UD5工具箱
仿生阅读（Bionic Reading）
由 Renato Casut 于 2020 年创立的文本格式化技术。通过加粗每个单词的前半部分来创建视觉注视点，引导读者的视线更快地流过文本。该技术的核心理念是利用人眼的自然扫视机制和大脑的模式识别能力，将传统的逐字解码阅读方式转化为更高效的预测性阅读方式。仿生阅读文本生成器正是基于这一技术原理构建的在线工具。
注视点（Fixation Point）
在眼动追踪研究中，注视点是指眼睛在阅读过程中短暂停留的位置。人眼在阅读时并非平滑移动，而是通过快速跳跃（扫视）和短暂停留（注视）交替进行。仿生阅读通过加粗单词前半部分，人为地在文本中创建更清晰的注视点，帮助眼睛更准确地定位每次停留的位置，减少不必要的视线回退。
模式识别（Pattern Recognition）
大脑识别单词含义的核心机制之一。熟练的阅读者并非逐个字母地解码单词，而是通过识别单词的整体形状、首字母和大致长度来快速理解其含义。仿生阅读正是利用了这一认知特性——加粗的前半部分提供了足够的模式识别线索，使大脑无需逐字扫描即可识别单词。例如，看到 reading 时，大脑几乎瞬间就能识别出 "reading" 的含义。
回读（Regression）
阅读过程中眼睛不自觉地跳回已经读过的文字的现象。研究表明，传统阅读中约有 10%-30% 的扫视属于回读行为。回读会打断阅读的流畅性，降低阅读速度和理解效率。仿生阅读通过创建连续的视觉路径和锚点，有效减少了回读的发生频率，使视线保持向前流动，从而提升整体阅读效率。
扫视（Saccade）
眼睛在阅读时进行的快速跳跃运动。人类在阅读过程中，眼睛以每秒 3-5 次的频率进行扫视，每次扫视跳跃覆盖约 7-9 个字符的距离。扫视期间眼睛几乎不获取视觉信息，信息获取主要发生在两次扫视之间的注视停顿期间。仿生阅读通过优化注视点的位置分布，使每次扫视更加高效，减少无效的注视停留。
加粗比例（Bold Ratio）
仿生阅读中每个单词被加粗部分占整个单词长度的百分比。加粗比例是影响仿生阅读效果的关键参数。比例越低，加粗部分越短，视觉干扰越小，但提供的视觉引导也越弱；比例越高，加粗部分越长，视觉引导越强，但可能增加视觉负担。本工具默认设置为 45%，这是经过验证的均衡比例，在视觉引导和阅读舒适度之间取得平衡。
预测补全（Predictive Completion）
大脑在阅读过程中基于已识别的部分信息自动补全完整含义的认知过程。当眼睛看到单词的前几个字母时，大脑会根据上下文语境和词汇记忆快速预测完整单词的含义，而无需逐个字母阅读。仿生阅读的加粗部分恰好提供了预测补全所需的最小信息量，使大脑能够在最短时间内完成单词识别，从而加速整体阅读过程。
阅读障碍（Dyslexia）
一种常见的学习障碍，表现为阅读困难、阅读速度慢、经常跳行或回读等。阅读障碍并非智力问题，而是大脑处理文字信息的方式有所不同。仿生阅读技术被许多用户报告对轻度阅读障碍有辅助效果，加粗的视觉锚点可以帮助阅读障碍者更好地定位和跟踪文字。但需要强调的是，仿生阅读并非医疗工具，对于严重的阅读障碍应寻求专业医疗帮助。
视觉锚点（Visual Anchor）
在仿生阅读中，加粗的单词前半部分充当了视觉锚点的角色。这些锚点类似于阅读路径上的"路标"，为眼睛提供明确的跳跃目标。在传统的均匀字重文本中，每个字符的视觉权重相同，眼睛缺乏明确的跳跃参照。而仿生阅读通过差异化处理，创造了清晰的视觉层次，使眼睛能够更有目的地进行扫视运动。