研究 · 2026 – 至今
Kurdia:库尔德语全方言语言技术
在普通硬件上运行、覆盖所有库尔德语方言的语言技术:方言识别、写作检查、OCR、语音识别、语音合成以及小型本地语言模型。
现有的库尔德语工具大多只服务标准索拉尼语,偶尔支持库尔曼吉语,并且依赖 GPU。Kurdia 面向全部方言:阿拉伯字母书写的索拉尼语、拉丁字母书写的库尔曼吉语,以及古拉尼语族(古拉尼、哈瓦拉米、扎扎和南库尔德语),可在笔记本、手机、树莓派或浏览器中运行。
六个模块,逐一推进
- 方言分类器:判断文本的方言、子方言与文字,给出置信度与语码转换片段,并允许回答“不确定”。
- 写作检查器:尊重作者自身方言的拼写、语法与文体检查。
- OCR:两种文字的印刷与扫描文本。
- 语音转文字,配有口语方言路由。
- 按方言的语音合成。
- 可本地运行的小型库尔德语语言模型。
原则
- 方言优先:任何模块都不会把作者推向另一种方言。
- 规则、学习与控制相结合:每种方言的语法依据参考语法写成形式文法;监督模型处理规则无法覆盖的部分,强化学习决定下一步计算哪些证据以及何时停止。
- 随处可运行:部署推理只依赖 NumPy 与 ONNX Runtime。
- 可发表且诚实:每个模块都以面向一区期刊或会议的论文收尾;没有命名基准的准确率数字一律不发布。