文字转换器

文字转换器是确定性的、无需 LLM 的翻译后置钩子（post-translation hooks），用于将文本从一种书写系统转换为另一种书写系统。它们实现了“一次翻译，多种文字渲染”的工作流——你先翻译成工作文字（通常是拉丁字母），然后自动转换为显示文字。

为什么需要文字转换器？

有些语言的同一种口语会使用多种书写系统：

• Plains Cree（平原克里语）：使用 SRO（拉丁字母）进行编辑 → 使用音节文字（ᓀᐦᐃᔭᐍᐏᐣ）进行显示
• Serbian（塞尔维亚语）：国际通用拉丁字母 → 国内使用西里尔字母
• Klingon（克林贡语）：使用罗马音进行输入 → 使用 pIqaD ( ) 进行显示

直接翻译成非拉丁文字会带来一些问题：LLM 会产生字符幻觉，JSON 文件变得难以进行版本控制，且 diff 工具无法比较更改。文字转换器通过将翻译保留在对版本控制友好的文字中，并在同步时进行确定性转换，从而解决了这个问题。

可用的转换器

Rosetta 内置了五个文字转换器：

Locale	从	到	类型	是否需要字体？
crk	SRO（标准罗马正字法）	克里语音节文字	确定性	否 — 原生 Unicode
sr	拉丁字母	西里尔字母	确定性	否 — 原生 Unicode
tlh	罗马化拼写	pIqaD	确定性	是 — PUA U+F8D0–F8FF
x-elvish-s	拉丁字母	Tengwar（贝尔兰模式）	确定性	是 — PUA U+E000–E07F
x-kryptonian	拉丁字母	Kryptonian	基于字体的密码	是 — PUA U+E100–E119

确定性转换与基于字体的转换

• 确定性转换器（克里语、塞尔维亚语、克林贡语、Tengwar）使用语言学规则执行真实的字符到字符映射。输出包含实际的 Unicode 字符。
• 基于字体的转换器（Kryptonian）是 1:1 的替换密码，其输出为 Unicode PUA 字符，只有在加载特定字体时才能正确渲染。

工作原理

文字转换器在翻译之后作为后处理步骤运行。其流水线如下：

Source (English) → LLM Translation → Working Script → Script Converter → Display Script

以 Plains Cree（平原克里语）为例：

"Welcome" → LLM → "tānisi" (SRO) → Converter → "ᑖᓂᓯ" (Syllabics)

贪婪的从左到右匹配

所有转换器都使用相同的算法：在每个字符位置，首先尝试可能的最长匹配，然后逐渐尝试较短的匹配。不匹配任何模式的字符（空格、标点符号、数字）将保持不变直接通过。

这能正确处理二合字母和三合字母：

• Klingon：tlh → 单个 pIqaD 字符（而不是 t + l + h）
• Serbian：nj → њ（而不是 н + ј）
• Cree：twê → 单个音节字符（而不是 t + w + ê）

使用文字转换器

当 locale 代码与已注册的转换器匹配时，文字转换器会自动激活。无需配置——只需设置你的目标 locale：

i18n-rosetta.config.json

{
  "pairs": {
    "en:crk": {
      "method": "llm-coached",
      "model": "google/gemini-2.5-pro"
    }
  }
}

当 rosetta 同步 en:crk 语言对时，翻译首先以 SRO 生成，然后在写入 crk.json 之前自动转换为音节文字。

检查转换器状态

npx i18n-rosetta status

状态输出会显示哪些语言对激活了文字转换器，以及它们执行了什么转换。

Web 字体要求

有三个转换器会输出 Unicode 私用区（PUA）字符，这些字符需要自定义的 Web 字体：

Klingon (pIqaD)

安装兼容 CSUR 的 pIqaD 字体（例如 "pIqaD qolqoS" 或 "Klingon pIqaD HaSta"）：

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

:lang(tlh) {
  font-family: 'pIqaD', sans-serif;
}

Tengwar (Sindarin)

安装兼容 CSUR 的 Tengwar 字体（例如 "Tengwar Formal CSUR"、"Tengwar Annatar"）：

@font-face {
  font-family: 'Tengwar';
  src: url('/fonts/tengwar-formal-csur.woff2') format('woff2');
  unicode-range: U+E000-E07F;
}

:lang(x-elvish-s) {
  font-family: 'Tengwar', serif;
}

Kryptonian

安装映射到 PUA 码位 U+E100–E119 的 Kryptonian 字体：

@font-face {
  font-family: 'Kryptonian';
  src: url('/fonts/kryptonian.woff2') format('woff2');
  unicode-range: U+E100-E119;
}

:lang(x-kryptonian) {
  font-family: 'Kryptonian', sans-serif;
}

:::tip Kryptonian 的替代方案 由于 Kryptonian 是纯粹的 A-Z 密码，你可以完全跳过文字转换器，通过 CSS 将字体直接应用于拉丁文本。这对于 Web 部署通常更简单——只需提供 Kryptonian 字体并在相关元素上设置 font-family 即可。 :::

添加自定义转换器

要为新语言添加转换器，请编辑 lib/scripts.js：

1. 创建转换映射 —— 一个包含 [from, to] 键值对的有序数组，最长的序列排在前面
2. 创建转换器函数 —— 一个贪婪的从左到右扫描器（使用 sroToSyllabics 作为模板）
3. 注册转换器 —— 在 SCRIPT_CONVERTERS 对象中将其注册，使用 locale 代码作为键
4. 添加 script 字段 —— 添加到 registers.js 中该语言的注册条目里

// Example: adding a converter for Cherokee (chr)
const LATIN_TO_CHEROKEE_MAP = [
  ['ga', 'Ꭶ'], ['ka', 'Ꭷ'], ['ge', 'Ꭸ'], // ...
];

function latinToCherokee(text) {
  // Same greedy left-to-right pattern as other converters
}

SCRIPT_CONVERTERS['chr'] = {
  from: 'Latin',
  to: 'Cherokee Syllabary',
  type: 'deterministic',
  converter: latinToCherokee,
};

---

另请参阅

• 人造语言、文字与正字法 — PUA 字体、Unicode、添加新转换器
• 质量门禁 — 在文字转换前运行的验证
• 支持的语言 — 哪些语言具有文字转换器
• 支持低资源语言 — 上下文中的 SRO→音节文字
• 实战指南：FST 门禁流水线 — 多阶段流水线中的文字转换