1. Извлекаем текст

для youtube — нужна только ссылка на видео. Тетрадка с кодом: https://colab.research.google.com/drive/1vnjcKmPl5dXXnGEcSVKk0m5hxni-Bui0?usp=sharing

яндекс.подкаст — сложнее. используем Misuc Downloader (расширение для хрома) https://f1comp.ru/goto/https://chrome.google.com/webstore/detail/music-downloader/iempladfkphdpimdljfckjlmgklmdchc/related (если в Вышке не получится, скачаем в перерыв у меня). Для примера я скачала: https://music.yandex.ru/album/10972653/track/113327625.
Тетрадка с кодом: https://colab.research.google.com/drive/1GKlgaB2MlJnqrHXZ2AA3ZlipALnlk7CI?usp=sharing

нераспознанные pdf:

ABBYY FineReader — идеален, но это коммерческий софт.
Бесплатные:

• https://www.newocr.com/
• https://www.ocr2edit.com/ru
• https://onlineocr.org/ru
• https://tools.pdf24.org/ru/ocr-pdf

2. Лемматизируем

• Тетрадка: https://colab.research.google.com/drive/1hOKa9fAzhEnedbaiMTpyNWX7jbdSwCFd?usp=sharing
• Лемматизатор онлайн (работать проще, но качество хуже!)

3. АНАЛИЗ ТЕКСТА

1. Voyant Tools
2. Стилометрия
   R Studio (есть также хорошие инструкции от Даниила Скоринкина: инструкция1, инструкция2
   Весь необходимый код:

   install.packages(«stylo»)
   library(stylo)
   stylo()

   Материалы для практики по стилометрии

3. AntConc
   Материалы: мастер класс Homo Digitus, тексты

P.S. Может быть, AntConc тоже посмотрим вместе, но я умею работать только со старой версией 🙂
Скачать все можно отсюда: https://laurenceanthony.net/software/antconc/