Como minerar vocabulário de páginas da web e hardsubs de vídeo?
YuzuLingo · 1 de nov. de 2026
Minerar ambas as superfícies com um único conjunto de dicionários: escaneie o texto real da página sob o ponteiro e use OCR nas linhas de vídeo incorporadas em sobreposições selecionáveis. Da mesma janela, você exporta a expressão, leitura, glossário, contexto da frase e uma captura de tela para Anki ou outro SRS.
O que a mineração de imersão precisa
Um cartão útil emparelha uma palavra-comando com significado, leitura e a frase em que você a encontrou. Campos opcionais adicionam tom, frequência, áudio e uma imagem do momento. O gargalo é obter texto confiável do que você está consumindo naquele dia.
Páginas da web e outro texto do DOM
Artigos, fóruns e muitos visualizadores de mangás já expõem caracteres no documento. Um scanner de página resolve o cursor sob o ponteiro, detecta o idioma de aprendizado entre seus pacotes, realiza a desinflação e abre a correspondência mais longa. Nenhuma etapa de OCR é necessária quando o texto já é selecionável.
Hardsubs de vídeo como a outra metade
Linhas de anime e drama codificadas precisam de um corte, um detector de mudança de linha e reconhecimento no dispositivo antes que a mineração possa começar. A string reconhecida se torna texto sobreposto que você pode passar o mouse como uma faixa de legenda. Softsubs e transcrições de site evitam OCR quando o player já fornece uma string.
Um caminho de exportação
Se a ocorrência veio de um parágrafo de blog ou de uma sobreposição OCR, a janela pode enviar campos através do AnkiConnect com um clique. Manter a varredura de página e a busca de vídeo nos mesmos dicionários evita a reconstrução de baralhos com estilos de glossário incompatíveis.
Como isso é diferente de ferramentas que usam apenas soft-sub
asbplayer, Migaku e Language Reactor se destacam quando uma faixa de legenda ou a transcrição ASR existe. Eles não leem pixels de hardsub. Emparelhar a varredura do DOM com OCR cobre os dias em que você lê na web e as noites em que assiste a streams que apenas queimam texto na imagem.
