人造语言、文字与正字法
rosetta 通过 LLM register 和确定性的 script converter 为构造语言 (conlang) 提供了一流的支持。本指南介绍了 conlang 支持的工作原理、你需要的字体以及如何添加你自己的 conlang。
:::tip 为什么 conlang 很重要 conlang 不仅仅是新奇事物 —— 它们使用了与真实的资源匮乏语言完全相同的基础架构。quality gate、coaching system 和 script conversion pipeline 对于克林贡语 (Klingon) 和平原克里语 (Plains Cree) 的工作方式是完全相同的。如果你的 conlang pipeline 能够正常工作，那么你的低资源语言 pipeline 也一样可以。 :::
支持的构造语言 (Conlang)
| 语言 | 代码 | Script Converter | 所需字体 |
|---|---|---|---|
| 克林贡语 (Klingon) | tlh | ✅ 罗马化 → pIqaD | PUA 字体 (例如 pIqaD qolqoS) |
| 辛达林语 (托尔金精灵语) | x-elvish-s | ✅ 拉丁字母 → Tengwar | CSUR PUA 字体 |
| 氪星语 (Kryptonian) | x-kryptonian | ✅ 拉丁字母 → 氪星文 | PUA 字体 |
| 海盗英语 (Pirate English) | x-pirate | ❌ 仅 register | 无 |
| 莎士比亚英语 | x-shakespeare | ❌ 仅 register | 无 |
| 尤达语 (Yoda-speak) | x-yoda | ❌ 仅 register | 无 |
根据 BCP-47 私有使用约定，conlang 代码使用 x- 前缀，但克林贡语 (tlh) 除外，它拥有由 SIL International 分配的 ISO 639-3 代码。
Unicode、PUA 与字体要求
私有使用区 (PUA)
克林贡语 (pIqaD)、辛达林语 (Tengwar) 和氪星语使用 Unicode 私有使用区 (PUA) 字符。PUA 的范围是 U+E000–U+F8FF —— 这些码位没有标准分配。ConScript Unicode Registry (CSUR) 维护了社区公认的虚构文字映射，但它们并不属于 Unicode 标准的一部分。
在实际应用中，这意味着：
- 如果没有加载正确的字体，PUA 文本将渲染为空方块 (□□□)
- 不同的字体可能会将不同的字形映射到相同的 PUA 码位
- rosetta 不捆绑 PUA 字体 —— 你必须自己加载它们
- 系统字体永远不会渲染这些字符
各文字的 PUA 范围
| 文字 | PUA 范围 | CSUR 参考 |
|---|---|---|
| 克林贡语 (pIqaD) | U+F8D0–U+F8FF | CSUR Klingon |
| Tengwar (精灵语) | U+E000–U+E07F | CSUR Tengwar |
| 氪星语 | 因字体而异 | 无 CSUR 标准 |
加载 PUA Web 字体
rosetta 包含一个内置命令，用于下载和管理 PUA Web 字体：
# See which fonts are needed for your configured languages
i18n-rosetta fonts list
# Download all needed fonts (auto-detects project type for output directory)
i18n-rosetta fonts install
# Also generate a CSS snippet with @font-face declarations
i18n-rosetta fonts install --css
fonts install 命令会从经过验证的开源仓库进行下载：
| 字体 | 文字 | 许可证 | 来源 |
|---|---|---|---|
| pIqaD qolqoS | 克林贡语 | SIL Open Font License 1.1 | GitHub |
| FreeMonoTengwar | Tengwar | GNU GPL v3 (带字体例外) | SourceForge |
| (用户提供) | 氪星语 | 各异 | 无可用的开源 PUA 字体 |
输出目录会根据你的项目结构自动检测（Docusaurus → static/fonts/，Hugo → static/fonts/，默认 → public/fonts/）。可以使用 --dir 进行覆盖。
如果你更喜欢手动管理字体，请在你的 CSS 中添加 @font-face 规则：
@font-face {
font-family: 'pIqaD';
src: url('/fonts/pIqaDqolqoS.ttf') format('truetype');
font-display: swap;
unicode-range: U+F8D0-F8FF;
}
/* Apply to Klingon text elements */
[lang="tlh"], [data-script="piqad"] {
font-family: 'pIqaD', sans-serif;
}
:::warning 不保证 Unicode 支持 Unicode 联盟已明确拒绝在标准中对虚构文字进行编码。PUA 分配由社区维护，并且在不同的字体实现之间可能会发生冲突。请务必指定你的项目所使用的确切字体，并在各浏览器中测试渲染效果。 :::
Script Converters
工作原理
rosetta 的 script conversion 是一个翻译后钩子 (post-translation hook)：
- LLM 将文本翻译为工作文字 (working script)（通常是拉丁字母或 SRO）
- quality gate 验证输出结果
- 确定性转换器将验证后的文本转换为显示文字 (display script)
- 转换后的文本被写入磁盘
这种两步法之所以有效，是因为 LLM 在处理基于拉丁字母的文字时能产生更好的输出。确定性转换器保证了正确的文字输出，而无需依赖模型（通常不可靠的）文字知识。
全部五个 Converter
rosetta 附带五个内置的 script converter：
平原克里语：SRO → 音节文字 (crk)
标准罗马正字法 (SRO) 到加拿大原住民音节文字。
Input: "tawâw"
Output: "ᑕᐚᐤ"
