chatgpt-google-summary-extension

GitHub
2k 270 非常简单 1 次阅读 4天前GPL-3.0语言模型插件
AI 解读 由 AI 自动生成,仅供参考

Glarity 是一款开源浏览器扩展,旨在将 ChatGPT 的强大总结能力无缝集成到日常浏览体验中。它能在 Google 搜索、YouTube 视频、GitHub 代码库以及各类新闻和学术网站(如 PubMed、日经新闻)旁直接生成内容摘要,让用户无需跳转页面即可快速掌握核心信息。

这款工具有效解决了信息过载带来的效率痛点。面对冗长的搜索结果、复杂的视频教程或专业的学术论文,用户不再需要花费大量时间筛选和阅读,Glarity 能即时提炼关键点,并提供跨语言翻译、邮件辅助撰写及网页内容问答等功能,显著提升了信息获取与处理的效率。

Glarity 非常适合研究人员、开发者、学生及任何希望优化工作流的普通用户。无论是快速综述文献、理解代码项目,还是高效观看外语视频,它都能提供得力协助。其技术亮点在于广泛的平台兼容性,不仅支持 Chrome 和 Firefox,还覆盖了 iOS 与 macOS 的 Safari 浏览器;同时支持接入官方 OpenAI API 及 ChatGPT Plus,具备 Markdown 渲染、代码高亮及深色模式等贴心特性,确保在不同场景下都能提供流畅、专业的使用体验。

使用场景

一位生物医学研究员正在紧急调研某种新型病毒的最新临床治疗方案,需要在 PubMed、Google 学术和 YouTube 上快速筛选大量英文文献与专家讲座。

没有 chatgpt-google-summary-extension 时

  • 面对 PubMed 和 Google Patents 上密密麻麻的英文摘要,必须逐篇点开全文阅读,语言障碍导致理解速度极慢。
  • 观看 YouTube 上的手术演示或学术会议视频时,无法快速定位关键内容,只能硬着头皮拖拽进度条盲找重点。
  • 在 GitHub 查找相关开源分析代码时,难以迅速判断项目是否匹配需求,浪费大量时间浏览冗长的 README 文件。
  • 跨语言查阅日本经济新闻(Nikkei)或 Yahoo! 新闻中的行业动态时,需频繁切换翻译软件,打断研究思路。
  • 信息过载导致注意力分散,原本计划 2 小时的文献综述往往拖延至半天,且容易遗漏关键数据。

使用 chatgpt-google-summary-extension 后

  • 在 PubMed 和 Google 搜索结果页直接显示 AI 生成的中文核心摘要,无需点开全文即可快速判断文献价值。
  • YouTube 视频旁实时展示转录文本总结与“关键时刻”标记,一键跳转至专家讲解核心疗法的具体时间点。
  • GitHub 项目页面自动提炼功能亮点与适用场景,帮助研究员秒级确认代码库是否符合实验分析需求。
  • 浏览 Nikkei 或 Yahoo! 新闻时,侧边栏即时提供沉浸式对照翻译与要点总结,实现无障碍跨语言资讯获取。
  • 多源信息被结构化呈现,研究效率提升数倍,让研究员能将精力集中于深度分析与方案制定而非信息筛选。

chatgpt-google-summary-extension 通过将碎片化信息转化为结构化洞察,彻底重塑了科研人员跨平台、跨语言的知识获取流程。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具是一个浏览器扩展程序(支持 Chrome、Firefox、Safari),而非本地运行的 AI 模型,因此无需特定的 GPU、大内存或 Python 环境。它通过调用 OpenAI API 或 ChatGPT Plus 服务在云端进行处理。安装方式包括从应用商店下载或通过 npm 构建源码后手动加载到浏览器中。
python未说明
Node.js
npm
chatgpt-google-summary-extension hero image

快速开始

Glarity - 基于 ChatGPT 的 Google/YouTube 摘要工具

Glarity Summary 是一款开源的 ChatGPT 摘要扩展程序,适用于 YouTube、Google、Twitter 以及任何网页。它提供跨语言摘要功能,可轻松总结视频、搜索结果、PDF 文件、电子邮件和网页内容。支持免费的并排翻译、邮件撰写辅助、网页内容问答等多种功能。

请下载体验包(https://github.com/sparticleinc/chatgpt-google-summary-extension/tree/main/packages),并按照说明手动添加(https://github.com/sparticleinc/chatgpt-google-summary-extension#chrome)。

赞助商

Felo AI
Felo AI

支持的网站

安装

从 Chrome 网上应用店添加 从 Mozilla 附加组件商店添加

功能

  • 并排翻译(镜像翻译、沉浸式翻译)
  • Gmail 快速回复
  • 支持 Google 搜索
  • 支持 YouTube(YouTube 视频字幕、摘要、关键时刻)
  • 支持 Github
  • 支持 Bing
  • 支持 Yahoo! JAPAN 新闻
  • 支持 PubMed
  • 支持 PMC
  • 支持 NewsPicks
  • 支持 日经新闻
  • 支持 Google 专利
  • 支持 Bilibili
  • 支持 Twitter 摘要
  • 支持任意网页摘要
  • 支持 iOS Safari/macOS Safari
  • 支持 OpenAI 官方 API(GPT-3.5-turbo/text-davinci-003)
  • 支持 ChatGPT Plus
  • Markdown 渲染
  • 代码高亮
  • 暗色模式
  • 提供反馈以优化 ChatGPT
  • 复制到剪贴板
  • 切换语言
  • Glarity AI 模型

截图

Google

截图 截图

YouTube

截图

Bilibili

截图

iOS Safari /macOS Safari

截图 截图

Github

Github

Bing

Bing

Google 专利

Google 专利

Yahoo! JAPAN 新闻

截图

PubMed

截图

PMC

截图

NewsPicks

截图

日经新闻

日经新闻

故障排除

如何在 Brave 浏览器中使用

截图brave://settings/shields 中关闭“阻止网站根据我的语言偏好进行指纹识别”。

从源码构建

  1. 克隆仓库
  2. 使用 npm 安装依赖
  3. 运行 npm run build

发布包

Chrome

  1. 打开 chrome://extensions/
  2. 在右上角启用“开发者模式”。
  3. 点击“加载已解压的扩展程序”。
  4. 找到并选择扩展文件夹(build/chromium/)。

Firefox

  1. 打开 about:debugging#/runtime/this-firefox
  2. 点击“加载临时附加组件”。
  3. 找到并选择扩展文件(build/firefox.zip)。

致谢

本项目基于 wong2/chatgpt-google-extension 分支,并借鉴了 qunash/chatgpt-advancedYouTube Summary with ChatGPT 的代码。

许可证

GPL-3.0 许可证

常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

150k|★★☆☆☆|今天
开发框架Agent语言模型

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|昨天
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|4天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|5天前
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|6天前
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85.1k|★★☆☆☆|昨天
图像数据工具视频