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。
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