ภาษาประดิษฐ์ (Conlangs) สคริปต์ และอักขรวิธี

rosetta รองรับภาษาประดิษฐ์ (Constructed languages หรือ Conlangs) อย่างเต็มรูปแบบผ่าน LLM registers และ deterministic script converters คู่มือนี้จะครอบคลุมถึงวิธีการทำงานของการรองรับภาษาประดิษฐ์ ฟอนต์ที่คุณต้องใช้ และวิธีเพิ่มภาษาของคุณเอง

:::tip ทำไมภาษาประดิษฐ์ถึงสำคัญ ภาษาประดิษฐ์ไม่ใช่แค่เรื่องแปลกใหม่ — แต่ยังใช้โครงสร้างพื้นฐานเดียวกันกับที่ใช้ในภาษาจริงที่ขาดแคลนทรัพยากร (Underserved languages) ระบบ quality gate, coaching system และ script conversion pipeline ทำงานเหมือนกันทุกประการสำหรับภาษา Klingon และ Plains Cree หากไปป์ไลน์ภาษาประดิษฐ์ของคุณทำงานได้ ไปป์ไลน์สำหรับภาษาที่มีทรัพยากรน้อย (Low-resource language) ของคุณก็จะทำงานได้เช่นกัน :::

---

ภาษาประดิษฐ์ที่รองรับ

ภาษา	รหัส	ตัวแปลงสคริปต์	ฟอนต์ที่ต้องการ
Klingon	tlh	✅ Romanization → pIqaD	ฟอนต์ PUA (เช่น pIqaD qolqoS)
Sindarin (Tolkien Elvish)	x-elvish-s	✅ Latin → Tengwar	ฟอนต์ CSUR PUA
Kryptonian	x-kryptonian	✅ Latin → Kryptonian	ฟอนต์ PUA
Pirate English	x-pirate	❌ register เท่านั้น	ไม่มี
Shakespearean English	x-shakespeare	❌ register เท่านั้น	ไม่มี
Yoda-speak	x-yoda	❌ register เท่านั้น	ไม่มี

รหัสภาษาประดิษฐ์ใช้คำนำหน้า x- ตามธรรมเนียม private-use ของ BCP-47 ยกเว้นภาษา Klingon (tlh) ซึ่งมีรหัส ISO 639-3 ที่กำหนดโดย SIL International

---

ข้อกำหนดด้าน Unicode, PUA และฟอนต์

พื้นที่ใช้งานส่วนตัว (Private Use Area)

Klingon (pIqaD), Sindarin (Tengwar) และ Kryptonian ใช้ตัวอักษร Unicode Private Use Area (PUA) PUA คือช่วง U+E000–U+F8FF — โค้ดพอยต์เหล่านี้ไม่มีการกำหนดมาตรฐาน ConScript Unicode Registry (CSUR) จะดูแลรักษาการจับคู่สคริปต์สมมติที่ชุมชนตกลงร่วมกัน แต่สิ่งเหล่านี้ไม่ได้เป็นส่วนหนึ่งของมาตรฐาน Unicode

สิ่งนี้หมายความว่าในทางปฏิบัติ:

• ข้อความ PUA จะแสดงผลเป็นกล่องสี่เหลี่ยมว่างเปล่า (□□□) หากไม่ได้โหลดฟอนต์ที่ถูกต้อง
• ฟอนต์ที่แตกต่างกันอาจจับคู่ glyphs ที่แตกต่างกันไปยังโค้ดพอยต์ PUA เดียวกัน
• rosetta ไม่ได้รวมฟอนต์ PUA มาให้ — คุณต้องโหลดด้วยตัวเอง
• ฟอนต์ระบบจะไม่สามารถแสดงผลตัวอักษรเหล่านี้ได้เลย

ช่วง PUA ตามสคริปต์

สคริปต์	ช่วง PUA	อ้างอิง CSUR
Klingon (pIqaD)	U+F8D0–U+F8FF	CSUR Klingon
Tengwar (Elvish)	U+E000–U+E07F	CSUR Tengwar
Kryptonian	แตกต่างกันไปตามฟอนต์	ไม่มีมาตรฐาน CSUR

การโหลดฟอนต์ PUA บนเว็บ

หากต้องการแสดงผลข้อความภาษาประดิษฐ์ที่ใช้ PUA ในเว็บแอปพลิเคชันของคุณ ให้โหลดฟอนต์ที่เหมาะสมผ่าน 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 ไม่รับประกันการรองรับ Unicode Unicode Consortium ได้ปฏิเสธอย่างชัดเจนที่จะเข้ารหัสสคริปต์สมมติในมาตรฐาน การกำหนด PUA ได้รับการดูแลโดยชุมชนและอาจขัดแย้งกันระหว่างการใช้งานฟอนต์ต่างๆ คุณควรระบุฟอนต์ที่โปรเจกต์ของคุณใช้อย่างชัดเจนเสมอ และทดสอบการแสดงผลข้ามเบราว์เซอร์ :::

---

ตัวแปลงสคริปต์ (Script Converters)

