Conlangs, scripts & orthografie

rosetta biedt eersteklas ondersteuning voor geconstrueerde talen (conlangs) via LLM-registers en deterministische script converters. Deze gids behandelt hoe de ondersteuning voor conlangs werkt, welke lettertypen u nodig hebt en hoe u uw eigen conlangs kunt toevoegen.

:::tip Waarom conlangs belangrijk zijn Conlangs zijn niet zomaar een nieuwigheid — ze maken gebruik van exact dezelfde infrastructuur die wordt gebruikt voor echte, ondervertegenwoordigde talen. De quality gate, het coaching system en de script conversion pipeline werken identiek voor het Klingon en het Plains Cree. Als uw conlang-pijplijn werkt, zal uw pijplijn voor low-resource talen dat ook doen. :::

Ondersteunde geconstrueerde talen

Taal	Code	Script converter	Lettertype vereist
Klingon	`tlh`	✅ Romanisatie → pIqaD	PUA-lettertype (bijv. pIqaD qolqoS)
Sindarin (Tolkien-Elfs)	`x-elvish-s`	✅ Latijn → Tengwar	CSUR PUA-lettertype
Kryptoniaans	`x-kryptonian`	✅ Latijn → Kryptoniaans	PUA-lettertype
Piraten-Engels	`x-pirate`	❌ alleen register	Geen
Shakespeareaans Engels	`x-shakespeare`	❌ alleen register	Geen
Yoda-spraak	`x-yoda`	❌ alleen register	Geen

Conlang-codes gebruiken het voorvoegsel x- volgens de BCP-47 private-use conventie, met uitzondering van het Klingon (tlh), dat een ISO 639-3-code heeft toegewezen gekregen door SIL International.

Unicode, PUA en lettertypevereisten

De Private Use Area

Klingon (pIqaD), Sindarin (Tengwar) en Kryptoniaans gebruiken Unicode Private Use Area (PUA)-tekens. PUA is het bereik U+E000–U+F8FF — deze codepoints hebben geen standaardtoewijzing. De ConScript Unicode Registry (CSUR) beheert door de gemeenschap overeengekomen toewijzingen voor fictieve scripts, maar deze maken geen deel uit van de Unicode-standaard.

Wat dit in de praktijk betekent:

PUA-tekst wordt weergegeven als lege vakjes (□□□) als het juiste lettertype niet is geladen
Verschillende lettertypen kunnen verschillende glyphs toewijzen aan dezelfde PUA-codepoints
rosetta bundelt GEEN PUA-lettertypen — u dient deze zelf te laden
Systeemlettertypen zullen deze tekens nooit weergeven

PUA-bereiken per script

Script	PUA-bereik	CSUR-referentie
Klingon (pIqaD)	U+F8D0–U+F8FF	CSUR Klingon
Tengwar (Elfs)	U+E000–U+E07F	CSUR Tengwar
Kryptoniaans	Varieert per lettertype	Geen CSUR-standaard

PUA-weblettertypen laden

Om op PUA gebaseerde conlang-tekst in uw webapplicatie weer te geven, laadt u het juiste lettertype via CSS:

/* Load a Klingon PUA font */
@font-face {
  font-family: 'pIqaD';
  src: url('/fonts/piqad.woff2') format('woff2');
  unicode-range: U+F8D0-U+F8FF;
}

/* Apply to Klingon text elements */
[lang="tlh"] {
  font-family: 'pIqaD', sans-serif;
}

:::warning Unicode-ondersteuning is NIET gegarandeerd Het Unicode Consortium heeft expliciet geweigerd om fictieve scripts in de standaard te coderen. PUA-toewijzingen worden door de gemeenschap beheerd en kunnen conflicteren tussen verschillende lettertype-implementaties. Specificeer altijd het exacte lettertype dat uw project gebruikt en test de weergave in verschillende browsers. :::

Script converters

Hoe ze werken

De scriptconversie van rosetta is een post-translation hook:

De LLM vertaalt tekst naar een werkscript (meestal Latijn of SRO)
De quality gate valideert de uitvoer
De deterministische converter transformeert de gevalideerde tekst naar het weergavescript
De geconverteerde tekst wordt naar de schijf geschreven

Deze tweestapsbenadering werkt omdat LLM's betere uitvoer produceren wanneer ze in op het Latijn gebaseerde scripts werken. De deterministische converter garandeert een correcte scriptuitvoer zonder te vertrouwen op de (vaak onbetrouwbare) scriptkennis van het model.

