新闻详情

新闻详情

首页 / 资讯中心 / 详情

ToastFish 教程:在 Windows 通知栏里把单词背完

发布时间:2026/11/18 17:54:59来源:尧图网络
ToastFish 教程:在 Windows 通知栏里把单词背完
ToastFish 教程在 Windows 通知栏里把单词背完【免费下载链接】ToastFish一个利用摸鱼时间背单词的软件。项目地址: https://gitcode.com/GitHub_Trending/to/ToastFishToastFish 是一款免费开源的 Windows 背单词工具它把单词逐条推送到系统通知栏让你不用专门打开学习软件瞥一眼通知就能完成一次记忆。适合希望利用办公、上课等碎片时间积累词汇量的上班族和学生。它是怎么运作的ToastFish 不走打开应用、盯着屏幕记的路线而是把每条单词做成一张 Windows 10 系统通知。通知里包含拼写、音标、中文释义和例句点一下还能播放发音。程序本身常驻托盘主窗口随时可以收起学习动作完全发生在通知栏这一小块区域里所以它被拿来摸鱼用并不违和。软件采用 MIT 协议发布完全免费。ToastFish 安装步骤系统要求只有一条Windows 10 及以上版本。原因是通知推送依赖 Win10 的通知栏能力Win7 和 Mac 没有对应机制因此也没有这两个平台的版本计划。两种获取方式下载安装版拿到最新 Release 包后双击ToastFishSetup.exe走一遍安装流程即可免安装运行同样从 Release 下载后直接解压运行可执行文件就能用。装好后托盘区会出现一个小鱼图标双击它打开主窗口。注意程序禁止同时运行两个实例如果图标消失了去任务管理器里结束残留进程再重新打开。三步开始背词选词库内置词汇覆盖四级核心/完整、六级核心/完整、考研必考/完整、专四、专八、TOEFL、IELTS、GRE、GMAT、SAT甚至还有日语方向的顺序五十音和标准日本语中级词汇设数量今天想背 10 个还是 100 个直接填数字点开始单词随即开始往通知栏推送。推送过程中不用碰主窗口程序注册了全局热键AltQ开始推送Alt1Alt4对应作答选项手可以一直留在键盘上。测试作答与自定义词库背完一轮后会自动进入测试环节单词再次出现时你选择记住了暂时跳过或听发音程序依据你在 Model/SM2plus/ 里实现的 SM2 记忆算法计算下次复习间隔——答得顺间隔拉长答错间隔缩短。这套复习调度是内置的不需要你手动安排。每次点击开始都会在安装目录的Log文件夹生成一个 xlsx 记录文件之后可以把它重新导入对背过的内容再来一轮。想背不在词库里的词用安装目录Resources下自带的自定义模板.xlsx按格式填好内容导入推送内容就完全由你决定了。常见问题通知一闪而过看不清到 系统设置 → 轻松使用 → 显示 → 通知显示的时间把停留时长调大。英语发音报错或没声音系统缺少英语语音包在系统设置里下载安装对应语音包后重启软件。日语五十音的发音是内置 mp3见 Resources/Goin/不依赖语音包。词表里没有我要的词优先用自定义功能自建词表量特别大的话可以在项目里提 Issue 请作者添加。收费吗不收费代码和词库都开源。编译源码开发者向技术栈是 C# .NET Framework 4.7.2界面采用 MVVM 分层View/ 放 WPF 界面ViewModel/ 做视图模型数据层用 SQLite 存学习进度推送与记忆逻辑拆在 Model/ 下的PushControl、SM2plus、SqliteControl等子目录。需要参与开发时git clone https://gitcode.com/GitHub_Trending/to/ToastFish用 Visual Studio 2019 打开ToastFish.sln编译即可。适合谁用如果你长时间坐在 Windows 电脑前、又不想被一个全屏学习软件打断工作节奏ToastFish 是成本很低的方案它把必须专门学变成了通知来了看一眼。反过来如果你需要深度阅读、跟读训练或者用的是 Win7 / Mac它帮不上忙。选词库、定数量、点开始剩下的交给通知栏和 SM2 的调度就行 【免费下载链接】ToastFish一个利用摸鱼时间背单词的软件。项目地址: https://gitcode.com/GitHub_Trending/to/ToastFish创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