วิธีการทำงาน

การแปลงสคริปต์ของ rosetta เป็น post-translation hook (ฮุกหลังการแปล):

1. LLM จะแปลข้อความเป็น working script (มักจะเป็นอักษรละตินหรือ SRO)
2. quality gate จะตรวจสอบความถูกต้องของผลลัพธ์
3. Deterministic converter จะแปลงข้อความที่ผ่านการตรวจสอบแล้วให้เป็น display script (สคริปต์สำหรับแสดงผล)
4. ข้อความที่แปลงแล้วจะถูกเขียนลงดิสก์

แนวทางแบบสองขั้นตอนนี้ได้ผลดีเนื่องจาก LLM จะสร้างผลลัพธ์ได้ดีกว่าเมื่อทำงานกับสคริปต์ที่ใช้ตัวอักษรละตินเป็นหลัก Deterministic converter จะรับประกันผลลัพธ์ของสคริปต์ที่ถูกต้องโดยไม่ต้องพึ่งพาความรู้ด้านสคริปต์ของโมเดล (ซึ่งมักจะไม่น่าเชื่อถือ)

ตัวแปลงทั้งห้า

rosetta มาพร้อมกับตัวแปลงสคริปต์ในตัว 5 ตัว:

Plains Cree: SRO → Syllabics (crk)

จาก Standard Roman Orthography (SRO) เป็น Canadian Aboriginal Syllabics

Input:  "tawâw"
Output: "ᑕᐚᐤ"

สระเสียงยาวใช้ macron/circumflex: ê, î, ô, â ตัวแปลงจะจัดการกับเครื่องหมายกำกับการออกเสียง (diacritics) ของ SRO ทั้งหมดและจับคู่ไปยังตัวอักษรพยางค์ (syllabic characters) ที่ถูกต้อง ดู การรองรับภาษาที่มีทรัพยากรน้อย สำหรับไปป์ไลน์ภาษา Cree ฉบับเต็ม

Serbian: Latin → Cyrillic (sr)

การแปลงจากอักษรละตินเป็นซีริลลิกแบบ Deterministic สำหรับภาษาเซอร์เบีย

Input:  "zdravo"
Output: "здраво"

ตัวแปลงนี้จัดการการจับคู่ตัวอักษรภาษาเซอร์เบียทั้งหมด รวมถึงทวิอักษร (digraphs) (lj → љ, nj → њ, dž → џ)

Klingon: Romanization → pIqaD (tlh)

ระบบ Romanization ของ Marc Okrand เป็นตัวอักษร pIqaD PUA

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

Sindarin: Latin → Tengwar (x-elvish-s)

การจับคู่ Tengwar ในโหมด Sindarin ของ Tolkien

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

Kryptonian: Latin → Kryptonian (x-kryptonian)

การจับคู่สคริปต์ Kryptonian จากพจนานุกรมของแฟนคลับ

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

การเรียกใช้ตัวแปลง

ตั้งค่าฟิลด์ scripts ในคอนฟิกภาษาของคุณ สำหรับตัวแปลงที่มีมาให้ในตัว ระบบจะตรวจจับอัตโนมัติจากรหัสภาษา:

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

Plains Cree (crk) จะตรวจจับอัตโนมัติ — คุณไม่จำเป็นต้องตั้งค่า scripts อย่างชัดเจน

---

ภาษาที่มีหลายสคริปต์

ภาษาจริงบางภาษาใช้หลายสคริปต์ที่ใช้งานอยู่:

ภาษา	สคริปต์	แนวทางของ rosetta
Serbian	Latin + Cyrillic	ตัวแปลงสคริปต์ (sr) — แปลเป็นอักษรละติน แล้วแปลงเป็นซีริลลิก
Chinese	Simplified + Traditional	แยกโค้ด locale (zh กับ zh-TW) พร้อม registers ที่แตกต่างกัน

สำหรับภาษาที่ทั้งสองสคริปต์ให้บริการกลุ่มเป้าหมายเดียวกัน (ภาษาเซอร์เบีย) ให้ใช้ตัวแปลงสคริปต์ สำหรับภาษาที่สคริปต์ให้บริการกลุ่มเป้าหมายต่างกัน (ภาษาจีนตัวย่อสำหรับจีนแผ่นดินใหญ่ ตัวเต็มสำหรับไต้หวัน/ฮ่องกง) ให้ใช้โค้ด locale แยกกัน

---

หมายเหตุด้านอักขรวิธี

Registers ไม่ใช่แค่น้ำเสียง — แต่ยังมี คำแนะนำด้านอักขรวิธี (orthographic instructions) ที่ช่วยนำทาง LLM ไปสู่ธรรมเนียมการเขียนที่ถูกต้อง

รูปแบบการเรียกขานแบบเป็นทางการ

registers ในตัวของ rosetta จะรวมถึงการเรียกขานแบบเป็นทางการที่เหมาะสมกับวัฒนธรรมสำหรับแต่ละภาษา:

