基于 ChatGPT API 的划词翻译浏览器脚本实现
前言
最近 GitHub 上有个基于 ChatGPT API 的浏览器脚本，openai-translator， 短时间内 star 冲到了 9.7k， 功能上除了支持翻译外，还支持润色和总结功能，除了浏览器插件外，还使用了 tauri 打包了一个桌面客户端，那抛开 tauri 是使用 rust 部分，那浏览器部分实现还是比较简单的，今天我们就来手动实现一下。
openAI 提供的接口
比如我们可以复制以下代码，在浏览器控制台中发起请求，就可以完成翻译
//这是示例
const OPENAI_API_KEY = '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'
const prompt = `Translate this into Chinese:
hello world`
const res = await fetch('https://api.openai.com/v1/completions', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
authorization: `Bearer ${OPENAI_API_KEY}`,
},
body: JSON.stringify({
model: 'text-davinci-003',
prompt,
max_tokens: 1000,
temperature: 0,
}),
})
const response = await res.json()
const result = response.choices[0].text
上述代码中 OPONAI_API_KEY 需要替换成你自己的。
实现划词翻译
划词翻译是一种常见的网页功能，用户选择一个单词或一段文本时，自动弹出一个小窗口，显示该单词或文本的翻译。
- 首先，在 HTML 页面中添加一个空的 DIV 元素和一个触发翻译的按钮
let keyword
const translation = document.createElement('div')
translation.id = 'translation'
const icon = document.createElement('img')
icon.style.width = '30px'
icon.style.height = '30px'
icon.src = 'http://example.com/icon.png'
translation.appendChild(icon)
- 为页面添加一个鼠标抬起事件监听器，当用户选择一段文本时，设置搜索关键词。
document.addEventListener("mouseup", (event) => {
const selection = window.getSelection().toString().trim();
if (selection) {
keyword=selection；
}
});
- 鼠标点击执行翻译逻辑。可以使用 AJAX 请求从后台获取翻译结果并将其显示在 DIV 元素中。
function translate() {
if (keyword) {
// 执行翻译逻辑
}
}
icon.addEventListener('mouseover', translate)
- 在 CSS 样式表中为 DIV 元素添加样式，使其浮动在页面上显示。
#translation {
position: fixed;
top: 10px;
right: 10px;
max-width: 300px;
padding: 5px;
background-color: #f7f7f7;
border: 1px solid #ccc;
box-shadow: 0px 2px 5px rgba(0, 0, 0, 0.1);
z-index: 9999;
}
以上这些步骤就能实现划词翻译的基本功能，一起来看下效果。
react + antd 实现
上面的代码只是实现了一个最简单的版本，样式也不够美观，因此我们可以使用 webpack + react + antd 来实现一个现代化的插件， 这里我使用一个之前创建的模版tampermonkey-starter。
使用 antd 的 Popover 组件来显示，使用 react 重构下 js 代码，我们就可以实现如下效果。
点击翻译按钮，就会通过接口请求，将翻译结果显示在下方。但是翻译结果需要等 api 完全返回，才会显示出来，这样会等待较慢，我们可以使用 Stream，OpenAI 的接口支持流渲染吗，这样结果就会一个字一个字蹦出来。
import { createParser } from 'eventsource-parser'
const translate = async (text: string) => {
const resp = await fetch('https://api.openai.com/v1/completions', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
authorization: `Bearer ${OPENAI_API_KEY}`,
},
body: JSON.stringify({
model: 'text-davinci-003',
prompt: `Translate this into Chinese:
${text}`,
max_tokens: 1000,
temperature: 0,
frequency_penalty: 0,
stream: true,
}),
})
if (resp.status !== 200) {
const res = await resp.json()
setLoading(false)
console.error(res)
return
}
const parser = createParser((event) => {
if (event.type === 'event') {
const data = event.data
if (data === '[DONE]') {
setLoading(false)
}
try {
let json = JSON.parse(event.data)
setResult((prev) => {
return prev + json.choices[0].text
})
} catch (error) {
console.log(error)
}
}
})
const data = resp.body
if (!data) {
console.log('Error: No data received from API')
return
}
const reader = resp.body.getReader()
try {
while (true) {
const { done, value } = await reader.read()
if (done) {
setLoading(false)
break
}
const str = new TextDecoder().decode(value)
parser.feed(str)
}
} finally {
reader.releaseLock()
}
}
在上面代码中，我们使用 fetch API 发送了一个 HTTP 请求，并在响应中获取了一个可读流。我们可以使用 getReader 方法获取一个读取器对象，并使用它来处理流数据，使用了 eventsource-parser这个包来解析服务器推送（Server-sent events）的数据。
这样响应的内容就会根据 Server-sent events（服务器发送的事件）逐个显示了。
文本转语音
一般翻译插件都有语音播放的功能，我们可以利用 可以使用 Web Speech API。此 API 提供了两个语音合成接口：SpeechSynthesis和SpeechSynthesisUtterance
function speak(text) {
if ('speechSynthesis' in window) {
const utterance = new SpeechSynthesisUtterance(text)
utterance.voice = speechSynthesis.getVoices()[0]
utterance.pitch = 1
utterance.rate = 1
speechSynthesis.speak(utterance)
}
}
然后直接调用这个函数，传入需要朗读的文本，就可以实现语音播放
speak('Hello, world!')
小结
本文介绍了如何实现划词翻译的基本功能，包括使用 OpenAI 提供的接口进行翻译、在 HTML 页面中添加触发翻译的按钮和鼠标抬起事件监听事件、使用 AJAX 请求从接口获取翻译结果并将其显示在 DIV 元素中等。同时还介绍了如何使用 webpack + react + antd 实现一个现代化的插件，并利用 Web Speech API 实现语音播放功能。
本文正在参加「金石计划」
