浏览器内实时 AI 配音：五个时序 bug 及我们的测量方法

YTVT（Your Voice Translated）是 Chrome/Edge 扩展，播放视频时用实时语音到语音模型生成目标语言配音并显示双语字幕。作者指出难点不在翻译而在时间对齐，梳理视频时钟、上行时钟等三类时钟导致的五个时序 bug，并给出约 150 秒英文视频自测中的数值，强调这些是示例而非基准。

AI推荐理由 来自 YTVT 浏览器扩展开发者的第一手工程复盘，明确区分视频时钟、上行时钟等三类时钟，列出五个时序 bug 及自测数值，对实时语音翻译类应用有实际参考价值；作者自述数据为示例而非基准，需注意适用范围。