臺灣言語平臺
編輯歷史
| 時間 | 作者 | 版本 |
|---|---|---|
| 2017-07-07 16:42 – 16:42 | r0 – r1 | |
顯示 diff+ 臺灣言語平臺
+ 資訊技術的部份移去https://g0v.hackpad.com/f4rSgcFTIzz
+
+ *計劃目錄
+ *http://hackfoldr.org/tai5-uan5_gian5-gi2_phing5-thai5/
+
+ *相關專案
+ *新台語運動
+ *https://g0v.hackpad.com/moed7ct-taigi-neologism
+ *TaigiLex
+ *萌典
+ *MoeDict
+
+ *動機
+ *母語工作者需要一個編輯、分享平臺
+ *母語資料散亂一地
+ *做研究時不能公開，做完又沒地方公開
+
+ *目的
+ *提供母語研究者一個編輯平臺
+ *全部線上處理
+ *自由選擇是否公開
+
+ *提供功能
+ *語料收集
+ *每個人可加自己找到的語料
+ *可以讓人公開fb塗鴨牆、母語社團資料
+ *眾人資料庫語料修改
+ *綁ＦＢ帳號crowdsourcing，
+ *拿出語句給每個人修改，並給每個人參與分數，類似plunker的karma
+ *我想這是叫做 Gamificaiton，如果真的要做的話可以做到很高度遊戲化。
+ *資訊技術
+ *語言分類、語料對齊
+ *語言模型、斷詞、翻譯
+ *語音辨識、語音合成
+ *個人語料編輯
+ *上傳語音、線上切音/聽打
+ *http://otranscribe.com/
+ *https://www.ldc.upenn.edu/language-resources/tools/xtrans
+
+ *收集資料形式
+ *母語文字檔
+ *母語語音轉寫文字檔
+ *變調後的文字檔，同化異化等等作用後文字檔
+ *待討論
+ *母語語音轉寫文字檔有很多形式
+ *只有變調
+ *有變調+同化作用
+ *母語聲音檔
+ *
+ *資料庫內對應
+ *收集資料形式1~3項和華語語料兩兩對應
+ *母語聲音和母語文字對照
+ *母語語音轉寫文字檔和母語文字對照
+ *母語語音轉寫文字檔和母語聲音對照
+ *華語文字和母語文字對照
+ *華語文字和母語聲音對照
+ *例如一般電視、廣播字幕和聲音對照
+ *收集資料形式第1~3項混外來語
+ *混外來語(華語、英語)的文字檔
+ *像是ＴＧＢ通訊、ＦＢ資訊
+ *混外來語(華語、英語)的語音轉寫文字檔
+ *像是民視連續劇(華語閩南語混雜)
+ *混外來語(華語、英語)的聲音檔
+ *像是民視連續劇(華語閩南語混雜)
+
+ *個人語料編輯做法
+ *上傳語音、文字
+ *聽打工具
+ *有頻譜
+ *標文本
+ *多語者
+ *可參考xtrans
+ *https://www.ldc.upenn.edu/language-resources/tools/xtrans
+
+ *實作
+ *框架/函式庫
+ *django
+ *綁ＦＢ帳號
+ *子計劃
+ *臺語言語工具
+ *台語好像沒有文字。如何處理呢?
+ *不好意思因為兵役隔了有點久才回。漢字和音標預計以教育部的規範為主，http://twblg.dict.edu.tw/holodict_new/index.html
+ *臺語言語資料庫
+ *版權處理
+ *無開放的資料
+ *文字檔
+ *語句打散，沒有上下文即沒有版權
+ *聲音檔
+ *不公開，做為內部資訊技術訓練語料
|
||