new InputTranslator(setting);
2. 字幕翻译系统
针对视频平台的字幕翻译需求,项目实现了完整的字幕处理流程:
BilingualSubtitleManager负责在视频上显示和翻译字幕,位于src/subtitle/BilingualSubtitleManager.js。其核心功能包括:
- 字幕窗口创建与样式控制
- 字幕时间轴匹配
- 预翻译与实时更新
- 字幕拖动交互
关键实现包括时间轴匹配算法:
#findSubtitleIndexForTime(currentTimeMs) {
return this.#formattedSubtitles.findIndex(
(sub) => currentTimeMs >= sub.start && currentTimeMs <= sub.end
);
}
3. 翻译规则系统
项目支持自动识别与手动规则两种翻译模式,规则系统通过以下组件实现:
- 规则定义:src/config/rules.js
- 规则管理:src/hooks/Rules.js
- 规则优先级:个人规则 > 订阅规则 > 全局规则
规则系统允许用户针对特定网站进行翻译优化,支持自定义选择器、排除规则和翻译样式。
4. 界面交互组件
项目提供多种用户交互方式,核心界面组件包括:
- FABManager:浮动操作按钮,src/libs/fabManager.js
- PopupManager:设置弹窗,src/libs/popupManager.js
- TransboxManager:翻译框管理,src/libs/tranbox.js
这些组件通过统一的事件系统通信,确保界面操作的一致性和响应性。
高级功能实现
自定义翻译接口
项目支持通过自定义接口接入任意翻译服务,实现方式参考custom-api_v2.md。自定义接口需实现请求/响应钩子,例如Ollama接口:
// 请求钩子示例
async (args) => {
const body = {
model: "gemma3",
messages: [
{ role: "system", content: args.defaultSystemPrompt },
{ role: "user", content: JSON.stringify({
targetLanguage: args.to,
segments: args.texts.map((text, id) => ({ id, text }))
})
}
]
};
return { url: args.url, body, headers: { "Content-type": "application/json" }, method: "POST" };
};
多翻译服务整合
翻译服务管理通过TranslatorManager实现,支持Google、DeepL、OpenAI等多种服务,核心代码位于src/libs/translator.js。系统通过适配器模式统一不同翻译服务的接口,确保上层模块使用一致的调用方式。
技术亮点
1. 模块化设计
项目采用分层架构,各模块通过明确接口通信:
- 核心层:翻译引擎、规则系统
- 服务层:API调用、存储管理
- 界面层:交互组件、样式系统
2. 性能优化
- 任务池:src/libs/pool.js实现并发控制
- 缓存机制:src/libs/cache.js减少重复翻译
- 节流处理:字幕更新等高频操作采用节流优化
3. 跨平台兼容
项目同时支持浏览器扩展和油猴脚本模式,通过src/userscript.js和条件编译实现不同环境适配。
总结
kiss-translator通过模块化架构实现了功能丰富且高效的翻译体验,核心优势包括:
- 灵活的规则系统,适应不同网站结构
- 高效的字幕翻译引擎,支持视频学习场景
- 可扩展的翻译接口,对接各类翻译服务
- 轻量级设计,兼顾性能与兼容性
项目架构设计平衡了功能复杂度和代码可维护性,为开源社区贡献了一个高质量的翻译工具。完整代码可通过仓库获取:https://gitcode.com/gh_mirrors/ki/kiss-translator
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00


