README-oan.md

國語 | English

Taibun.js

台語音譯器佮標記器

伊有允許自己設定音譯，佮揣出關於台語發音所需要的資料的方法
包括台語的單詞標記器

回報程式缺點 • npm

---

目錄

1. 版本
2. 安裝
3. 用法
   • Converter
     • System
     • Dialect
     • Format
     • Delimiter
     • Sandhi
     • Punctuation
     • Convert non-CJK
   • Tokeniser
     • Keep original
   • 其他的函式
4. 例
5. 數據
6. 致謝
7. 牌照

版本

安裝

Taibun 會曉通過 npm 安裝

$ npm install taibun --save

用法

Converter

Converter 類別使用開發人員指定的參數將中文字音譯為所選的音譯系統。繁體佮簡體攏合用。

// 建構仔
c = new Converter({ system, dialect, format, delimiter, sandhi, punctuation, convertNonCjk });

// 音譯中文字
c.get(input);

System

system String - 音譯系統。

• Tailo (預設) - 臺灣羅馬字拼音方案
• POJ - 白話字
• Zhuyin - 臺語方音符號
• TLPA - 臺灣語言音標方案
• Pingyim - 閩南話拼音方案
• Tongiong - 臺語通用拼音
• IPA - 國際音標

文本	Tailo	POJ	Zhuyin	TLPA	Pingyim	Tongiong	IPA
台灣	Tâi-uân	Tâi-oân	ㄉㄞˊ ㄨㄢˊ	Tai5 uan5	Dáiwán	Tāi-uǎn	Tai²⁵ uan²⁵

Dialect

dialect String - 頭一範的發音。

• south (預設) - 發音較像漳州話
• north - 發音較像泉州話
• singapore - 帶有新加坡特色的泉州話發音

文本	south	north	singapore
五月節我啉咖啡	Gōo-gue̍h-tseh guá lim ka-pi	Gōo-ge̍h-tsueh guá lim ka-pi	Gōo-ge̍h-tsueh uá lim ko-pi

Format

format String - 轉換後的句子中表示聲調的格式。

• mark (預設) - 每个音節攏用變音符號。毋支援拼音
• number - 加入一个代表音節尾端聲調的數字
• strip - 刪除任何音調標記

文本	mark	number	strip
台灣	Tâi-uân	Tai5-uan5	Tai-uan

Delimiter

delimiter String - 設定欲放佇詞音節中間的分隔符。

預設值看所選的 system 決定:

• '-' - 對著 Tailo, POJ, Tongiong
• '' - 對著 Pingyim
• ' ' - 對著 Zhuyin, TLPA, IPA

文本	'-'	''	' '
台灣	Tâi-uân	Tâiuân	Tâi uân

Sandhi

sandhi String - 用台語變調規則。

因為編碼所有變調法度困難，Taibun 提供濟種模式變調改換以支援自訂變調處理。

• none - 無執行任何變調
• auto - 上接近台語的正確音調變音，包括代詞、後娗佮帶有「仔」詞的音調變音
• excLast - 除了最後一个音節以外，每一个音節攏變調
• inclLast - 包括上尾一个音節在內，每一个音節攏變調

預設值看所選的 system 決定:

• auto - 對著 Tongiong
• none - 對著 Tailo, POJ, Zhuyin, TLPA, Pingyim, IPA

文本	none	auto	excLast	inclLast
這是你的茶桌仔無	Tse sī lí ê tê-toh-á bô	Tse sì li ē tē-to-á bô	Tsē sì li ē tē-tó-a bô	Tsē sì li ē tē-tó-a bō

變調規則也會隨著選的方言而有所改變。

文本	無變調	south	north / singapore
台灣	Tâi-uân	Tāi-uân	Tài-uân

Punctuation

punctuation String

• format (預設) - 將中文標點符號轉做英文標點符號，佮將每句頭前的詞大寫
• none - 保留中文風格的標點符號，佮新句開頭的詞毋大寫

文本	format	none
這是臺南，簡稱「南」（白話字：Tâi-lâm；注音符號：ㄊㄞˊ ㄋㄢˊ，國語：Táinán）。	Tse sī Tâi-lâm, kán-tshing "lâm" (Pe̍h-uē-jī: Tâi-lâm; tsù-im hû-hō: ㄊㄞˊ ㄋㄢˊ, kok-gí: Táinán).	tse sī Tâi-lâm，kán-tshing「lâm」（Pe̍h-uē-jī：Tâi-lâm；tsù-im hû-hō：ㄊㄞˊ ㄋㄢˊ，kok-gí：Táinán）。

Convert non-CJK

convertNonCjk Boolean - 定義轉換非中文單詞。會當用台羅來做其他羅馬拼音系統。

• true - 轉換非中文字詞
• false (預設) - 干焦轉換中文字詞

文本	false	true
我食pháng	ㆣㄨㄚˋ ㄐㄧㄚㆷ˙ pháng	ㆣㄨㄚˋ ㄐㄧㄚㆷ˙ ㄆㄤˋ

Tokeniser

Tokeniser 類別佇台語句子做類似 NLTK wordpunct_tokenize 的標記化。

// 建構仔
t = new Tokeniser(keepOriginal);

// 標記台語句
t.tokenise(input);

Keep original

keepOriginal Boolean - 定義保留輸入的原始字符。

• true (預設) - 保留原始字符
• false - 使用資料集中定義的字符替換原始字符

文本	true	false
臺灣火鸡肉饭	['臺灣', '火鸡肉饭']	['台灣', '火雞肉飯']

