Mỗi con số trong ứng dụng đều truy được về nguồn.
Trang này liệt kê toàn bộ nguồn dữ liệu đang dùng, số mục từ lấy từ mỗi nguồn, giấy phép nội dung và những giới hạn mà nhóm tác giả biết rõ.
- Tổng mục từ
- 2.590
- Có phiên âm
- 2.272
- Ảnh tư liệu
- 41 ảnh
Toàn bộ dữ liệu được tải lại bằng lệnh có sẵn trong dự án, không nhập tay, nên bất kỳ ai cũng có thể chạy lại và kiểm tra con số.
Nguồn từ vựng
| Nguồn | Số mục từ | Có phiên âm | Giấy phép |
|---|---|---|---|
Wiktionary tiếng Việt - mục từ tiếng Tày Mở một mục từ mẫu | 2.245 | 2.160 | CC BY-SA 4.0 |
Từ điển Tày - Việt (bản in, số hóa bằng nhận dạng ảnh) | 326 | 93 | Số hóa từ bản in phục vụ học tập, phi thương mại |
Tiếng Tày - Từ điển Tày ngữ Mở một mục từ mẫu | 15 | 15 | Xem trang nguồn |
Thực tế giao tiếp bản địa | 4 | 4 | Xem trang nguồn |
- 1
Thu thập
Tải mục từ tiếng Tày từ Wiktionary tiếng Việt, tư liệu ảnh từ Wikimedia Commons và bài đọc từ Wikipedia tiếng Việt bằng các kịch bản trong thư mục scripts.
- 2
Số hóa sách in
Bốn tập Từ điển Tày - Việt được chụp thành ảnh, nhận dạng chữ bằng mô hình thị giác, làm sạch lỗi chính tả rồi bóc tách thành mục từ.
- 3
Làm sạch và loại bỏ dữ liệu sai
Những mục từ do mô hình tự nghĩ ra ở trang bìa sách đã bị loại bỏ thủ công. Các dòng minh họa chỉ có tiếng Việt được ghi là câu minh họa, không coi là cặp câu song ngữ.
- 4
Đối chiếu chéo
Mục từ nào xuất hiện ở nhiều nguồn độc lập sẽ được đánh dấu để người dùng biết mức tin cậy cao hơn. Mục từ chỉ có một nguồn vẫn giữ nhãn cần người bản ngữ kiểm chứng.
- 814 mục dẫn được tới từ điển giấy đã xuất bản.
- 292 mục được ít nhất hai nguồn độc lập cùng ghi nhận.
- 179 câu ví dụ thật sự có cả vế tiếng Tày và vế tiếng Việt.
- 452 mục từ số hóa từ sách in còn lỗi nhận dạng chữ, chưa được người bản ngữ rà soát.
- Phần nhập giọng nói dùng công cụ nhận dạng tiếng Việt của trình duyệt, chưa nhận dạng được lời nói tiếng Tày.
- Phần đọc thành tiếng là giọng đọc tiếng Việt đọc mặt chữ, không phải giọng người Tày bản ngữ.
- Chữ viết tiếng Tày chưa được chuẩn hóa thống nhất nên cùng một từ có thể có nhiều cách ghi khác nhau giữa các nguồn.
Tư liệu văn hóa
Ảnh lấy từ Wikimedia Commons, bài đọc lấy từ Wikipedia tiếng Việt. Mỗi tư liệu đều kèm tác giả, giấy phép và liên kết tới trang gốc.