Ondersteunde talen

rosetta wordt geleverd met Language Cards — gestructureerde configuratiebestanden voor 50 talen. Elke kaart bevat register-presets, metadata voor het formaliteitssysteem, ondersteuningsvlaggen voor methoden, typografieregels en scriptinformatie. Elke taal die uw LLM kent, kan met een enkele configuratieregel worden toegevoegd — dit zijn de talen met gecureerde, productieklare registers.

---

Vertaalmethoden

Elke taal kan een of meer van deze vertaalmethoden gebruiken:

Icoon	Methode	Hoe het werkt	Kosten
🟢	Google Translate	Neurale MT-basislijn. 130+ talen. Alleen key-value strings — kan Markdown-content niet veilig vertalen.	~$20/1M tekens
🔵	LLM (OpenRouter)	Elke taal die het model kent. Registergestuurde prompts. Verwerkt key-value + Markdown-content.	Varieert per model
🟣	LLM-Coached	LLM + grammaticewoordenboeken + coachingdata geïnjecteerd in prompts. Het beste voor morfologisch complexe talen.	Varieert per model
🟠	API (Plugin)	Door de community gehoste vertaalpijplijnen die via HTTP worden aangeboden. OCAP-compatibel.	Varieert per provider

Stel GOOGLE_TRANSLATE_API_KEY in voor Google Translate, of OPENROUTER_API_KEY voor LLM-methoden. Zie Vertaalmethoden voor volledige details.

---

Prioriteitstalen

Dit zijn de meest gevraagde locales voor web- en mobiele applicaties, vermeld in de door rosetta aanbevolen 'accessibility-first' volgorde.

Vlag	Taal	Code	Google	LLM	Coached	Script	Opmerkingen
🇸🇦	Arabisch	ar	✅	✅	✅	—	RTL. Modern Standaard Arabisch (فصحى).
🇵🇭	Filipijns (Taglish)	tl / fil	✅	✅	✅	—	Gebruik fil in Docusaurus-configuraties. rosetta lost beide op.
🇫🇷	Frans	fr	✅	✅	✅	—	Vous-vorm. Genderinclusief (Connecté·e).
🇪🇸	Spaans	es	✅	✅	✅	—	Neutraal Latijns-Amerikaans.
🇩🇪	Duits	de	✅	✅	✅	—	Sie-vorm. Genderinclusief (Benutzer:innen).
🇯🇵	Japans	ja	✅	✅	✅	—	です/ます voor platte tekst, する voor UI-labels.
🇨🇳	Chinees (Vereenvoudigd)	zh	✅	✅	✅	—	简体中文.
🇮🇹	Italiaans	it	✅	✅	✅	—	Lei-vorm.
🇧🇷	Portugees (BR)	pt	✅	✅	✅	—	Braziliaans-Portugees.
🇰🇷	Koreaans	ko	✅	✅	✅	—	해요체 beleefdheidsregister.

Belangrijke wereldtalen

Vlag	Taal	Code	Google	LLM	Coached	Script	Opmerkingen
🇧🇩	Bengaals	bn	✅	✅	✅	—	শুদ্ধ ভাষা voorkeur.
🇧🇬	Bulgaars	bg	✅	✅	✅	—
🇨🇿	Tsjechisch	cs	✅	✅	✅	—	Vykání (vy-vorm).
🇩🇰	Deens	da	✅	✅	✅	—
🇬🇷	Grieks	el	✅	✅	✅	—	Modern Δημοτική.
🇮🇷	Perzisch	fa	✅	✅	✅	—	RTL.
🇫🇮	Fins	fi	✅	✅	✅	—	Geen grammaticaal geslacht.
🇮🇱	Hebreeuws	he	✅	✅	✅	—	RTL.
🇮🇳	Hindi	hi	✅	✅	✅	—	शुद्ध हिन्दी. Minimale Engelse leenwoorden.
🇭🇺	Hongaars	hu	✅	✅	✅	—	Ön-vorm.
🇮🇩	Indonesisch	id	✅	✅	✅	—
🇲🇾	Maleis	ms	✅	✅	✅	—
🇳🇱	Nederlands	nl	✅	✅	✅	—	U-vorm.
🇳🇴	Noors	nb	✅	✅	✅	—	Bokmål.
🇵🇱	Pools	pl	✅	✅	✅	—	Pan/Pani-vorm.
🇵🇹	Portugees (EU)	pt-PT	✅	✅	✅	—	Europees-Portugees.
🇷🇴	Roemeens	ro	✅	✅	✅	—
🇷🇺	Russisch	ru	✅	✅	✅	—	Вы-vorm.
🇸🇰	Slowaaks	sk	✅	✅	✅	—	Vykanie (vy-vorm).
🇷🇸	Servisch	sr	✅	✅	✅	🔤 Latijns→Cyrillisch	Deterministische scriptconverter.
🇸🇪	Zweeds	sv	✅	✅	✅	—
🇰🇪	Swahili	sw	✅	✅	✅	—
🇹🇭	Thais	th	✅	✅	✅	—	ครับ/ค่ะ beleefdheidspartikels.
🇹🇷	Turks	tr	✅	✅	✅	—	Siz-vorm.
🇺🇦	Oekraïens	uk	✅	✅	✅	—	Ви-vorm.
🇵🇰	Urdu	ur	✅	✅	✅	—	RTL. آپ-vorm.
🇻🇳	Vietnamees	vi	✅	✅	✅	—
🇹🇼	Chinees (Traditioneel)	zh-TW	✅	✅	✅	—	繁體中文.
🇬🇪	Georgisch	ka	✅	✅	—	—	ქართული. Kartveelse taalfamilie.
🇳🇬	Yoruba	yo	✅	✅	—	—	Èdè Yorùbá. Tonaal (3 tonen).

