先说实话：一个会用 Claude / Cursor 的人，花两个晚上，确实能做出一个“能出声”的插件——包括拿到 YouTube 字幕（播放器自己会生成需要的令牌，在浏览器里拦一下就有）。然后第二天他就不用了。下面是“能跑”和“能用”之间的距离。我们把自己也说服不了的理由删掉了，剩下这十条，每一条你都可以自己验证。
| 自己用 AI 做一个 | 译声 | |
|---|---|---|
| 做出第一版 | 一到两个晚上 | 装上，点开关 |
| 1 · 字幕接口会定期失效 | 能拿到，但 YouTube 每隔几个月改一次（令牌、接口、页面结构）。某天早上突然全空，得自己查是哪一层坏了 | 五路兜底，一路失败自动换下一路，面板显示走的第几路；坏了我们修，插件自动更新 |
| 2 · 声音跟画面对齐 | 中文比英文长 40%，念完一句再念下一句，两分钟后就落后半分钟 | 五层对齐 + 首尾静音裁剪 + 精确起播 + 到点收尾；面板显示实测同步率，还能一键听“没对齐是什么样” |
| 3 · 字幕是碎的 | 自动字幕按喘气切，直接翻译 → 一截一截的短语，听起来像机器人 | 先用大模型合并成完整句子再翻译；漏了补译、乱序修正、过长拆分，都有校验 |
| 4 · 原声处理 | 通常只能整体静音（气氛全没）或整体压低（配音说完英文尾巴漏出来） | 默认分频压低人声段并整句持续压着，掌声和现场感留住；另有“静音 / 只留伴奏”两档一键切。诚实说：这不是真·人声分离，音乐很重的视频会有损失 |
| 5 · 拖进度条 / 倍速 / 换视频 / 广告 | 基本会乱：拖了进度条还在放刚才那段，切了视频读的还是上一个的字幕，广告也被配音 | 全部跟得上；配音没准备好时自动等你 |
| 6 · 多个说话人 | 一个声音念到底 | 自动分配不同音色，男女声自动切换 |
| 7 · 费用 | 每次看都全价：同一个视频看两遍花两遍钱，你一个人没有可以共享的缓存 | 只为看过的部分付费；热门视频别人看过之后你几乎不花钱，账号页显示为你省了多少 |
| 8 · 服务商挂了 / 限流 | 自己查、自己换 | 自动切换备用，熔断 + 告警 |
| 9 · 浏览器 / 平台改规则 | Chrome 每隔几个月收紧一次扩展规则，某天早上突然不能用了，自己修 | 我们修，自动更新 |
| 10 · 给家里人装一个 | 教他配 API Key，他配不明白 | 把商店链接发给他 |
| 持续投入 | 永远 | ¥15 / 月起 |
早先这张表有十二条。有两条我们自己也觉得牵强，删了：“API Key 放在插件里不安全”——你自己用的插件，Key 在自己电脑上，跟你把 Key 存在任何本地工具里没区别；“换台电脑要重配”——一个配置文件的事。另外把“字幕拿不到”改成了“字幕接口会定期失效”，因为在浏览器里拿字幕并不难，难的是它坏了以后一直有人修；把“背景音乐还在”改成了“分频压低”，因为那是事实。留下来的十条，才是你两个晚上做不出来、做出来也养不住的部分。
能，两个晚上就能做出来。我们做了半年：前两周在写“能出声”，后面五个半月都在解决“为什么声音跟画面对不上”。你要是做出来了，记得回来告诉我们，可以聊聊分句和时长预算怎么做。