其他的函式

實用的台語 NLP 助手函式。

toTraditional 函式共輸入轉換做繁體字元以便佇資料集使用。嘛會當應對繁體字符變體。

toSimplified 函式共輸入轉換做簡體字元。

isCjk 函式檢查輸入字串敢是完全由中文字符成做。

toTraditional(input);

toSimplified(input);

isCjk(input);

例

// Converter
const { Converter } = require('taibun');

//// System
c = new Converter(); // system 預設值: Tailo
c.get('先生講，學生恬恬聽。');
>> Sian-sinn kóng, ha̍k-sing tiām-tiām thiann.

c = new Converter({ system: 'Zhuyin' });
c.get('先生講，學生恬恬聽。');
>> ㄒㄧㄢ ㄒㆪ ㄍㆲˋ, ㄏㄚㆶ˙ ㄒㄧㄥ ㄉㄧㆰ˫ ㄉㄧㆰ˫ ㄊㄧㆩ.

//// Dialect
c = new Converter(); // dialect 預設值: south
c.get("我欲用箸食魚");
>> Guá beh īng tī tsia̍h hî

c = new Converter({ dialect: 'north' });
c.get("我欲用箸食魚");
>> Guá bueh īng tū tsia̍h hû

c = new Converter({ dialect: 'singapore' });
c.get("我欲用箸食魚");
>> Uá bueh ēng tū tsia̍h hû

//// Format
c = new Converter(); // 佇 Tailo 中，format 預設值: mark
c.get("生日快樂");
>> Senn-ji̍t khuài-lo̍k

c = new Converter({ format: 'number' });
c.get("生日快樂");
>> Senn1-jit8 khuai3-lok8

c = new Converter({ format: 'strip' });
c.get("生日快樂");
>> Senn-jit khuai-lok

//// Delimiter
c = new Converter({ delimiter: '' });
c.get("先生講，學生恬恬聽。");
>> Siansinn kóng, ha̍ksing tiāmtiām thiann.

c = new Converter({ system: 'Pingyim', delimiter: '-' });
c.get("先生講，學生恬恬聽。");
>> Siān-snī gǒng, hág-sīng diâm-diâm tinā.

//// Sandhi
c = new Converter(); // 佇 Tailo 中，sandhi 預設值: none
c.get("這是你的茶桌仔無");
>> Tse sī lí ê tê-toh-á bô

c = new Converter({ sandhi: 'auto' });
c.get("這是你的茶桌仔無");
>> Tse sì li ē tē-to-á bô

c = new Converter({ sandhi: 'excLast' });
c.get("這是你的茶桌仔無");
>> Tsē sì li ē tē-tó-a bô

c = new Converter({ sandhi: 'inclLast' });
c.get("這是你的茶桌仔無");
>> Tsē sì li ē tē-tó-a bō

//// Punctuation
c = new Converter(); // punctuation 預設值: format
c.get("太空朋友，恁好！恁食飽未？");
>> Thài-khong pîng-iú, lín-hó! Lín tsia̍h-pá buē?

c = new Converter({ punctuation: 'none' });
c.get("太空朋友，恁好！恁食飽未？");
>> thài-khong pîng-iú，lín-hó！lín tsia̍h-pá buē？

//// Convert non-CJK
c = new Converter({ system: 'Zhuyin' }); // convertNonCjk 預設值: false
c.get("我食pháng");
>> ㆣㄨㄚˋ ㄐㄧㄚㆷ˙ pháng

c = new Converter({ system: 'Zhuyin', convertNonCjk: true });
c.get("我食pháng");
>> ㆣㄨㄚˋ ㄐㄧㄚㆷ˙ ㄆㄤˋ


// Tokeniser
const { Tokeniser } = require('taibun');

t = new Tokeniser();
t.tokenise("太空朋友，恁好！恁食飽未？");
>> ['太空', '朋友', '，', '恁好', '！', '恁', '食飽', '未', '？']

//// Keep Original
t = new Tokeniser(); // keepOriginal 預設值: true
t.tokenise("爲啥物臺灣遮爾好？");
>> ['爲啥物', '臺灣', '遮爾', '好', '？']

t.tokenise("为啥物台湾遮尔好？");
>> ['为啥物', '台湾', '遮尔', '好', '？']

t = new Tokeniser(false);
t.tokenise("爲啥物臺灣遮爾好？");
>> ['為啥物', '台灣', '遮爾', '好', '？']

t.tokenise("为啥物台湾遮尔好？");
>> ['為啥物', '台灣', '遮爾', '好', '？']


// 其他的函式
const { toTraditional, toSimplified, isCjk } = require('taibun');

//// toTraditional
toTraditional("我听无台语");
>> 我聽無台語

toTraditional("我爱这个个人台面");
>> 我愛這个個人檯面

toTraditional("爲啥物");
>> 為啥物

//// toSimplified
toSimplified("我聽無台語");
>> 我听无台语

//// isCjk
isCjk('我食麭')
>> true

isCjk('我食pháng');
>> false

數據

• 台華線頂對照典 (藉著 ChhoeTaigi)
• iTaigi華台對照典 (藉著 ChhoeTaigi)

致謝

• 任全恩 (Github · LinkedIn) - 台語佮國語通譯

牌照

因為 Taibun 合和 MIT 許可，所以任何開發人員基本上攏會當用伊做任何𪜶欲做的代誌，只欲𪜶佇源代碼的任何副本中含原始版權佮許可聲明。 請注意，彼包使用的資料已經拿著不同版權的許可。

數據已獲得 CC BY-SA 4.0 許可