https://github.com/chainsawriot/canigma

Cantonese Enigma
https://github.com/chainsawriot/canigma

Last synced: 27 days ago
JSON representation

Cantonese Enigma

• Host: GitHub
• URL: https://github.com/chainsawriot/canigma
• Owner: chainsawriot
• Created: 2015-02-28T02:53:03.000Z (over 9 years ago)
• Default Branch: master
• Last Pushed: 2015-03-20T09:09:17.000Z (over 9 years ago)
• Last Synced: 2023-03-23T17:28:53.640Z (over 1 year ago)
• Language: R
• Homepage:
• Size: 121 KB
• Stars: 4
• Watchers: 2
• Forks: 1
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 廣東話謎碼機 Canigma

## 提案

廣東話謎碼機是將文字利用廣東話一字多音作 Obfuscation 之用。當使用語音生成軟件時，應可保留讀音。但己變成謎碼的文字未必可以轉換成輸入文字。(除非隨機選字並不隨機)

### 設計目標

中文字取代中文字，但保存廣東話讀音。

### 算法

假設輸入句子是「不誠實使用電腦罪」

每一個字會經過以下處理，以下以「不」字為例：

* 找出廣東音。(「不」的讀音有兩個分別是 bat1 和 fau2)

  * 如輸入字沒有同音字，不改動只用原字。

* 如有一種以上讀音，詢問用戶是哪個讀音，或分析使用頻率和機器學習根據前後字推論讀音。(此例「不」的讀音為 bat1)

* 找出同音字。(以 bat1 檢索可得出 17 字，減去原來的不字，即有 16 個同音字。)

* 於同音字找出所有只有單一讀音的字。(廣東音為 bat1 的 16 個字裡，只有罼、鷝、熚、鏎、縪、篳、蓽、筆、嗶、蹕、吥、彃、滭、驆為單一讀音)

* 以隨機選擇的單一讀音的同音字取代原字。

  * 如輸入字有同音字，但沒有單一讀音的同音字，我仍未想到可以保存原讀音的方法。可用羅馬字如 bat1 取代原字，但那就破壞中文字取代中文字的設計目標。

根據以上算法，「不誠實使用電腦罪」，會變成「筆鋮實史用澱努鱮」。以 CU-vocal (http://sepc495.se.cuhk.edu.hk/cuvocal/) 測試，可保留原來廣東話讀音。