最近在做一个浏览器 TTS 扩展（ CastReader ），碰到一个有意思的技术问题。 Kindle Cloud Reader （ read.amazon.com ）用了一套自定义加密字体做 DRM 。打开任意一本书，右键检查元素，DOM 里的字符全是乱的"chapter" 在源码里可能显示为 "∑≈"。浏览器能正常渲染是因为加载了亚马逊的自定义字体文件做映射，但 DOM 里的 textContent 是废的。 这导致所有 TTS 扩展在 Kindle 上全军覆没。Read Aloud 、NaturalReader 、Speechify ，全部读出来是乱码。我测了 15 个扩展，没有一个能用。 我的解决方案：不读 DOM ，读像素。用 tesseract-wasm 在浏览器里跑 OCR ，直接识别渲染后的页面图像。整个流程： 1. 截取当前页面渲染结果 2. tesseract-wasm 本地 OCR （不上传任何数据） 3. 拿到文字 + 每个词的 bounding box 坐标 4. 送进 Kokoro TTS 生成语音 5. 用 bounding box 做段落级高亮跟随 首页 OCR 2-3 秒，之后自动翻页 + 预处理下一页，听的时候感觉不到延迟。 还做了个「发送到手机」功能，点一下通过 Telegram 把音频推到手机，自动翻页持续朗读。相当于把 Kindle 书库变成免费有声书。 技术细节写了一篇博客： https://castreader.ai/blog/how-castreader-cracks-kindle-font-encryption 扩展免费，不要账号： - Chrome: https://chromewebstore.google.com/detail/castreader-tts-reader/foammmkhpbeladledijkdljlechlclpb
- Edge: https://microsoftedge.microsoft.com/addons/detail/niidajfbelfcgnkmnpcmdlioclhljaaj - Firefox: https://addons.mozilla.org/en-US/firefox/addon/castreader-tts-reader/
有什么技术问题欢迎讨论
Select Language