人造语言、书写系统与正字法

rosetta 通过 LLM register 和确定性的书写系统转换器 (script converter) 为人造语言 (constructed languages, 简称 conlang) 提供一流支持。本指南将介绍 conlang 支持的工作原理、所需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——它们使用的是与真实的资源匮乏语言完全相同的基础设施。quality gate、coaching system 和书写系统转换流水线在 Klingon 和 Plains Cree 上的工作方式完全相同。如果你的 conlang 流水线能正常工作，那么你的低资源语言流水线也一样能行。 :::

支持的人造语言

语言	代码	书写系统转换器	所需字体
Klingon	`tlh`	✅ 罗马化 → pIqaD	PUA 字体 (例如 pIqaD qolqoS)
Sindarin (Tolkien Elvish)	`x-elvish-s`	✅ 拉丁字母 → Tengwar	CSUR PUA 字体
Kryptonian	`x-kryptonian`	✅ 拉丁字母 → Kryptonian	PUA 字体
海盗英语 (Pirate English)	`x-pirate`	❌ 仅 register	无
莎士比亚英语 (Shakespearean English)	`x-shakespeare`	❌ 仅 register	无
尤达语 (Yoda-speak)	`x-yoda`	❌ 仅 register	无

根据 BCP-47 私人使用约定，conlang 代码使用 x- 前缀，但 Klingon (tlh) 除外，它拥有由 SIL International 分配的 ISO 639-3 代码。

Unicode、PUA 与字体要求

私人使用区 (Private Use Area)

Klingon (pIqaD)、Sindarin (Tengwar) 和 Kryptonian 使用 Unicode 私人使用区 (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书写系统映射，但这些并不属于 Unicode 标准的一部分。

在实践中，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——你必须自行加载
系统字体永远无法渲染这些字符

各书写系统的 PUA 范围

书写系统	PUA 范围	CSUR 参考
Klingon (pIqaD)	U+F8D0–U+F8FF	CSUR Klingon
Tengwar (Elvish)	U+E000–U+E07F	CSUR Tengwar
Kryptonian	因字体而异	无 CSUR 标准

加载 PUA Web 字体

要在你的 Web 应用中显示基于 PUA 的 conlang 文本，请通过 CSS 加载相应的字体：

/* 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 不保证 Unicode 支持 Unicode 联盟已明确拒绝在标准中对虚构书写系统进行编码。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。请务必指定你项目中使用的确切字体，并在各浏览器中测试渲染效果。 :::

书写系统转换器 (Script Converters)

工作原理

rosetta 的书写系统转换是一个翻译后钩子 (post-translation hook)：

LLM 将文本翻译为工作书写系统（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书写系统
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书写系统时能生成更好的输出。确定性转换器保证了正确的书写系统输出，而无需依赖模型（通常不可靠的）书写系统知识。

全部五种转换器

rosetta 内置了五种书写系统转换器：

Plains Cree: SRO → 音节文字 (`crk`)

从标准罗马正字法 (SRO) 转换为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。转换器会处理所有 SRO 变音符号，并将它们映射到正确的音节字符。有关完整的 Cree 流水线，请参阅支持低资源语言。

塞尔维亚语 (Serbian): 拉丁字母 → 西里尔字母 (`sr`)

针对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)。

Klingon: 罗马化 → pIqaD (`tlh`)

从 Marc Okrand 的罗马化系统转换为 pIqaD PUA 字符。

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

Sindarin: 拉丁字母 → Tengwar (`x-elvish-s`)

托尔金的 Sindarin 模式 Tengwar 映射。

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

Kryptonian: 拉丁字母 → Kryptonian (`x-kryptonian`)

粉丝词典的 Kryptonian 书写系统映射。

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

触发转换器

在你的语言配置中设置 scripts 字段。对于内置转换器，系统会根据语言代码自动检测：

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

Plains Cree (crk) 会自动检测——你不需要显式设置 scripts。

多书写系统语言

一些真实的语言使用多种活跃的书写系统：

语言	书写系统	rosetta 处理方式
塞尔维亚语 (Serbian)	拉丁字母 + 西里尔字母	书写系统转换器 (`sr`) ——用拉丁字母翻译，转换为西里尔字母
中文 (Chinese)	简体 + 繁体	独立的区域代码（`zh` 与 `zh-TW`），使用不同的 register

对于两种书写系统服务于同一受众的语言（如塞尔维亚语），请使用书写系统转换器。对于书写系统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），请使用独立的区域代码。

正字法说明

正式称呼形式

rosetta 的内置 register 包含了每种语言在文化上合适的正式称呼：

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，它都能一致地应用：

法语：使用间隔号的包容性书写 (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"）作为备选

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：“首选性别中立形式或可用的最具包容性的选项。”

RTL (从右到左) 书写系统要求

阿拉伯语、希伯来语、波斯语和乌尔都语的 register 均注明了从右到左 (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——你可以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

逐步指南

选择一个 BCP-47 私人使用代码：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）添加书写系统转换器：如果你的 conlang 使用非拉丁字母的显示书写系统，请在 lib/scripts.js 中添加一个转换器，并在 SCRIPT_CONVERTERS 中注册它。
测试：运行 i18n-rosetta sync --dry 以预览翻译结果，而不写入文件。
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 LLM 只能翻译成它在训练数据中见过的 conlang。记录详尽的 conlang（如 Klingon、Sindarin、Dothraki）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
书写系统转换器 —— 转换流水线的技术细节
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 —— 应用于真实的资源匮乏语言的相同基础设施

支持的人造语言​

Unicode、PUA 与字体要求​

私人使用区 (Private Use Area)​

各书写系统的 PUA 范围​

加载 PUA Web 字体​

书写系统转换器 (Script Converters)​

工作原理​

全部五种转换器​

Plains Cree: SRO → 音节文字 (crk)​

塞尔维亚语 (Serbian): 拉丁字母 → 西里尔字母 (sr)​

Klingon: 罗马化 → pIqaD (tlh)​

Sindarin: 拉丁字母 → Tengwar (x-elvish-s)​

Kryptonian: 拉丁字母 → Kryptonian (x-kryptonian)​

触发转换器​

多书写系统语言​

正字法说明​

正式称呼形式​

性别包容性书写​

RTL (从右到左) 书写系统要求​

覆盖任意 Register​

添加新的 Conlang​

逐步指南​

另请参阅​