解决Voice Over Translation脚本在Safari中的GM_addStyle兼容性问题
Voice Over Translation是一款优秀的浏览器翻译脚本工具,但在最新版本的Safari浏览器中,部分用户遇到了脚本无法正常运行的问题。本文将深入分析这一兼容性问题的根源,并提供完整的解决方案。
问题现象分析
在Safari 17.4及以上版本中,当用户尝试使用Voice Over Translation脚本时,控制台会抛出"Can't find variable: GM_addStyle"的错误提示。这一错误直接导致脚本的核心功能无法正常工作,表现为翻译按钮消失或界面元素显示异常。
根本原因探究
该问题的核心在于Safari浏览器对GM_addStyle API的支持发生了变化。GM_addStyle是用户脚本管理器提供的一个常用API,用于动态地向页面注入CSS样式。然而:
- Safari 17.4更新后,UserScripts扩展对GM_*系列API的支持发生了变化
- 脚本中显式声明了
// @grant GM_addStyle,但实际运行环境并未提供此API - 这种API兼容性问题在跨浏览器用户脚本开发中较为常见
解决方案详解
针对这一问题,项目维护者提供了两种有效的解决方法:
方法一:移除GM_addStyle声明
对于技术用户,可以直接编辑脚本文件,删除以下元数据声明:
// @grant GM_addStyle
这一修改消除了脚本对不存在的API的显式依赖,允许脚本回退到其他样式注入方式。
方法二:安装最新版本脚本
项目维护者已经发布了修复此问题的更新版本。用户可以通过以下步骤获取修复:
- 访问项目主页(非Release页面)
- 获取最新构建的脚本文件
- 重新安装到用户脚本管理器中
最新版本已经移除了对GM_addStyle的依赖,改用更兼容的样式注入方式,确保在Safari 17.4+上稳定运行。
技术背景补充
在用户脚本开发中,样式注入是一个常见需求。除了GM_addStyle外,开发者还可以采用以下替代方案:
- 直接创建style元素并插入到DOM中
- 使用更现代的CSS-in-JS技术
- 利用浏览器原生支持的Constructable Stylesheets
这些方法在不同浏览器环境中具有更好的兼容性,是未来用户脚本开发的推荐做法。
最佳实践建议
为避免类似兼容性问题,用户脚本开发者应考虑:
- 尽量减少对特定API的依赖
- 实现优雅降级机制
- 针对不同浏览器环境进行充分测试
- 及时跟进各浏览器用户脚本管理器的API变更
对于终端用户,建议定期检查脚本更新,并优先使用项目维护者推荐的主分支版本,而非稳定的Release版本,以获取最新的兼容性修复。
通过以上分析和解决方案,Voice Over Translation用户可以在Safari最新版本中恢复完整的翻译功能,享受流畅的使用体验。
kernelopenEuler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。C027
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00