Yomichan 项目教程
1. 项目介绍
Yomichan 是一个为 Chrome 和 Firefox 浏览器开发的日本弹出式词典扩展。它旨在通过帮助用户解读原本难以理解的文本,来提升用户的日语语言能力。Yomichan 不仅仅是一个浏览器内的词典工具,它还集成了多种高级功能,如互动弹出定义窗口、按需音频播放、汉字笔顺图、自定义搜索页面等。此外,Yomichan 还支持多种词典格式,包括通过 Yomichan Import 工具导入的 EPWING 格式。
2. 项目快速启动
安装 Yomichan
Yomichan 有两种版本:稳定版和测试版。测试版包含最新的功能,但可能存在一些未修复的 bug。如果你不介意提交 GitHub 问题,可以尝试测试版;否则,建议使用稳定版。
在 Google Chrome 中安装
- 访问 Chrome Web Store。
- 点击“添加到 Chrome”按钮。
在 Mozilla Firefox 中安装
- 下载你想要的版本(稳定版或测试版)。
- 打开 Firefox,点击菜单按钮(三条横线),选择“附加组件”。
- 点击右上角的齿轮图标,选择“从文件安装附加组件”。
- 选择你下载的
.xpi文件并安装。
导入词典
Yomichan 需要词典才能正常工作。以下是导入词典的步骤:
- 下载你需要的词典文件(如 JMdict、JMnedict 等)。
- 打开 Yomichan 设置页面。
- 点击“词典”选项卡。
- 点击“导入”按钮,选择你下载的词典文件。
基本使用
- 点击浏览器工具栏中的 Yomichan 图标,打开快速操作弹出窗口。
- 按住默认的修饰键(Shift),将鼠标悬停在网页文本上。
- 如果找到定义,将显示一个弹出窗口。点击扬声器按钮可以听到发音。
3. 应用案例和最佳实践
案例1:日语学习者的日常使用
日语学习者可以使用 Yomichan 来快速查找生词和汉字的意义。通过导入多个词典,用户可以获得更全面的解释和例句,从而提高学习效率。
案例2:开发者的贡献
开发者可以通过 Yomichan 的代码库贡献新功能或修复 bug。Yomichan 的代码库结构清晰,易于理解和修改。
最佳实践
- 多词典结合使用:导入多个词典以获得更全面的解释。
- 自定义搜索页面:使用 Yomichan 的自定义搜索页面功能,快速执行自定义搜索查询。
- Anki 集成:通过 AnkiConnect 插件,将生词自动添加到 Anki 中,进行系统的复习。
4. 典型生态项目
AnkiConnect
AnkiConnect 是一个 Anki 插件,允许 Yomichan 与 Anki 进行集成,实现自动创建和更新闪卡的功能。通过 AnkiConnect,用户可以将 Yomichan 中查找到的生词自动添加到 Anki 中,进行系统的复习。
Yomichan Import
Yomichan Import 是一个工具,允许用户将 EPWING 格式的词典导入到 Yomichan 中。EPWING 是一种常见的词典格式,通常用于便携式电子词典。通过 Yomichan Import,用户可以利用这些高质量的词典资源。
通过这些生态项目,Yomichan 不仅提供了强大的词典功能,还与其他学习工具无缝集成,为用户提供了完整的学习解决方案。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00