В теме есть деньги: платные text-access, publishing, digital library и knowledge database продукты уже продаются; proxy-рынки показывают заметный рост.
ЗАХВАТ34
Удержать ценность трудно: конкуренция сильная, raw TXT-дамп легко заменить, а ров появляется только через чистку, метаданные, поиск и лицензию.
ДОСТУП15
Главный стоп-фактор — SPDX: None; также один контрибьютор, нет релизов, нет продуктовой упаковки и неясный provenance текстов.
«Монетизацию топит отсутствие лицензии и юридически чистого provenance.»
Рыночный анализ · Обзор
Это большой TXT-архив древнекитайских текстов для чтения, поиска и корпусной обработки.
digital humanities / corpus / classical Chinese text datasetЗРЕЛОСТЬ · ЗРЕЛЫЙ
ЛИЦЕНЗИЯ
НЕТ · ALL RIGHTS RESERVED
РЕЕСТР
none
КОНТРИБЬЮТОРЫ
1
Что делает
Репозиторий собирает в одном месте древнекитайские тексты в формате TXT. Его можно использовать как сырой корпус для полнотекстового поиска, цифровой гуманитаристики, NLP/LLM-экспериментов и учебных задач. Это не библиотека кода и не готовый продукт, а архив данных с минимальной упаковкой.
Какую боль решает
Закрывает боль разрозненных, плохо индексируемых и трудно скачиваемых классических источников, которые иначе приходится собирать вручную по частям.
Сценарии использования
+Полнотекстовый поиск по древнекитайским произведениям.
+Обучение моделей для разметки, сегментации, пунктуации и перевода классического китайского.
+RAG/LLM-корпус для вопросов по древнекитайским текстам.
+Digital humanities и филологические исследования.
+Учебные и справочные интерфейсы для студентов и преподавателей.
Целевой пользователь
NLP/LLM-инженеры, исследователи китайской филологии, digital humanities-команды, преподаватели и студенты классической китайской литературы, команды поисковых и knowledge-base продуктов.
Широкий книжный корпус, но не узко classical Chinese.
Позиционирование
На GitHub это лидер в узкой нише классических текстовых дампов по интересу и звёздам, но не продуктовый лидер: рядом есть более аккуратные корпуса и более полезные инструменты.
Institution-friendly curated reading platform для книг и аудиоконтента.
10万册精品书 + 50万集有声书, по собранным App Store и библиотечным описаниям.
Месяц¥38/月
Месяц¥45/月
Год¥348/年
Пакетыот ¥6 до ¥198
Текущая монетизация проекта
По видимым данным сам репозиторий и автор сейчас не монетизируют проект: нет homepage, релизов, sponsors или платной версии; README выглядит как бесплатный архив с просьбой о волонтёрах. Это скорее хобби/общественный архив, чем коммерческий проект.
Коммерческий потенциал
ПОТЕНЦИАЛ · НИЗКИЙ
На самом репозитории заработать безопасно и масштабно нельзя. Деньги возможны только поверх юридически очищенного, нормально индексированного и структурированного корпуса.
Спрос и рынок
Спрос есть не на сырой дамп, а на доступ, поиск, API, подписку и knowledge databases. Как proxy: Digital Library Market оценён в $8B в 2025 → $13.77B в 2030, CAGR 11.4%; Digital Publishing Market — $257.01B в 2025 → $571.48B в 2032, CAGR 12.09%.
Ров / защищённость
Почти нет, если это просто TXT-дамп. Ров появляется только через юридически чистую базу, качество чистки, структуру, метаданные, поиск, API и канал дистрибуции.
Модели монетизации
+Подписка на поиск и full-text access.
+Enterprise/API доступ для LLM, edtech и библиотек.
+Корпоративный deployment on-prem или private cloud.
+Data cleaning, annotation и chapterization as a service.
+Open-core: бесплатный корпус и платные hosted search/API.
Что нужно, чтобы сделать продукт
+Явная лицензия или отдельное разрешение на коммерческое использование.
+Provenance и источники по каждому тексту.
+Чистка, дедупликация и разбиение на главы.
+Метаданные, полнотекстовый поиск, API и версионирование датасета.
+QA качества текста.
+Документация и снижение single-maintainer / bus-factor риска.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
SPDX: None. Значит, по умолчанию это all-rights-reserved; коммерческое использование без отдельного разрешения — high-severity риск.
Риски и подводные камни
ВЫСОКИЙЛИЦЕНЗИЯ
SPDX: None; по умолчанию это all-rights-reserved, коммерческое использование без разрешения несёт высокий юридический риск.
ВЫСОКИЙЮР. СЕРАЯ ЗОНА
Неясный copyright/provenance по корпусу: нет подтверждённых источников и прав по каждому тексту.
СРЕДНИЙПРОЧЕЕ
Качество, дубли, разметка и chapterization требуют существенной ручной и инженерной доработки.
СРЕДНИЙЗАВИСИМОСТЬ ОТ АВТОРА
Контрибьютор фактически один, релизов нет, bus factor высокий.
СРЕДНИЙКОММОДИТИЗАЦИЯ
Сырой текстовый дамп легко заменить бесплатными или публичными корпусами.
СРЕДНИЙПРОЧЕЕ
Дистрибуция через GitHub/Baidu Pan и отсутствие продукта делают использование фрагильным.
+Коммерческие цены и масштабы в основном взяты из App Store и страниц продуктов; не все цифры подтверждены двумя независимыми источниками.
+Оценки OSS-звёзд и позиционирование альтернатив взяты из собранного разбора и не перепроверялись в вебе в этом шаге.
+Market size для Digital Library и Digital Publishing — proxy-рынки, а не точная оценка рынка древнекитайских корпусов.
+Правовой статус конкретных текстов внутри архива не проверялся по каждому произведению; вывод основан на SPDX: None и отсутствии явной лицензии.
+Качество корпуса, дубли, полнота, chapterization и provenance не аудировались фактически, а оценены по README и описанию репозитория.
+Вывод о текущей немонетизации автора основан на видимых полях GitHub/README из входных данных: homepage, releases, sponsors и платная версия не указаны.
garychowcmu/daizhigev20 собрал 255 звёзд за окно, тогда как у автора всего 79 подписчиков — эффективная аудитория ≈ 341. Это даёт surprise-индекс 0.67 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 0.0% и 0 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация положительная — рост ещё не выдохся.