长元音使用长音符号/扬抑符：ê, î, ô, â。该 converter 处理所有 SRO 变音符号，并将它们映射到正确的音节字符。有关完整的克里语 pipeline，请参阅 支持低资源语言。
塞尔维亚语：拉丁字母 → 西里尔字母 (sr)
用于塞尔维亚语的确定性拉丁字母到西里尔字母转换。
Input: "zdravo"
Output: "здраво"
这处理了完整的塞尔维亚语字母映射，包括二合字母（lj → љ, nj → њ, dž → џ）。
克林贡语：罗马化 → pIqaD (tlh)
Marc Okrand 的罗马化系统到 pIqaD PUA 字符的转换。
Input: "Qapla'" (romanized Klingon)
Output: [pIqaD PUA] (requires pIqaD font to render)
辛达林语：拉丁字母 → Tengwar (x-elvish-s)
托尔金的辛达林语模式 Tengwar 映射。
Input: "elen síla" (Latin Sindarin)
Output: [Tengwar PUA] (requires Tengwar font to render)
氪星语：拉丁字母 → 氪星文 (x-kryptonian)
粉丝词典的氪星文字映射。
Input: "Kal-El"
Output: [Kryptonian PUA] (requires Kryptonian font to render)
触发 Converter
在你的语言配置中设置 scripts 字段。对于内置的 converter，这会根据语言代码自动检测：
{
"languages": {
"sr": { "scripts": "sr" },
"crk": {}
}
}
平原克里语 (crk) 会自动检测 —— 你不需要显式设置 scripts。
多文字语言
一些真实的语言使用多种活跃的文字系统：
| 语言 | 文字 | rosetta 方法 |
|---|---|---|
| 塞尔维亚语 | 拉丁字母 + 西里尔字母 | Script converter (sr) —— 翻译为拉丁字母，转换为西里尔字母 |
| 中文 | 简体 + 繁体 | 独立的 locale 代码（zh 与 zh-TW），使用不同的 register |
对于两种文字服务于同一受众的语言（如塞尔维亚语），请使用 script converter。对于文字服务于不同受众的语言（如中国大陆的简体中文，台湾/香港的繁体中文），请使用独立的 locale 代码。
正字法说明
Register 不仅仅是语气 —— 它们带有正字法指令，可引导 LLM 遵循正确的书写规范。
正式称呼形式
rosetta 的内置 register 包含了每种语言中符合文化习惯的正式称呼：
| 语言 | 正式形式 | Register 指令 |
|---|---|---|
| 德语 | Sie | Use Sie-form for formal address |
| 法语 | vous | Use vous-form |
| 俄语 | вы | Professional register with вы-form |
| 土耳其语 | siz | Professional register with siz-form |
| 韩语 | 합쇼체 | Formal Korean (합쇼체) |
| 日语 | です/ます | Polite professional register (です/ます form) |
| 波兰语 | Pan/Pani | Professional register with Pan/Pani form |
性别包容性书写
每个语言卡片都有一个 gender.inclusiveGuidance 字段，包含特定语言的建议。这会与 register 预设分开注入到 LLM 翻译提示词中，因此无论用户选择哪种正式程度预设，它都会一致地应用：
- 法语：使用间隔号表示的包容性书写 (Écriture inclusive)（例如 "Connecté·e"）
- 德语：冒号表示法 (Doppelpunkt)（例如 "Benutzer:innen"）
- 西班牙语：首选性别中立的重构表达；斜杠表示法（例如 "usuario/a"）作为后备方案
对于卡片中没有具体指导的语言（例如韩语、conlang），系统会回退到通用规则：“首选性别中立的形式或可用的最具包容性的选项。”
RTL (从右到左) 文字要求
阿拉伯语、希伯来语、波斯语和乌尔都语的 register 都注明了从右到左 (RTL) 的要求：Ensure text reads naturally in RTL layout contexts.
覆盖任意 Register
每个 register 都是一个配置值 —— 覆盖它以匹配你项目的语气：
{
"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."
}
}
}
有关完整的配置参考，请参阅 配置。
添加新的 Conlang
步骤指南
-
选择一个 BCP-47 私有使用代码：使用
x-前缀（例如x-dothraki，x-valyrian）。 -
添加到你的配置中：
{
"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'."
}
}
}
-
(可选) 添加 script converter：如果你的 conlang 使用非拉丁显示文字，请在
lib/scripts.js中添加一个 converter，并在SCRIPT_CONVERTERS中注册它。 -
测试：运行
i18n-rosetta sync --dry以预览翻译，而无需写入文件。 -
检查 quality gate：quality gate 可能需要针对你的 conlang 进行调整 —— 特别是当你的 conlang 使用 PUA 字符时，需要注意
requireNonLatin检查。
:::note Conlang 的质量取决于 LLM 的知识储备 LLM 只能翻译成它在训练数据中见过的 conlang。记录详尽的 conlang（如克林贡语、辛达林语、多斯拉克语）效果很好。冷门或新发明的 conlang 可能会产生不一致的结果。请使用 coaching data 来提高质量。 :::
另请参阅
- 支持的语言 —— 包含方法可用性的完整语言表
- Script Converters —— 转换 pipeline 的技术细节
- 翻译方法 —— 每种翻译方法的工作原理
- 配置 —— 包含语言和 register 设置的配置参考
- 支持低资源语言 —— 应用于真实资源匮乏语言的相同基础架构