造序注音

RELEASE / v0.3.0

v0.3.0 公開研究核心

新增高階字元 n-gram、Witten–Bell / Kneser–Ney 語言模型、混合模型與繁體字形檢查 decoder。小型範例可在自己的電腦上離線執行。

公開注音解析、詞庫、候選產生、語料授權稽核與評估介面。260 項公開元件測試通過，逐檔白名單與機密掃描通過。

本版沒有新增正式 benchmark；正式品質報告將在封存評估完成後另行發布。線上示範的候選由本次公開的 decoder 產生，排序模型沿用 v0.2、未隨本版公開。

GitHub 原始碼 · v0.3.0 發布 · 下載公開原始碼 · 離線使用指南 · 完整發布報告 · 檔案驗證紀錄

RESEARCH STATUS / v0.2 歷史結果

TEST-V1 封存評估

以下為 v0.2 的歷史評估，保留供查閱，不能視為 v0.3.0 的品質驗證。

設定先於新測試集凍結，正式評估只執行一次。v0.2 加入經核准的日常語料與詞表，改善 decoder 的候選覆蓋與排序。

EVERYDAY 480 句，為 AI 輔助建構，句型可能比真實輸入規整；89 句由錯變對、17 句由對變錯（exact McNemar p = 5.9 × 10⁻¹³）。GOV 211 句，統計檢定力有限。這些不是與商用輸入法的直接比較。

目前仍是 Research Preview：沒有正式 production runtime validation，不公布正式延遲；也不是 Windows 或 macOS 系統輸入法。注音容錯預設關閉。

PRIVACY

資料處理方式

不需要帳號。輸入內容僅用於當次推論，不儲存，也不作為模型訓練資料。

選擇公開服務時，送出才會向本站 API 傳送前文與注音；選擇本機服務時，瀏覽器僅連接同一裝置上的 127.0.0.1。本機連接器只轉送給同一裝置的模型 API。未送出的 composition 只留在頁面。本站沒有輸入內容分析工具；本站代理與推論程式不記錄輸入內容。基礎設施可能記錄連線資訊；請勿輸入敏感資料。

DATA & LICENSE

資料與授權

字音資料使用 CNS11643 中文標準交換碼全字庫，來源為數位發展部，依政府資料開放授權條款第 1 版（Open Government Data License Taiwan 1.0）使用。Laya Multilingual 為 Apache-2.0 第三方模型，所含 mmBERT encoder 依 MIT 授權。

v0.2 的研究語料另使用 Tatoeba 與 Mozilla Common Voice 27.0 zh-TW；各資料的用途與授權依公開匯出紀錄列示，不適用程式碼的 Apache-2.0。政府資料來源 · 日常語料來源。