Conlang Maker
  • 中文

      • 功能示例与联动示例

      本页分两部分：

      1. 单个功能怎么用（功能示例）
      2. 多个功能如何串起来（联动示例）

      第一部分：功能示例

      1. 音系：快速建立可发音系统

      目标：10 分钟内搭出可用音系。

      步骤：

      1. 打开 音系 → 音素表，加载一个预设（如“芬兰语风”）。
      2. 在元音梯形中补一个你想要的特色元音（如 y）。
      3. 打开 罗马音，新增 y -> y、sh -> ʃ 映射。
      4. 在 音位配列 设置音节结构为 (C)V(C)。

      结果：后续词典输入罗马字时可自动生成 IPA。

      2. 词典：建立最小可用词汇集

      目标：先构建 30 个高频词。

      步骤：

      1. 打开 词典，用右上角 ⚡ 快速录入连续添加词条。
      2. 每个词至少填写：罗马音、词性、Gloss。
      3. 对核心词加标签（如 core, daily, nature）。
      4. 在 质检 页运行检查，先修复“缺少词性/必填字段”。

      结果：可支撑自动标注与沙盒翻译。

      3. 造词生成器：批量补词

      目标：快速补齐基础词汇。

      步骤：

      1. 进入 造词生成器，数量设 80，音节数设 1~3。
      2. 勾选 Swadesh 100（可选），生成后筛掉不喜欢的候选。
      3. 给剩余词设置词性，勾选导入。

      结果：词典规模快速扩充。

      4. 语法：最小屈折系统

      目标：让句子能表达“数 + 时态”。

      步骤：

      1. 在 语法 里新增维度：Number(SG/PL)、Tense(PRES/PAST)。
      2. 添加两条屈折规则：PL -> -en、PAST -> -ka。
      3. 在 屈折测试 输入动词与名词验证输出。

      结果：标签驱动的词形变化可用于沙盒和语料。

      5. 沙盒：验证语法是否可用

      目标：验证“词典 + 语法”是否闭环。

      步骤：

      1. 打开 翻译沙盒，用标签屈折模式输入：star-PL shine-PAST。
      2. 查看输出词形、gloss、IPA。
      3. 若结果不自然，回到语法微调规则再测试。

      结果：可以快速迭代语法。

      6. SCA：模拟历时音变

      目标：把原始语言推导到子语言风格。

      步骤：

      1. 打开 历时音变引擎，建规则集“Early Shift”。
      2. 添加规则：p t k -> b d g / V_V（元音间浊化）。
      3. 批量预览确认变化，再应用。
      4. 对语法规则中需要演变的规则开启 Allow SCA edits 后再应用一次。

      结果：词典与选定语法规则同步演变。

      7. 语料库：自动标注 + 语料音变

      目标：把真实文本做成可分析语料。

      步骤：

      1. 录入原文与自由翻译。
      2. 点击 自动标注，查看统计（总计/自动应用/待复核/未识别）。
      3. 处理待复核候选。
      4. 如需演变文本，点击 预览并应用 SCA 到语料，勾选 diff 后应用。

      结果：得到可追溯、可复核的行间标注语料。

      8. 语系树：持续同步父语言

      目标：让子语言持续继承父语言新词。

      步骤：

      1. 在 语系树 创建子语言。
      2. 父语言新增词条后，子语言点击 拉取并应用音变。
      3. 对借词需求使用 借词 功能从任意节点引入。

      结果：语系演化链保持连续。

      9. 导出：发布与协作

      目标：对外分享语言成果。

      步骤：

      1. 导出 PDF（文档展示）。
      2. 导出 Excel（数据分析）。
      3. 导出 LLM Prompt（让 AI 学会你的语言）。

      结果：创作成果可演示、可协作、可备份。

      第二部分：联动示例

      联动示例 A：从音系到语料闭环

      场景：从零构建并验证一门小型语言。

      流程：

      1. 音系设定（音素 + 罗马音 + 音节结构）。
      2. 造词生成器批量生成并导入词典。
      3. 语法定义最小屈折规则。
      4. 沙盒验证标签输入是否输出正确词形。
      5. 语料库写短文并自动标注。

      价值：每一步都可被下一步验证，错误能快速定位。

      联动示例 B：父子语言演化流水线

      场景：构建“原始语 -> 子语言 A”。

      流程：

      1. 在父语言完善词典与语法。
      2. 派生子语言。
      3. 在子语言配置 SCA 规则。
      4. 子语言执行拉取同步，新增词自动演变。
      5. 对语法规则启用 SCA 开关，批量改写选定规则。

      价值：既保留谱系关系，又保留子语言独立性。

      联动示例 C：语料驱动的规则修正

      场景：规则设计看似正确，但真实文本里错误多。

      流程：

      1. 语料自动标注后关注“未识别/待复核”占比。
      2. 回到词典补词或修正 gloss。
      3. 回到语法调整屈折规则（尤其多前后缀规则）。
      4. 再执行自动标注，比对统计变化。

      价值：用语料统计作为规则质量指标。

      联动示例 D：SCA 对文本的安全应用

      场景：希望把既有语料批量演变到新时段。

      流程：

      1. 在 SCA 中先做单词测试和批量预览。
      2. 在语料模块打开 SCA diff 预览。
      3. 取消不应变化的条目，仅保留目标变化。
      4. 应用后自动重跑标注并复核结果。

      价值：像代码审查一样“先看 diff，再提交变化”。

      联动示例 E：导出用于外部协作

      场景：与合作者/读者/AI 一起使用语言数据。

      流程：

      1. 导出 Excel 给协作者补词。
      2. 导出 PDF 给读者阅读语法。
      3. 导出 LLM Prompt 给 AI 做翻译测试。
      4. 把反馈回流到词典、语法、语料继续迭代。

      价值：形成完整的创作-验证-发布循环。

      实践建议

      • 先做“小而闭环”的系统，再追求复杂性。
      • 每次大改（尤其 SCA）前先预览，避免一次性重写全部数据。
      • 把语料当成最终验收层：能写、能标、能解释，语言才真正可用。