断网也能翻译!kiss-translator完全离线使用指南
2026-02-05 04:39:31作者:范靓好Udolf
你是否遇到过这样的尴尬:在高铁上想阅读英文文档、在国外旅行时想查看当地网页,却发现没有网络连接?作为一款简约、开源的双语对照翻译扩展与油猴脚本,kiss-translator不仅支持在线翻译,还提供了强大的离线使用能力。本文将带你解锁三种核心离线方案,让你在无网络环境下也能畅享翻译服务。
方案一:浏览器内置AI翻译(零配置即用)
最便捷的离线翻译方式是使用浏览器内置的AI翻译功能。kiss-translator已深度集成Chrome浏览器的BuiltinAI翻译接口,无需额外配置即可在断网时使用。
启用步骤:
- 打开扩展设置页面(快捷键
Alt+O) - 在翻译服务选项中选择「Chrome BuiltinAI」
- 启用「优先使用缓存」选项(位于高级设置)
核心实现代码位于src/config/api.js,该模块定义了内置AI翻译的基础配置。当网络不可用时,系统会自动切换至本地处理模式,利用浏览器内置的AI模型进行翻译。
方案二:Ollama本地大模型部署(高级玩家首选)
对于需要高质量离线翻译的用户,推荐部署Ollama本地大模型。通过自定义接口配置,可将翻译请求完全本地化处理。
部署流程:
- 安装Ollama并启动服务:
# 启动时允许跨域访问(关键步骤)
OLLAMA_ORIGINS=* ollama serve
-
在扩展中添加自定义接口:
- URL:
http://localhost:11434/v1/chat/completions - 请求Hook代码参考custom-api_v2.md中Ollama配置示例
- 响应Hook使用内置
parseAIRes函数解析结果
- URL:
-
测试本地连接:在设置页面点击「测试接口」按钮
关键代码实现位于src/libs/builtinAI.js,该模块处理本地模型的请求分发与响应解析。系统会自动判断网络状态,在离线时将翻译任务路由至本地Ollama服务。
方案三:翻译缓存优化策略(无缝衔接网络切换)
即使没有本地模型,通过优化缓存策略也能显著提升离线体验。系统默认缓存翻译结果,配置得当可满足日常阅读需求。
配置方法:
- 打开设置页面「高级选项」
- 调整缓存参数:
- 缓存超时时间:建议设置为86400秒(24小时)
- 缓存容量限制:根据需求调整(默认500条)
- 启用「预缓存常用语言对」选项
缓存机制由src/libs/cache.js实现,核心函数包括:
putHttpCache: 存储翻译结果到本地缓存getHttpCache: 从缓存读取数据tryClearCaches: 手动清除过期缓存
缓存工作流程:
sequenceDiagram
participant 用户
participant 扩展
participant 缓存系统
participant 本地模型
用户->>扩展: 发起翻译请求
扩展->>扩展: 检查网络状态
alt 网络可用
扩展->>缓存系统: 检查缓存
alt 缓存命中
缓存系统-->>扩展: 返回缓存结果
else 未命中
扩展->>远程API: 请求翻译
远程API-->>扩展: 返回结果
扩展->>缓存系统: 存储结果
end
else 离线模式
扩展->>本地模型: 请求翻译
本地模型-->>扩展: 返回结果
end
扩展-->>用户: 显示翻译结果
离线功能最佳实践
日常使用建议:
- 定期预热缓存:在有网络时浏览常用网站,系统会自动缓存翻译结果
- 配置快捷键:设置
Alt+Shift+O快速切换离线模式(src/libs/shortcut.js) - 监控缓存状态:通过「高级设置」中的「缓存统计」查看缓存使用率
常见问题解决:
- 缓存不生效:检查src/libs/cache.js中的
DEFAULT_CACHE_TIMEOUT值 - 本地模型无响应:确认Ollama服务状态及src/config/setting.js中的本地接口配置
- 翻译质量下降:尝试更新本地模型或调整src/libs/interpreter.js中的翻译参数
结语
通过本文介绍的三种方案,你可以根据实际需求选择合适的离线翻译策略。从简单的缓存优化到高级的本地模型部署,kiss-translator提供了灵活的离线解决方案。完整项目文档可参考README.md,更多高级技巧欢迎在社区分享。
无论是商务出行还是网络不稳定环境,这些技巧都能确保你始终保持顺畅的翻译体验。现在就打开扩展设置,配置你的专属离线翻译方案吧!
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
778
暂无简介
Dart
798
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271