ภาษา	รูปแบบทางการ	คำสั่ง Register
German	Sie	Use Sie-form for formal address
French	vous	Use vous-form
Russian	вы	Professional register with вы-form
Turkish	siz	Professional register with siz-form
Korean	합쇼체	Formal Korean (합쇼체)
Japanese	です/ます	Polite professional register (です/ます form)
Polish	Pan/Pani	Professional register with Pan/Pani form

การเขียนแบบครอบคลุมทางเพศ (Gender-Inclusive Writing)

การ์ดภาษาแต่ละใบจะมีฟิลด์ gender.inclusiveGuidance พร้อมคำแนะนำเฉพาะสำหรับภาษานั้นๆ สิ่งนี้จะถูกแทรกเข้าไปในพรอมต์การแปลของ LLM แยกต่างหากจากพรีเซ็ต register เพื่อให้มีผลบังคับใช้อย่างสม่ำเสมอไม่ว่าผู้ใช้จะเลือกพรีเซ็ตความเป็นทางการแบบใดก็ตาม:

• French: Écriture inclusive พร้อมการใช้เครื่องหมาย interpunct (เช่น "Connecté·e")
• German: การใช้เครื่องหมาย Doppelpunkt (เช่น "Benutzer:innen")
• Spanish: แนะนำให้ปรับโครงสร้างให้เป็นกลางทางเพศ; ใช้เครื่องหมายทับ (เช่น "usuario/a") เป็นทางเลือกสำรอง

สำหรับภาษาที่ไม่มีคำแนะนำเฉพาะในการ์ด (เช่น ภาษาเกาหลี, ภาษาประดิษฐ์) ระบบจะใช้กฎทั่วไปเป็นทางเลือกสำรอง: "เลือกใช้รูปแบบที่เป็นกลางทางเพศหรือตัวเลือกที่ครอบคลุมที่สุดเท่าที่มี"

ข้อกำหนดสำหรับสคริปต์ RTL (ขวาไปซ้าย)

registers ของภาษาอารบิก, ฮีบรู, เปอร์เซีย และอูรดู ล้วนระบุข้อกำหนดการเขียนจากขวาไปซ้าย: Ensure text reads naturally in RTL layout contexts.

การแทนที่ Register ใดๆ

ทุก register เป็นค่าคอนฟิก — คุณสามารถแทนที่ได้เพื่อให้ตรงกับน้ำเสียงของโปรเจกต์คุณ:

{
  "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."
    }
  }
}

ดู การกำหนดค่า สำหรับข้อมูลอ้างอิงคอนฟิกฉบับเต็ม

---

การเพิ่มภาษาประดิษฐ์ใหม่

ขั้นตอน

1. เลือกรหัส private-use ของ BCP-47: ใช้คำนำหน้า x- (เช่น x-dothraki, x-valyrian)

2. เพิ่มลงในคอนฟิกของคุณ:

{
  "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'."
    }
  }
}

3. (ไม่บังคับ) เพิ่มตัวแปลงสคริปต์: หากภาษาประดิษฐ์ของคุณใช้สคริปต์แสดงผลที่ไม่ใช่อักษรละติน ให้เพิ่มตัวแปลงใน lib/scripts.js และลงทะเบียนใน SCRIPT_CONVERTERS

4. ทดสอบ: รัน i18n-rosetta sync --dry เพื่อดูตัวอย่างการแปลโดยไม่ต้องเขียนไฟล์

5. ตรวจสอบ quality gate: quality gate อาจต้องมีการปรับแต่งสำหรับภาษาประดิษฐ์ของคุณ — โดยเฉพาะการตรวจสอบ requireNonLatin หากภาษาประดิษฐ์ของคุณใช้ตัวอักษร PUA

:::note คุณภาพของภาษาประดิษฐ์ขึ้นอยู่กับความรู้ของ LLM LLM สามารถแปลเป็นภาษาประดิษฐ์ที่เคยเห็นในข้อมูลการฝึกอบรมเท่านั้น ภาษาประดิษฐ์ที่มีการบันทึกไว้เป็นอย่างดี (Klingon, Sindarin, Dothraki) จะทำงานได้ดี ภาษาประดิษฐ์ที่ไม่ค่อยมีใครรู้จักหรือเพิ่งคิดค้นขึ้นใหม่อาจให้ผลลัพธ์ที่ไม่สม่ำเสมอ ใช้ ข้อมูลการโค้ช (coaching data) เพื่อปรับปรุงคุณภาพ :::

---

ดูเพิ่มเติม

• ภาษาที่รองรับ — ตารางภาษาฉบับเต็มพร้อมความพร้อมใช้งานของแต่ละวิธี
• ตัวแปลงสคริปต์ — รายละเอียดทางเทคนิคของไปป์ไลน์การแปลง
• วิธีการแปล — วิธีการทำงานของแต่ละวิธีการแปล
• การกำหนดค่า — ข้อมูลอ้างอิงคอนฟิกรวมถึงการตั้งค่าภาษาและ register
• การรองรับภาษาที่มีทรัพยากรน้อย — โครงสร้างพื้นฐานเดียวกันที่นำไปใช้กับภาษาจริงที่ขาดแคลนทรัพยากร