Regionale varianten

Vlag	Taal	Code	Google	LLM	Coached	Script	Opmerkingen
🇲🇽	Mexicaans-Spaans	es-MX	✅	✅	✅	—	Tú-vorm. Warm register.
🇨🇦	Canadees-Frans	fr-CA	✅	✅	✅	—	Québécois idiomen.

---

Inheemse en low-resource talen

Deze talen worden niet ondersteund door commerciële MT-diensten. rosetta biedt de tools voor taalgemeenschappen om hun eigen methoden te bouwen volgens de OCAP-principes.

	Taal	Code	Google	LLM	Coached	Script	Status
🪶	Plains Cree	crk	❌	✅	✅	🔤 SRO→Syllabics	🚧 In ontwikkeling
🌄	Quechua	qu	✅	✅	—	—	Runasimi. Evidentiële achtervoegsels.

:::info Plains Cree is actief in ontwikkeling Het register, de coachinginfrastructuur, de scriptconverter en het evaluatieharnas voor Plains Cree zijn allemaal functioneel, maar de vertaalpijplijn is nog niet vrijgegeven. Wij werken samen met taalgemeenschappen volgens de OCAP-principes om de kwaliteit voor de release te waarborgen. Zie Een low-resource taal ondersteunen voor het volledige verhaal — en hoe u kunt bijdragen. :::

:::tip Meer low-resource talen toevoegen Het method-pluginsysteem van rosetta is hiervoor ontworpen. Een taalgemeenschap kan een aangepaste vertaalmethode bouwen, deze onder eigen beheer hosten en aanbieden via de API-methode. Het Methoden-leaderboard houdt scores bij voor elk talenpaar — bouw een methode, voer het harnas uit en claim de topscore. :::

---

Kunsttalen

Kunsttalen (conlangs) worden ondersteund via LLM-registers en optionele scriptconverters. Ze gebruiken dezelfde infrastructuur als echte talen — de kwaliteitscontrole, het coachingsysteem en de scriptconversiepijplijn werken identiek.

	Taal	Code	Google	LLM	Script	Opmerkingen
🖖	Klingon	tlh	❌	✅	🔤 Romanisatie→pIqaD	PUA-lettertype vereist. Marc Okrand-vocabulaire.
🧝	Sindarijns (Tolkien-Elfs)	x-elvish-s	❌	✅	🔤 Latijns→Tengwar	CSUR PUA-lettertype vereist.
🏴‍☠️	Piraten-Engels	x-pirate	❌	✅	—	Alleen register. Nautische metaforen.
🦸	Kryptoniaans	x-kryptonian	❌	✅	🔤 Latijns→Kryptoniaans	PUA-lettertype vereist.
🎭	Shakespeareaans Engels	x-shakespeare	❌	✅	—	Alleen register. Thee/thou, -eth/-est-vormen.
🐸	Yoda-spraak	x-yoda	❌	✅	—	Alleen register. OSV-woordvolgorde.

Zie Kunsttalen, scripts & orthografie voor PUA-lettertypevereisten, Unicode-beperkingen en hoe u uw eigen kunsttaal kunt toevoegen.

---

Taal-presets

De init-wizard ondersteunt preset-namen voor een snelle installatie. U kunt presets combineren met individuele codes.

