hue7jip8 0.1.2

匯入臺灣語料

Huē-ji̍p

匯入語料專案，目前語料都放在Taiwanese-Corpus Github，各專案詳細內容請洽各專案README。

會當參考服務的文件

台語

臺灣閩南語常用詞辭典-詞條

• 形式：全漢、全羅
• 句數：28830（2018/07/18）
• 語料：Github

python manage.py 教典詞條

臺灣閩南語常用詞辭典-例句

• 形式：全漢、全羅
• 句數：13835（2018/07/05）
• 語料：Github

python manage.py 教典例句

TGB通訊

• 形式：漢羅、華語平行語料
• 句數：35017（2018/07/05）
• 語料：Github

python manage.py TGB通訊

iCorpus台華平行新聞語料庫

• 形式：全羅、華語平行語料
• 句數：83544（2018/07/05）
• 語料：Github

python manage.py icorpus臺華平行新聞語料庫

教育部詞彙分級計劃

• 形式：全漢、全羅
• 句數：61354句（2018/07/05）
• 語料：API

python manage.py 詞彙分級

台語文語料庫蒐集及語料庫為本台語書面語音節詞頻統計

• 形式：漢羅抑是全羅
• 段數：193071段， 其中漢羅128505段、全羅64566段（2018/07/24）
• 語料：Github

python manage.py 台語文語料庫蒐集及語料庫為本台語書面語音節詞頻統計

台語文數位典藏資料庫

• 形式：漢羅、全羅
• 段數：67005段，其中62246段對會齊，4759段無法度對齊就用羅馬字（2018/07/30）
• 語料：Github

python manage.py 台語文數位典藏資料庫

教育部臺灣閩南語字詞頻調查工作

• 形式：漢羅、全羅
• 段數：59300段，其中53593段對會齊，5707段無法度對齊就用羅馬字（2018/07/24）
• 語料：Github

python manage.py 教育部臺灣閩南語字詞頻調查工作

白話字文獻館

• 形式：漢羅、全羅
• 段數：43493段，其中31195段對會齊，12298段無法度對齊就用羅馬字（2018/07/31）
• 語料：Github

python manage.py 白話字文獻館

台灣植物名彙

• 形式：羅馬字、華語漢字
• 句數：354詞（2018/07/24）
• 語料：Github

python manage.py 台灣植物名彙

台灣白話基礎語句

• 形式：羅馬字、華語漢字
• 句數：61354詞翻譯對照（2018/07/24）
• 語料：Github

python manage.py 台灣白話基礎語句

服務文件

族語

族語辭典

python manage.py 族語辭典0下載 Pangcah # 完整匯入。較慢，愛五六工
# python manage.py 族語辭典0下載 Pangcah --下載幾筆 10 # 匯入10筆就好，試驗用
python manage.py 族語辭典1轉檔 Pangcah
python manage.py 族語辭典2匯入 Pangcah

語言代碼請參考程式。下載好的音檔在這。

台語

教典詞條音檔

• 形式：全漢、全羅
• 詞數：
• 語者：王秀容

python manage.py 教典音檔0下載 dropbox # 20160926掠的版本
# python manage.py 教典音檔0下載 官網沓沓掠 # 較慢，愛一工
python manage.py 教典音檔1轉檔 # 轉全部mp3音檔做16000Hz的wav
# python manage.py 教典音檔1轉檔 --匯入幾筆 100 # 轉100筆就好，試驗用
python manage.py 教典音檔2匯入 # 完整匯入
# python manage.py 教典音檔2匯入 --匯入幾筆 100 # 匯入100筆就好，試驗用

新北市900例句

• 形式：全漢、全羅
• 句數：150句
• 語者：王秀容

python manage.py 新北市900例句 --頻率 16000 # 原始音檔頻率44100Hz

準做欲用秀容老師的聲，請配合教典做伙用，無訓練會產生錯誤

台文/華文線頂辭典

形式：台華英辭典 詞數：

python manage.py 台華辭典

臺灣閩南語卡拉OK正字字表

• pdf→純文字→臺灣言語資料庫yaml
• 臺語→臺語

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/moe_minkalaok/閩南語卡拉OK正字字表.yaml

iCorpus台華平行新聞語料庫漢字臺羅版

• 純文字→臺灣言語資料庫yaml
• 白話字→全漢全羅

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/icorpus_ka1_han3-ji7/臺華平行新聞語料庫.yaml

咱的字你敢捌－台語漢字

• html→臺灣言語資料庫yaml
• 臺語→臺語
• 988筆文本資料

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/Linya-Huang_2014_taiwanesecharacters/咱的字你敢捌.yaml

臺語國校仔課本

• 允言整理過的doc→json→臺灣言語資料庫yaml
• 全漢全羅 0* https://taiwanese-corpus.github.io/kok4hau7-kho3pun2/臺語國校仔課本.yaml

新約聖經語料

• 允言整理過的doc→json→臺灣言語資料庫yaml
• 全漢全羅
• https://Taiwanese-Corpus.github.io/Pakhelke-1916_KoTan-1975_hiantaiekpun-2008_taiwanese-bible/新約聖經語料.yaml

猶未整理

遮的語料攏猶未提供臺灣言語資料庫yaml格式，毋過大部份攏好處理。語料專案照處理方法排：%8F%E8%B3%87%E6%96%99%E5%BA%AB.yaml`

• 荷華文語類參
  • xls
• 厦荷詞典
  • xls
• 駱嘉鵬老師華語臺語客語文件-字典、對應表
  • xls
• Embree台英辭典
  • xls
• 廈英大辭典
  • doc→csv
• 台日大辭典台語譯本
  • sql→csv
• 吳守禮《國臺對照活用辭典》電子化
  • 專案內，有parser會當轉做jade格式
• 華台語文對譯
  • html+xls+pdf
  • （華語→）臺語
• 猶未整理的語料
  • csv、xls…
• 網路語料

客家話

教育部臺灣客家語常用詞辭典

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/moedict-data-hakka/臺灣客家語常用詞辭典網路版語料.yaml

客語能力認證資料檔

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/hakka_elearning/臺灣客話詞彙資料庫語料.yaml

猶未整理

• 天光客語辭典

族語

族語E樂園

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/klokah_data_extract/族語E樂園.yaml

阿美語方敏英字典Virginia Fey's Amis Dictionary

python manage.py 匯入資料 https://Taiwanese-Corpus.github.io/amis-data/dict-amis.yaml

猶未整理

• 原住民族語言線上詞典
• Dictionnaire Amis-Français
• 蔡中涵委員阿美語字典
• 噶哈巫語分類辭典