archived-MoviePilot-Plugins/plugins.v2/lexiannot

美剧生词标注

根据CEFR等级，为英语影视剧标注高级词汇。

---

在影视剧入库后，LexiAnnot 会读取媒体文件的MediaInfo和文件列表，如果视频的原始语言为英语并且包含英文文本字幕，LexiAnnot将为其生成包含词汇注释的.en.ass字幕文件。

主要功能

• 识别视频的原始语言和字幕语言
• 自动适应原字幕样式
• 俚语 / 自造词 / 熟词生义标注和解释

使用配置

• spaCy 模型
  • spaCy 用于词形还原、POS 标注和命名实体识别，en_core_web_sm或en_core_web_md 已足够满足需求。
• LLM 设置
  • 一集影视剧的字幕通常包含数千个单词，建议使用支持长文本输入的模型，选择一个适当的上下文窗口大小。
  • 处理 60 min 的影视剧字幕大约会消耗 60K~80K token，具体取决于字幕内容。
  • 配置请参考 MoviePilot 智能助手的设置部分。
• Agent 工具
  • 在聊天中使用 /ai 命令告诉智能助手你要标注的影视剧。

CEFR

CEFR全称是Common European Framework of Reference for Languages。

它是一个国际标准，用于描述语言学习者的语言能力水平。CEFR 将语言能力分为六个级别，并进一步归类为三大使用者类型：

• A - 基础使用者 (Basic User)
  • A1 (初学者/Beginner)：能够理解并使用日常熟悉的表达和非常基本的短语。
  • A2 (初级/Elementary)：能够理解基本的表达方式，并以简单的方式进行交流。
• B - 独立使用者 (Independent User)
  • B1 (中级/Intermediate)：能够理解熟悉主题的主要观点，可以处理旅行中可能遇到的多数情况，并能就熟悉的话题发表意见和描述。
  • B2 (中高级/Upper-Intermediate)：能够理解复杂文本的主要思想，并能与母语者进行一定程度的流利、自然的互动，可以就广泛的主题进行清晰、详细的阐述。
• C - 熟练使用者 (Proficient User)
  • C1 (高级/Advanced)：能够理解各种较长、要求较高的文本，并能识别隐含意义，表达流利、自然，能灵活有效地使用语言来应对各种目的。
  • C2 (精通/Proficient)：能够轻松理解几乎所有听到的或读到的内容，能够非常流利、准确、精细地表达自己，即使在复杂的情况下也能区分细微的含义。

计划

• 双语字幕支持
• 考试词汇标注

FAQ

• 只能处理已有字幕的视频吗？
  • 是的，视频需要包含英文文本字幕
• 为什么无法处理一些包含字幕视频
  • 目前无法识别基于图片的字幕(通常是特效字幕)

感谢

• coca-vocabulary-20000