用那个应用程式获得的歌词文件可以正常现实 
更新到0.6.0版本，又增加了一些新的特性：
- 引入了翻译测试用于单词的输出型测试。基本逻辑是，从单词词库中选择熟练度高的单词，调用AI api服务生成包含该词词义的中文句子，用户使用目标语言翻译该句子，随后返回AI的评估，最后用户自评是否正确使用单词（变形、搭配等）。
- 新增了质量较高的DA词典数据源。
- 允许编辑已有的单词并使用网络词典更新词义，提供了人为修正词形还原错误的手段。
目前使用下来感觉还不错（现在变成被AI训练哩），AI的翻译评估看上去靠谱，造句的过程也一定程度回顾了语法和句型。就是每次评估得吃掉几百token 
可以增加m4a格式的音频支持吗？还有就是如果同时有英文中文分开的字幕，能否实现同时加载，比如XXX.en.srt，XXX.zh.srt或者你觉得有无必要？
可以添加m4a类型。但是音频编码最好是aac、flac这些；alac我测试了一下是不行的。
暂时不会添加识别多个字幕文件的逻辑。
好的，看了下基本上是aac的编码
已更新至0.7.0版本。
特性：
- 单词书、单词列表等界面将自动选择展示含义测验进度或翻译测验进度
- 添加单词本的两种排序方式
- 支持.m4a格式
优化：
- 根据当前测验进度，优化单词推荐逻辑
- 与单词相关的偏好设置ui
- 单词查看时间的更新逻辑
修复：
- 字幕文件可能存在不合法的时间段问题
- DA词典的证书问题（希望以后真的可以不用再手动加证书了
）
请问下目前是不是还不支持竖屏的视频？昨天开始用的几个素材画面被压缩了，估计是竖屏视频的原因。不知道能否添加支持？谢谢
目前视频界面强制16：9，所以竖屏视频会左右拉伸。这确实是ui上的bug。
后续应该会修复成不拉伸的状态；但这样的话左右两边有黑边，竖屏界面显示区域较小，观感上感觉不太好。
另一个方案是允许视频窗口高度变化。但这样的话我没太想好字幕ui如何摆放比较合适。
后续打算添加一个相似词查询的功能：给定一个单词，在词库中寻找距离最近的topN个单词。目前想做拼写（比如日语中的自他动词）和发音上的相似词查询。遇到的问题是如何定义距离？
目前想到的一个简单方案是编辑距离（Levenshtein Distance），但是单词替换的权重这些可能得研究一下。
借楼想请教坛友，有没有什么适用于移动端平台、在自定义词库下查询相似词的方案？
1 个赞
野生的（日语）自然语言工程师不请自来，提供一点我的浅见：
首先楼主的问题应该拆成两个问题。
第一个问题：如何提高对动漫字幕等口语材料的分词准确率
给定一个单词，在词库中寻找距离最近的 topN 个单词。
有没有什么适用于移动端平台、在自定义词库下查询相似词的方案？
从楼主开发的那个工具来看，个人觉得楼主应该是发现目前使用的形态素解析器 kuromojiIpadic 错的地方太多了，想要提高解析率，所以试图提供「解析结果的相似词」。如果楼主是因为这个原因，那建议更换项目使用的分词器，换成 Sudachi 的 Java 版。
理由： kuromojiIpadic = "0.9.0" 的代码虽然很久都没有更新了，但最大的问题是自带的词库 Ipadic 实在是太小了，2013年之后就不再更新，而且这个词库根本就没有考虑过口语语料中常见，但书面语料中不常见的表记形式——我看楼主项目的 README 用的（好像是）轻音少女的字幕，就默认楼主理解我说的「口语常见，书面不常见」是什么了。
优化建议：Sudachi 的词库和辞典词库还是有不小的区别，如果不满意 Sudachi 的解析结果，可以看看我这篇介绍怎么添加自定义词库的词库的文章：
如果实在在意「动词的可能态视作一个不同的词」这个问题，而且愿意手动补充至少 10 万+ 的自定义词，那可以考虑 Mecab，这个支持 Nbest。
第二个问题：如何优化日语辞典的搜索
目前想做拼写（比如日语中的自他动词）和发音上的相似词查询。遇到的问题是如何定义距离？
目前想到的一个简单方案是编辑距离（Levenshtein Distance），但是单词替换的权重这些可能得研究一下。
如果就是想像 MOJi 那样支持「只」基于「搜索框」（不要求用户提供上下文）的相似词查询，还是放弃移动端实现为好。
因为要做这个方向，其实就是在做「搜索引擎」+「推荐系统」，而且还要在已有的开源工具上完成如下三个方向的优化：极高精度的分词+基于倒排索引的反向倒排索引（日语短语和句型）+基于大量用户查词数据的结果排序。
如果没有这么宏大的目标，只是想解决个别字符的拼写错误和小部分单词的相似词（比如自他动词）的查询问题，那挑个用自己熟悉的编程语言写的编辑距离的相关开源库，基于自己收集的用例，一点点优化吧。
我目前没发现专门针对日语语言做过优化的相似词算法，但用日语词典的词头测试过 Elasticsearch 的模糊匹配，我个人不太满意算出来的结果。
