Verbiverse

Verbiverse 利用 LLM 大模型辅助阅读 PDF 与观看视频，用以提升语言能力。

利用大模型辅助阅读

通过预定义的 Prompt 更加方便、快捷的使用大模型，专为想要提升语言能力的你所设计。
探索本项目的文档 »

上手指南 · 报告Bug/提出特性 · 项目源码解析 · discord 群组

更新

• V1.1.1 增加了使用 Bing 进行翻译的结果，避免大模型解释名词不准确的问题：

  

• V1.1 增加 TTS，可以划「词/句」朗读：

  • 去除了目标语言解释，增加了 TTS 按钮；
  • 修复了一些小问题，增加了一些提示；
  • 优化了一些界面；
  

功能介绍

Verbiverse 可以针对阅读外语 PDF 或观看视频时的外语字幕，对不理解的单词、语句结合上下文进行解析，对比词典的生硬翻译、多义词模糊不清的情况有更好的体验：

1. 主页界面如下，左侧为导航栏跳转至不同功能页面，主页面整体分为 PDF或视频文件入口与历史文件列表两个部分，点击对应的按钮选择对应文件即可：

   

2. 主页点击阅读 PDF 打开想要阅读的文档后，工具会自动跳转如下界面，左侧为阅读区、右侧为 LLM 对话区，当选中陌生词汇后鼠标右键可以通过 LLM 进行解析：

3. 主页点击观看视频选择视频文件后，工具会自动跳转视频播放界面，左侧分为视频播放区、字幕，右侧则是是字幕列表与同文件夹下的其他媒体文件：

   • 工具会自动加载同目录下同名但以 srt 结尾的字幕文件，如果字幕文件无法自动加载可以鼠标右键手动选择添加；

   • 双击字幕中的单词会对单个词进行解析，点击右侧的图标则是对当前字幕语句进行解析：

     

4. 单词本当前没有什么特殊功能，仅仅用于收集作用，有什么好的建议欢迎提出：

上手指南

预编译包

提供如下平台预编译程序包，下载对应平台程序包执行即可：

• Windows x86_64
• ubuntu_22.04 x86_64

源码运行

1. clone 源码到本地：git clone https://github.com/HATTER-LONG/Verbiverse.git
2. 使用conda 或 python (>=3.9, <=3.12) venv 创建虚拟环境，推荐使用 conda：
   • 使用 conda：conda create -n Verbiverse python=3.11
     • 激活虚拟环境：conda activate Verbiverse;
   • 使用 venv，进入源码目录后：python3 -m venv ./.venv;source ./venv/bin/activate;
3. 安装 poetry：
   • 确认已正确启用虚拟环境；
   • pip install -U pip setuptools;pip install poetry;
4. 安装项目依赖环境：poetry install：
   • 需要代理则取消 pyproject.toml 中 [[tool.poetry.source]] 相关注释，然后重新 poetry lock --no-update;
5. 运行程序：python3 main.py

工具设置

⚠️强烈建议优先使用本地模型或较小的 PDF 文档进行试用，因为工具很多的 prompt 与向量嵌入并没有对 token 进行优化，过大的文件可能会造成大量 token 消耗！！！！

工具的核心功能依赖 LLM，因此在使用前需要配置相应 LLM 的服务信息，工具支持使用本地模型或云端商用模型，当前支持 OpenAI 协议本地工具或商用模型与通义千问商用模型：

1. 使用商用模型，下图以通义千问为例，如需使用 OpenAI 同理填入对应信息即可：

2. 使用本地模型，需要选择 OpenAI 协议，填入本地工具的 LLM 服务地址，使用 LM Studio 为例：

   • LM Studio 安装对应模型：

     

   • 工具配置：

     

鸣谢

感谢如下相关开源项目：

• PyQt-Fluent-Widgets
• langchain-ai
• pdf.js
• DashPlayer