2021-07-14

中国网络小说在海外受到热烈追捧,WuxiaWorld等翻译网站数据显示其受欢迎程度极高。一位美国读者通过阅读《盘龙》成功戒毒,反映出网络小说的吸引力。这些小说在欧洲和北美等地拥有大量读者,尤其是美国、巴西、印度和加拿大。《凡人修仙传》等作品被翻译成英文,成为文化输出的重要载体。网站Alexa排名显示其全球影响力。小说产业已成为中国文化输出的重要组成部分。
摘要由CSDN通过智能技术生成

海外真的有人看我国的网络小说吗?他们是怎么看我们的网络小说

老外说:“道友,我已深陷东方玄幻无法自拔”

据三家最大的网络文学翻译网站Wuxia World、Gravity Tales、Volaro Translation的相关统计数据,如今WuxaWorld已经有约480万的日均点击量,以及约51万的日均访客数量,加上另外两个,数量可以翻番。

在wuxia world网站上,你可以看到这么些英文版小说:

网上有这么个段子,说一位美国小伙,是一个瘾君子,大家知道这个毒瘾是最难戒掉的瘾,很多人一沾上可能就是终身,强制戒也会反复,但他后面接触了我国玄幻小说,从此一整天不吃不喝,把《盘龙》的五六部一口气看完,这么一来也不再去想吸东西了,半年后戒掉了毒瘾。

媒体采访时他说:

 过去我回家后只想着吸毒,现在我回家后忙脑子想的是中国小说,他们想毒品一样让人上瘾但至少不会伤害身体。

修仙入我心,忘记海洛因

这个段子居然还是真的。

从侧面可以看出,我们的文化输出已经到了进行时。

大家可能还好问,这个网站到底有多火呢?是不是一个小众网站?我们来看一下全球网站排名榜Alexa的流行度榜单里,Wuxia World的排名情况:

第1419名。我没有找到今年的网站总数数据,说下四年前的吧,到2016年4月25日,全球域名数量一共是306,290,118(3.06亿)个。这个已经完全可以看出Wuxia World的受欢迎情况了。

从域名上看,外国网文读者大多数来于欧洲(29.8%)和北美洲(27.7%),他们主要分布在美国(20.9%)、巴西(7.4%)、印度(6.7%)、加拿大(5.5%)和印度尼西亚(5.4%)。另外,东南亚也是我国网文出海重地。

说总体比较抽象,下面举个个例,国内奇幻玄幻类小说《凡人修仙传》人生很高,后来在国内读者贴吧里爆出英文版被一众票友围观,英文版是这样的:

上面字体太小,我截一段英文原文让大家瞅一瞅:

”No.Seven to tight years ago,this one was helping Senior Martial Brother Ma take care of his medicine garden.but wasn’t that when the Trial of Blood andFire take place? Why is Seniot Martial Sister Chen asking this?”Han Li calmly replied after he raised his head,wearing a flawless expression of curiosity.

中文原文是:

“没有,七八年前在下正帮马师兄看药园,血色试炼不是也发生在那时吗?陈师姐为何有此一问?”韩立抬起头来,坦然的回答道,甚至脸上还恰到好处的露出些好奇之色。

-----《凡人修仙传》

据说这还是直接从某点买下的版权,妥妥的正版作品。

另外,像国内比较火的如《斗破》 《斗罗》等等,大多都已被翻译成英文版上架海外,成为我们文化输出的一大要地。

小说漫画,影视系统,搭建一站式解决方案
小说红利项目火爆
【解决您的10大痛点】
1.APP运营没有经验,认知少?
2.小说内容签约成本高,翻译难?
3.小说阅读偏好,内容选品不熟?
4.小说APP技术细节集成没有经验?
5.自己开发APP人工和时间成本高?
6.找外包不专业,烂尾,坑钱绑架?
7.上架海外应用市场难,不敢包上架?
8.语种选择,数据模型没有概念?
9.行业认知少,渠道少,运营难?
10.facebook等海外渠道投放陌生?
有意向的老板请联系我。
官网:http://www.caizixiaoshuo.com

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值