Alle vijf converters

rosetta wordt geleverd met vijf ingebouwde script converters:

Plains Cree: SRO → Syllabics (`crk`)

Standard Roman Orthography naar Canadian Aboriginal Syllabics.

Input:  "tawâw"
Output: "ᑕᐚᐤ"

Lange klinkers gebruiken een macron/circumflex: ê, î, ô, â. De converter verwerkt alle SRO-diakritische tekens en wijst deze toe aan de juiste syllabische tekens. Zie Ondersteuning voor een low-resource taal voor de volledige Cree-pijplijn.

Servisch: Latijn → Cyrillisch (`sr`)

Deterministische Latijn-naar-Cyrillisch conversie voor het Servisch.

Input:  "zdravo"
Output: "здраво"

Dit verwerkt de volledige toewijzing van het Servische alfabet, inclusief digrafen (lj → љ, nj → њ, dž → џ).

Klingon: Romanisatie → pIqaD (`tlh`)

Het romanisatiesysteem van Marc Okrand naar pIqaD PUA-tekens.

Input:  "Qapla'"    (romanized Klingon)
Output: [pIqaD PUA] (requires pIqaD font to render)

Sindarin: Latijn → Tengwar (`x-elvish-s`)

De Tengwar-toewijzing volgens Tolkiens Sindarin-modus.

Input:  "elen síla"  (Latin Sindarin)
Output: [Tengwar PUA] (requires Tengwar font to render)

Kryptoniaans: Latijn → Kryptoniaans (`x-kryptonian`)

Kryptoniaanse scripttoewijzing volgens het fan-lexicon.

Input:  "Kal-El"
Output: [Kryptonian PUA] (requires Kryptonian font to render)

Een converter activeren

Stel het veld scripts in uw taalconfiguratie in. Voor ingebouwde converters wordt dit automatisch gedetecteerd aan de hand van de taalcode:

{
  "languages": {
    "sr": { "scripts": "sr" },
    "crk": {}
  }
}

Plains Cree (crk) wordt automatisch gedetecteerd — u hoeft scripts niet expliciet in te stellen.

Talen met meerdere scripts

Sommige echte talen gebruiken meerdere actieve scripts:

Taal	Scripts	rosetta-benadering
Servisch	Latijn + Cyrillisch	Script converter (`sr`) — vertaal in het Latijn, converteer naar het Cyrillisch
Chinees	Vereenvoudigd + Traditioneel	Afzonderlijke localecodes (`zh` vs `zh-TW`) met verschillende registers

Voor talen waarbij beide scripts dezelfde doelgroep bedienen (Servisch), gebruikt u een script converter. Voor talen waarbij de scripts verschillende doelgroepen bedienen (Vereenvoudigd Chinees voor het vasteland van China, Traditioneel voor Taiwan/HK), gebruikt u afzonderlijke localecodes.

Opmerkingen over orthografie

Registers bepalen niet alleen de toon — ze bevatten orthografische instructies die de LLM sturen naar de juiste schrijfconventies.

Formele aanspreekvormen

De ingebouwde registers van rosetta bevatten de cultureel gepaste formele aanspreekvorm voor elke taal:

Taal	Formele vorm	Registerinstructie
Duits	Sie	`Use Sie-form for formal address`
Frans	vous	`Use vous-form`
Russisch	вы	`Professional register with вы-form`
Turks	siz	`Professional register with siz-form`
Koreaans	합쇼체	`Formal Korean (합쇼체)`
Japans	です/ます	`Polite professional register (です/ます form)`
Pools	Pan/Pani	`Professional register with Pan/Pani form`

