出身富裕人家的小姐祝英台（刘若英 配音）有着不同于传统女性的想法，争取到了和男生一同上学堂的机会。扮成男装的祝英台在路途上结识了志趣相投的梁山伯（萧亚轩 配音）。二人同起同卧，吟诗作赋，同窗相伴三年。祝英台也在这过程中爱上了梁山伯。二人的相恋却受到了门第观念的阻隔。活着时不能在一起的他们选择了死亡。翩翩起舞的彩蝶是二人渴望自由的化身，而他们终究不再受到束缚，终可以永生相随起舞。
, P8 g7 I 'Z! O
《主君的太阳》是一部前所未有的全新概念题材“搞笑恐怖片”，讲述了一个一直以来只接受自己所听所看到的、傲慢放肆且以自我为中心的男人的成长故事；同时还讲述了一个玩弄摆布他人没有看见、没有听见的事实，并歪曲世道、曾经放弃过自己的女人如何适应现实社会的变化过程。剧中苏志燮扮演角色“朱中元”是个连人际关系也用钱来换算，吝啬又贪心的“唯我独尊”型老板。孔孝珍扮演角色“太恭实”自发生事故之后，因能看见鬼神而彻夜难眠，将以内心阴暗且爱流泪却富有灵性的女秘书形象，展现她特有的可爱面貌。《主君的太阳》融合惊悚和浪漫喜剧元素，讲述了能够看见鬼的女人和守护在她身边的男人之间的故事。
算了，亏得有他，老哑巴那样的真和尚才能存身。
本剧以主妇こだま的自传改编，描述发现丈夫・研一（中村苍）的性器插不进来，仍持续与对方交往并结婚的女性渡边（山本）久美子（石桥菜津美）为主角的故事。
4、六月雪 7集 窦娥－傅娟 东门笑－谢绍光
当地警官高级督察Paul Kirby负责维持秩序，但人们不知道的是，一股骇人力量正在小镇那些安逸的街道上集结。这些孩子，可能是潜在的寄...
/victory
Updated October 30
星光之下远远见到一辆马车，想必那里面是英布的家眷吧。
该剧讲述了过着与曼苏尔一样的生活的王国伯爵为了找女儿而来到韩国后发生的故事。
(12.20 update)
Greg Spottiswood负责的《全体起立 All Rise》（前名《法庭内外 Courthouse》）讲述在洛杉矶的法庭上，法官﹑助理地区检察官﹑公设辩护人﹑法警﹑文员﹑警察及陪审员等人的生活。 在《夜魔侠 Marvels Daredevil》饰演靶眼的Wilson Bethel饰演一个爱捣蛋﹑成功的地区副检察官Mark，他死党兼同事Lola新近任命为法官，因此两人在公在私的关系有所变化。在《卢克·凯奇 Marvels Luke Cage》饰演Misty Knight的Simone Cook饰演Lola，独立﹑令人敬畏﹑偶尔冲动的她身为地区副检察官时令人印象深刻，成为新任法官后她更倾向越过界限，挑战常人对法官的形象。 曾主演《犯罪现场调查 CSI: Crime Scene Investigation》的Marg Helgenberger饰演Judith法官，是加州罕有地打破玻璃天花板的女法官（玻璃天花板/Glass Ceiling是种指因为某人的性别或身份或某自身原因，在虽然没明文下，仍然被限制了升迁）。她以监督法官身份看着Lola成为法官，在期间也因而令她重拾对正义的热情。J. Alex Brinson饰演慷慨﹑勤奋的Luke，白天当庭警﹑晚上是法学院学生的他决心成为一名律师。Jessica Camacho饰演坚定的公设辩护心Emily Lopez-Berarro，为了证明客户的清白会显得无畏无惧。 Lindsay Mendez饰演Sara，热情洋溢﹑乐观﹑深藏不露的法庭记者，Emily的密友。她亦有主持法庭圈的牌局，并因此得到很多八卦及情报。Ruthie Ann Miles饰演Lola的司法助理Sherri，负责时间表﹑证人列表等文书工作。
さらにニャースたちも追いかけてきた！果たしてピカチュウたちは無事アンノーンを仲間のところへ連れて行くことが出来るの？
故事讲述在有中世纪欧洲风格的异世界古都阿伊特力亚，城内流传着一个秘密情报，就是在某小巷中有一间非常有特色的居酒屋「阿信」，那里的食物是其它地方都吃不到的极品美味，而且很便宜，于是懒惰的卫兵、任性的千金、严格的包税人等齐齐前往，被关东煮、炸物、海鲜盖饭等美食俘虏，其实这只是一间不知为何连接到异世界的平凡日本居酒屋…..
Lins' eldest son 04
讲述2015年那场震惊世界的巴黎恐袭的纪录片。从国家领导人，到消防员，到幸存者、目击证人，各个经历者平静而真实地讲述那一晚发生的事。
故事发生在二十世纪三十年代的民国，山西一个偏远的小山村。村里的保长为了趋炎附势，把自己的女儿嫁给了县长的儿子，并从女儿口中辗转得知了一条旱涝保收的消息：在村里建个“李忆莲祠堂”，就可以获得县里拨发的巨额救济粮和银元。虽然不太明白县里的意思，但是贪财的保长立马勾搭了村里的族长，开始筹谋这桩买卖。
The advantage of OVO is that when there are many categories, the training time is less than OVR. The disadvantage is that there are many classifiers.
