看下载好的本地视频时，画面和字幕本来就在同一个网页里，直接叠在视频底下就行。但平时遇到外语声音，往往是在线上开会、看网页直播，或者盯着别人共享出来的幻灯片——这时候不可能为了看两行字幕，一直切回浏览器的标签页。
悬浮字幕做得很简单：把浏览器抓到的那一路声音送去识别，再借用浏览器的画中画窗口，把字幕单独拎出来，一直浮在会议软件或课件最上层。
把声音接进来
打开“悬浮字幕”页面后，先看声音从哪来。如果是电脑里正在播的网页直播、在线讲座或者网页版会议，选“系统声音”；如果是在教室听课、线下讨论，直接用“麦克风”收音即可。
选系统声音并点下“开始字幕”后，浏览器会弹出原生的屏幕共享窗口。在里面选中正在发声的那个标签页（或者整个屏幕），有一处细节很容易漏掉：弹窗左下角的“分享音频”一定要勾上。
平时遇到“小窗弹出来了，但一直没字”的反馈，十有八九都是忘了打这个勾。如果不勾选，浏览器只会把画面传过来，音轨是空的；Echoo 检测到没有音频流时也会提示你重新选一次。
小窗与浏览器的限制
声音接通后，字幕就会出现在一个独立的画中画小窗里。你可以把它拖到会议画面中讲话人的下方，或者塞进课件边缘的空白处，窗口大小也能随便拉。当你切去操作 PPT、记笔记或者看聊天区时，它都会留在屏幕最前面。
不过这个能力目前受限于浏览器底层接口。无论是抓取标签页的系统声音，还是弹出装有自定义排版内容的“文档画中画”（Document Picture-in-Picture）小窗，现在都只有基于 Chromium 的 Chrome 和 Edge 做了完整支持。如果你习惯用 Safari 或 Firefox，页面内的麦克风收音依然能用，但没法抓取系统声音，也弹不出置顶小窗。
显示方式与会话留档
识别服务会在同一条连接里先后推回识别出的原文和译文。有人习惯原文和译文两行对照着看，也有人觉得两行字跳动太累、只看译文或只看原文，这些都可以随时在“字幕设置”里切。源语言不需要手动指定，模型自己会判断；目标语言目前支持 60 种。
会议或直播结束、点下“停止”之后，整场记下来的字幕都会留在当前页面的历史列表里，方便回头翻看。如果你想把这场内容存下来，或者拿去做字幕呈现相关的实验分析，点一下“导出会话”，浏览器就会直接在本地打包生成事件日志、分句表和录音文件，不需要经过服务端中转。关于导出的文件具体怎么用，可以看录制与回放那篇笔记。