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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00