Preset	Breidt uit naar
european	fr, de, es, it, pt, nl
asian	ja, zh, ko
global	fr, es, de, ja, zh, ko, pt, ar
nordic	da, fi, nb, sv

# Mix presets with individual codes
i18n-rosetta init
# → Target languages: european, ja
# → Resolves to: fr, de, es, it, pt, nl, ja

---

Elke taal toevoegen

rosetta kan vertalen naar elke taal die uw LLM kent — de bovenstaande tabel toont alleen talen met ingebouwde register-presets. Om een niet-vermelde taal toe te voegen, neemt u de BCP-47-code op in uw configuratie:

{
  "languages": {
    "sw": {},
    "am": {
      "register": "Formal Amharic. Professional register with Geʽez script."
    }
  }
}

De LLM zal vertalen met behulp van zijn getrainde kennis van de taal. Het instellen van een register geeft u controle over de toon, formaliteit en orthografische conventies. Zie Configuratie voor details.

---

Language Cards

Elke ingebouwde taal heeft een Language Card — een gestructureerde JSON-configuratie die voor prestatiedoeleinden in twee lagen is opgesplitst:

Tweelaagse architectuur

Laag	Directory	Geladen	Doel
Runtime	lib/data/language-cards/	Direct bij import	Vertaal-engine: registers, formaliteit, regels, methode-ondersteuning
Referentie	lib/data/language-reference/	Lazy on-demand	Ontwikkelaarsdocumentatie: linguïstische uitdagingen, encyclopedische data, NLP-bronnen

De runtime-laag blijft klein (~2 KB/kaart) zodat het importeren van rosetta geen megabytes aan documentatiedata laadt. De referentielaag is beschikbaar via getLanguageReference(code) voor tools, de website en het evaluatieharnas.

Runtime Card-velden

Veld	Wat het bevat
nativeName	Endoniem — de naam van de taal voor zichzelf, in het eigen script (bijv. ქართული, Runasimi)
Formaliteitssysteem	T-V-onderscheid, spraakniveaus, keigo, partikels, enz.
Register-presets	Benoemde LLM-prompt-presets specifiek voor het karakter van de taal
Methode-ondersteuning	Welke vertaal-API's deze taal ondersteunen
Geslachtsrichtlijnen	Grammaticale geslachtsregels en tips voor inclusief schrijven
Script/richting	ISO 15924-scriptcode en RTL/LTR
Regels	Typografie (aanhalingstekens, spatiëring), hoofdlettergebruik, meervoudscategorieën
Evaluatiedatasets	Welke benchmarks deze taal dekken
glottocode	Canonieke Glottolog-identifier voor kruisverwijzingen
humanReviewed	Of de kaart is beoordeeld door een spreker

Reference Card-velden

Veld	Wat het bevat
Linguïstische uitdagingen	MT-specifieke valkuilen (bijv. evidentialiteit, tonale diakritische tekens, agglutinatie)
Encyclopedisch	Taalfamilie, classificatie, aantal sprekers, regio's
Bronnen	NLP-tools, parallelle corpora, vooraf getrainde modellen

Een nieuwe Language Card opzetten

Gebruik de generator om beide lagen op te zetten vanuit gezaghebbende databronnen (IANA, CLDR, Glottolog):

# Preview what would be generated
node scripts/generate-language-card.mjs sw --dry-run

# Generate both runtime + reference cards
node scripts/generate-language-card.mjs sw

De generator vult automatisch metadata in (codes, script, richting, meervouden, aanhalingstekens, methode-ondersteuning, taalfamilie) en markeert linguïstische beoordelingsvelden als TODO voor menselijke curatie.

Preset-sleutels gebruiken

In plaats van de volledige registertekst te schrijven, kunt u een preset-sleutelnaam gebruiken:

{
  "languages": {
    "fr": "casual-tu",
    "ko": "formal-hapsyo",
    "ja": "polite"
  }
}

Rosetta herleidt de sleutel naar de volledige registerprompt. Voer npx i18n-rosetta init uit om de beschikbare presets voor elke taal te bekijken.

Voorbeeld-presets

Taal	Presets	Standaard
Frans	formal-vous, casual-tu	formal-vous
Koreaans	polite-haeyo, formal-hapsyo, casual-hae	polite-haeyo
Japans	polite, formal-keigo, casual	polite
Duits	formal-Sie, casual-du	formal-Sie
Thais	neutral-professional, polite-male, polite-female	neutral-professional
Spaans	neutral-professional, formal-usted, casual-tuteo	neutral-professional

Zie Bijdragen aan een Language Card voor de volledige specificatie, inclusief veldvalidatie en de PR-checklist.

---

Zie ook

• Configuratie — volledige configuratiereferentie inclusief taalinstellingen
• Vertaalmethoden — hoe elke methode werkt
• Scriptconverters — deterministische scriptconversiepijplijn
• Kunsttalen, scripts & orthografie — PUA-lettertypen, Unicode, kunsttalen toevoegen
• Een low-resource taal ondersteunen — methoden bouwen voor onderbediende talen