Yomitan 开源项目教程
2024-09-12 06:17:34作者:谭伦延
1. 项目介绍
Yomitan 是一个浏览器扩展程序,旨在帮助用户提高语言阅读能力。它通过弹出式词典窗口显示搜索结果,支持多种语言,并提供强大的功能,如内置原生发音音频、汉字笔顺图、自动创建 Anki 闪卡等。Yomitan 是 Yomichan 的继任者,旨在确保项目持续发展,并支持最新的浏览器版本。
2. 项目快速启动
2.1 安装依赖
首先,确保你已经安装了 Node.js 和 npm。然后,克隆项目并安装依赖:
git clone https://github.com/themoeway/yomitan.git
cd yomitan
npm install
2.2 构建项目
使用以下命令构建项目:
npm run build
2.3 加载扩展
- 打开 Chrome 浏览器,进入
chrome://extensions/。 - 启用“开发者模式”。
- 点击“加载已解压的扩展程序”,选择
yomitan/build目录。
2.4 使用 Yomitan
安装完成后,点击浏览器工具栏中的 Yomitan 图标,打开快速操作弹窗。你可以通过设置页面配置词典和其他选项。
3. 应用案例和最佳实践
3.1 语言学习
Yomitan 特别适合语言学习者,尤其是日语学习者。通过内置的词典和发音功能,用户可以快速查找和学习新词汇。结合 Anki 闪卡功能,用户可以轻松创建和复习学习卡片。
3.2 文本分析
对于需要进行文本分析的研究人员,Yomitan 提供了强大的搜索和定义功能。用户可以通过鼠标悬停快速获取单词的详细信息,提高工作效率。
3.3 跨语言阅读
Yomitan 支持多种语言,适合需要阅读和理解多语言文本的用户。通过自定义词典和搜索功能,用户可以轻松切换和查找不同语言的词汇。
4. 典型生态项目
4.1 Anki
Anki 是一个基于间隔重复的记忆软件,Yomitan 通过 AnkiConnect 插件与 Anki 集成,用户可以自动创建和复习学习卡片。
4.2 EPWING 词典
Yomitan 支持 EPWING 词典格式,用户可以通过 Yomitan Import 工具导入自定义词典,扩展词汇库。
4.3 WaniKani
WaniKani 是一个专注于日语汉字学习的平台,Yomitan 可以与 WaniKani 集成,提供更丰富的学习资源。
通过以上模块的介绍和实践,用户可以快速上手并充分利用 Yomitan 的功能,提升语言阅读和学习效率。
登录后查看全文
热门项目推荐
相关项目推荐
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1