Genderinclusief schrijven

Elke taalkaart heeft een veld gender.inclusiveGuidance met taalspecifiek advies. Dit wordt afzonderlijk van de register-preset in de LLM-vertaalprompt geïnjecteerd, zodat het consistent wordt toegepast, ongeacht welke formaliteits-preset de gebruiker kiest:

Frans: Écriture inclusive met interpunct-notatie (bijv. "Connecté·e")
Duits: Doppelpunkt-notatie (bijv. "Benutzer:innen")
Spaans: Genderneutrale herstructurering heeft de voorkeur; slash-notatie (bijv. "usuario/a") als terugvaloptie

Voor talen zonder specifieke richtlijnen in hun kaart (bijv. Koreaans, conlangs), valt het systeem terug op een algemene regel: "geef de voorkeur aan genderneutrale vormen of de meest inclusieve optie die beschikbaar is."

Vereisten voor RTL-scripts

De registers voor het Arabisch, Hebreeuws, Perzisch en Urdu vermelden allemaal de vereisten voor rechts-naar-links (RTL): Ensure text reads naturally in RTL layout contexts.

Een register overschrijven

Elk register is een configuratiewaarde — u kunt deze overschrijven om deze af te stemmen op de stem van uw project:

{
  "languages": {
    "fr": {
      "register": "Casual French. Use tu-form. Conversational blog tone. Gender-neutral when possible."
    },
    "de": {
      "register": "Informal German. Use du-form. Tech startup voice."
    }
  }
}

Zie Configuratie voor de volledige configuratiereferentie.

Een nieuwe conlang toevoegen

Stap voor stap

Kies een BCP-47 private-use code: Gebruik het voorvoegsel x- (bijv. x-dothraki, x-valyrian).
Voeg toe aan uw configuratie:

{
  "languages": {
    "x-dothraki": {
      "register": "Dothraki language. Use David J. Peterson's vocabulary from the Living Language Dothraki textbook. Harsh, direct tone. No articles, no verb 'to be'."
    }
  }
}

(Optioneel) Voeg een script converter toe: Als uw conlang een niet-Latijns weergavescript gebruikt, voeg dan een converter toe in lib/scripts.js en registreer deze in SCRIPT_CONVERTERS.
Testen: Voer i18n-rosetta sync --dry uit om een voorbeeld van vertalingen te bekijken zonder bestanden weg te schrijven.
Controleer de quality gate: De quality gate moet mogelijk worden afgestemd op uw conlang — in het bijzonder de controle requireNonLatin als uw conlang PUA-tekens gebruikt.

:::note Conlang-kwaliteit is afhankelijk van LLM-kennis De LLM kan alleen vertalen naar een conlang die het in de trainingsgegevens heeft gezien. Goed gedocumenteerde conlangs (Klingon, Sindarin, Dothraki) werken goed. Obscure of nieuw uitgevonden conlangs kunnen inconsistente resultaten opleveren. Gebruik coaching data om de kwaliteit te verbeteren. :::

Zie ook

Ondersteunde talen — volledige taaltabel met beschikbaarheid van methoden
Script converters — technische details van de conversiepijplijn
Vertaalmethoden — hoe elke vertaalmethode werkt
Configuratie — configuratiereferentie inclusief taal- en registerinstellingen
Ondersteuning voor een low-resource taal — dezelfde infrastructuur toegepast op echte, ondervertegenwoordigde talen

Ondersteunde geconstrueerde talen​

Unicode, PUA en lettertypevereisten​

De Private Use Area​

PUA-bereiken per script​

PUA-weblettertypen laden​

Script converters​

Hoe ze werken​

Alle vijf converters​

Plains Cree: SRO → Syllabics (crk)​

Servisch: Latijn → Cyrillisch (sr)​

Klingon: Romanisatie → pIqaD (tlh)​

Sindarin: Latijn → Tengwar (x-elvish-s)​

Kryptoniaans: Latijn → Kryptoniaans (x-kryptonian)​

Een converter activeren​

Talen met meerdere scripts​

Opmerkingen over orthografie​

Formele aanspreekvormen​

Genderinclusief schrijven​

Vereisten voor RTL-scripts​

Een register overschrijven​

Een nieuwe conlang toevoegen​

Stap voor stap​

Zie ook​