浏览器音频捕获

为任何AI代理赋予浏览器的听觉能力。 一个Chrome扩展程序即可捕获任意标签页的音频——会议、YouTube、播客、网络研讨会、课程、财报电话会议——并将其流式传输到您的AI管道中。

为何使用此功能

您的AI代理无法听到浏览器中发生的任何内容。此技能解决了这一问题。从任意Chrome标签页捕获音频并流式传输到您的代理——无需API密钥、无需OAuth、无需针对各个平台的集成。

使用场景： 会议摘要、YouTube/播客笔记、财报电话会议的竞争情报、在线课程的自动笔记、客户通话分析——任何在浏览器标签页中播放音频的内容。

适用于任何AI代理——Claude、ChatGPT、OpenClaw、LangChain、CrewAI或您自己的代理。只要您的代理能运行shell命令或接收HTTP请求，就能获取浏览器音频。

前置条件

启用远程调试的Chrome：

bash

macOS

/Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome \
--remote-debugging-port=9222 --user-data-dir=$HOME/.chrome-debug-profile &

Python 3.9+ 并安装aiohttp：pip install aiohttp

快速开始

命令行（任何可执行命令的代理）

bash

列出标签页——会议用🎙️标记

python3 -m browser_capture.cli tabs

自动检测并捕获会议标签页

python3 -m browser_capture.cli capture

持续监控模式

python3 -m browser_capture.cli watch --interval 15

停止

python3 -m browser_capture.cli stop

Chrome扩展程序（一键安装，持久运行）

1. chrome://extensions/ → 开发者模式 → 加载已解压的扩展程序 → scripts/extension/
加入会议 → 点击Percept图标 → 开始捕获
关闭弹出窗口——捕获在后台持续进行

支持的平台

Google Meet • Zoom（网页版）• Microsoft Teams • Webex • Whereby • Around • Cal.com • Riverside • StreamYard • Ping • Daily.co • Jitsi • Discord——以及任何未来在浏览器中运行的平台。

音频输出

以JSON格式流式传输到http://127.0.0.1:8900/audio/browser：

json
{
sessionId: browser_1709234567890,
audio: ,
sampleRate: 16000,
format: pcm16,
tabUrl: https://meet.google.com/...,
tabTitle: 每周站会
}

在scripts/extension/offscreen.js中配置端点（PERCEPT_URL）。可指向Whisper、Deepgram、NVIDIA Riva或任何转录服务。

故障排除

- 无标签页：Chrome需要--remote-debugging-port=9222参数
按钮无法点击：移除并重新添加扩展程序（MV3缓存机制较为激进）
音频未到达：检查端口8900上的接收器。扩展程序发送至/audio/browser

浏览器音频捕获