然后，谈一下我个人（非常不成熟的）思考：
日语的相似词查找的关键在于其「单词平均长度」比英语短得多，所以传统的单词相似度算法（很可能）表现一般（未用大规模数据集测试，仅个人主观感受）。
对此，我目前的想法是：针对日语的语言特点，调整长短音、促音以及表外汉字等字符的权重，但具体怎么调，需要大量真实的用户的「查词」数据（语料库的单词频度的高低和用户查词频度并没有必然关系）。
我收集了一些比较刁钻的测试用例，可以作为测试准确度的用例：
书籍推荐
最后，如果有兴趣深入研究「日语词典的搜索优化」，可以读读下面的书：
《这就是搜索引擎》：搜索引擎入门必读。
《Elasticsearch实战（第2版）》 ： Elasticsearch 入门必读。
下面都是日语原版书，分析了日语独有的问题，但难度比较大，而且没有给出开箱即用解决方案，只是指明了大致的方向和大概的方法。
理想の辞書を求めて 学習者にほんとうに役立つ辞書とは：系统分析了日语词典的搜索优化「是什么」+「为什么」
検索システム 実務者のための開発改善ガイドブック：阅此书，则日语搜索系统观止矣。
形態素解析の理論と実装 (実践・自然言語処理シリーズ)：天下日语分词器入吾彀中矣。
1 个赞
链接里的这几本书都没有公开分享的啊，比较想看第一本书。
1 个赞
感谢建议。
之所以想添加这个功能，核心需求是：在学习部分单词的时候，我希望能够提供一个界面，展示它和之前学过的哪些单词比较“像”，这样我可以通过比较的方法更好地掌握这个单词的用法。比如，我在接触“流す”的时候，我希望这个界面能够找到此前学过的“流れる”（字形上相似）；学习到“惜しい"的时候，能找到此前学过的“美味しい”（发音上相似）。当然，这只是字符层面的相似度比较。更高阶的，还存在释义上的比较（相似词义或相反词义）：比如，接触到“服”，我希望能找到“衣装”、“格好”这样的词。
查找的范围目前限定在用户自己构建的词库中（数量并不算大），每个单词都存在字形（原形）、读音和简单释义。字形和读音上的比较问题，我个人感觉利用串匹配的思路可以基本解决，只是目前不太清楚是否存在针对英语、日语特定的匹配算法。至于释义比较，我觉得一个可能的思路是利用word2vec提供的embedding，然后计算向量间的距离。但是总的来讲，还是想把上述这些过程做成离线的和适用于移动端的。
至于分词，目前kuromoji体积小巧，也基本能满足我的需求（作为日语初学者，还没有触碰到分词工具的瓶颈 
）
1 个赞
嗯，像有的老番剧是4:3的，也是被强制拉伸了
请问大神可以让APP支持m4b格式吗，谢谢您！
已更新至0.8.0版本。
特性：
- 支持导出app数据为zip文件
- 新增启动界面用于导入app数据
- 新增单词关联界面，展示词库中与当前单词在字形或发音上相似的其它词
- 修改了默认主题色，与图标保持一致
修复：
- 修复视频比例不为16:9时视频内容被拉伸的问题
暂时不考虑其它格式了 
m4b的话可以考虑转成m4a
用了一天，体验非常丝滑！
不过在媒体库管理这里遇到了一点小问题。因为在体验使用时经常一边转换/调整字幕一边传输，所以常常需要反复更新同一个文件夹，但是暂时好像没有在媒体库页面里找到可以更新/重新扫描文件夹的选项。
目前尝试了两种替代方法，但都有一些不足之处：
一个是在更新文件夹内容后更改文件夹名称，再重新添加文件夹进媒体库。只是这样的话，先前的文件夹信息仍会保留在媒体库中，显示稍微有些混乱。
另一个是在清除应用数据后重新添加文件夹。这样媒体库显示很清爽，但是已有的查词和设置记录都会消失。由于导出设置时媒体库信息也会得到保存，所以似乎也没有办法通过重新导入直接恢复查词和设置记录。
不知道有没有机会更新添加这类功能，比如<重新扫描单独/全部已添加的文件夹>/<清除列表内失效文件夹>之类的选项，或者在导出时增加选择单独导出单词/设置的选项？
另外在使用时也有一些新的想法。
目前在单击查词后媒体仍会继续播放。内容生词压力不大时感觉这样可以比较流畅地沉浸在内容中，但是在需要大量查词时就会伴随频繁的回退重听。所以感觉或许可以增加一个<点击查词时自动暂停，关闭弹窗时自动恢复播放>的开关选项，以便按需选择播放方式。
还有就是在查词时如果可以调用弹窗显示其他辞典应用，那么辞典的选择和组合就可以更自由多样，也可以同时在这些应用里整理和复习生词。
不过我没有开发应用的知识和经验储备，不太清楚实现这些功能的方式和难度，不知道会不会给你带来太大压力 
如果暂时不方便实现的话，我也可以试试借AI的帮助，自己摸索尝试修改一下。如果侥幸改成功了，到时再来播报后续。只是我完全没有开发经验（从零开始 
），过程大概会缓慢坎坷不少。
总之非常感谢开发和分享！ 
