新版Google Translate网页语音提取方案咨询 含XHR解析与GNU/Linux录音方向

针对谷歌翻译语音提取的可行方案 #

1. 从现有XHR响应中解析提取音频 #

• 首先筛选请求路径包含translate_tts或batch标识的XHR请求，这类请求就是承载语音资源的响应包
• 响应体中方括号包裹的数组结构里，最长的连续字符串段就是Base64编码的音频二进制数据，部分场景会带转义符，先把\x、\u这类转义前缀处理后提取纯字符串
• 直接对提取的字符串做Base64解码，输出为.mp3后缀的文件即可；如果响应拆分了多段音频，把所有解码后的二进制流按顺序拼接就能得到完整语音文件
• 要是响应体做了gzip压缩，先对整个响应体做解压操作再提取目标字符串即可

2. 借助GNU/Linux系统能力录制音频 #

不需要依赖站点结构解析，直接捕获浏览器输出的音频流，实现零损耗录制：

• 单进程精准录制（无杂音）：先用pactl list sink-inputs命令找到Chrome进程对应的音频流ID，执行命令parec --monitor-stream=【替换为你的流ID】 --format=s16le --rate=44100 --channels=2 | lame -r - output.mp3，点击发音按钮开始录制，发音结束后终止命令即可直接得到mp3文件，不会录到系统其他程序的声音
• 简单快速录制：用ffmpeg直接捕获默认音频输出，执行命令ffmpeg -f pulse -i default output.mp3，录制时关闭其他发声程序即可，操作门槛更低

3. 其他可行实现思路 #

• 直接调用谷歌翻译TTS公开接口：接口参数规则固定，只需传入目标文本、语言编码、校验码tk即可直接返回mp3资源，tk的生成逻辑有公开的Python/JS实现代码，几十行脚本就能实现批量语音生成，完全不需要访问网页前端
• 用浏览器音频捕获插件：安装专门的网页音频资源捕获插件后，点击发音按钮时插件会自动识别到正在播放的音频资源，无需打开DevTools即可一键下载
• 浏览器控制台JS拦截：打开Chrome控制台，注入音频流拦截的JS代码，只要站点通过AudioContext加载音频资源，就能直接捕获到二进制流，一键导出为本地文件

内容的提问来源于stack exchange，提问作者Dmitry Dmitriev