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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
525
3.73 K
Ascend Extension for PyTorch
Python
332
396
暂无简介
Dart
766
189
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++
878
586
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
336
166
React Native鸿蒙化仓库
JavaScript
302
352
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🎉 (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
1.33 K
749
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
985
246
