【亲测免费】 Picture-in-Picture Chrome 扩展教程
2026-01-19 10:22:11作者:龚格成
picture-in-picture-chrome-extension
简单的Chrome扩展,演示Chrome中的画中画Web API。可自定义键盘快捷键(默认Alt-P),在扩展快捷键设置页面修改。
1、项目介绍
Picture-in-Picture Chrome 扩展是由 GoogleChromeLabs 开发的一个简单的 Chrome 扩展,旨在演示 Chrome 中的 Picture-in-Picture Web API。该扩展允许用户在一个浮动窗口中观看视频,从而可以在与其他网站或应用程序交互的同时继续观看视频。
2、项目快速启动
安装扩展
- 打开 Chrome 浏览器,访问 Chrome Web Store。
- 搜索 "Picture-in-Picture Extension (by Google)"。
- 点击 "添加至 Chrome" 进行安装。
使用扩展
- 打开一个包含视频的网页。
- 点击视频播放按钮。
- 按下快捷键
Alt + P(Windows)或⌥ + P(macOS),视频将进入画中画模式。
配置快捷键
- 在 Chrome 浏览器中输入
chrome://extensions/shortcuts。 - 找到 "Picture-in-Picture Extension (by Google)"。
- 修改快捷键设置。
3、应用案例和最佳实践
应用案例
- 多任务处理:用户可以在编写文档或浏览其他网页的同时观看视频。
- 视频会议:在进行视频会议时,用户可以将视频窗口固定在屏幕上,方便查看。
最佳实践
- 快捷键设置:根据个人习惯设置快捷键,提高使用效率。
- 窗口管理:合理调整浮动窗口的大小和位置,避免遮挡重要内容。
4、典型生态项目
相关项目
- Chrome Web Store:提供各种扩展和应用,包括 Picture-in-Picture 扩展。
- Google Chrome 开发者工具:帮助开发者调试和优化扩展。
社区支持
- GitHub 仓库:项目源码托管在 GitHub,用户可以提交问题和建议。
- 开发者论坛:参与讨论和获取帮助。
通过以上内容,用户可以快速了解和使用 Picture-in-Picture Chrome 扩展,并在实际应用中获得最佳体验。
picture-in-picture-chrome-extension
简单的Chrome扩展,演示Chrome中的画中画Web API。可自定义键盘快捷键(默认Alt-P),在扩展快捷键设置页面修改。
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
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
625
4.12 K
Ascend Extension for PyTorch
Python
464
554
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++
930
801
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
114
181
暂无简介
Dart
871
207
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
130
189
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
1.43 K
378
昇腾LLM分布式训练框架
Python
136
160