ML-ready 中繼資料 · Croissant 1.1 · CC BY 4.0

注音符號 ML 資料集｜完整 37 符號 Croissant 1.1

提供 AI agent、資料目錄及台灣華語語言工具開發者使用的小型、可重現注音參考資料集。

37 筆紀錄12 個完整欄位CSV＋JSONLCroissant 1.1 驗證

下載資料集

CSV 是 Croissant RecordSet 載入的標準表格；JSONL 收錄完全相同的紀錄，中繼資料則定義欄位、校驗碼、穩定識別碼與來源。

CSV 表格UTF-8 CSV · 8,350 bytes · SHA-256 6d9235a013dd…JSONL 紀錄JSON Lines · 14,734 bytes · SHA-256 68729f91871c…Croissant 中繼資料MLCommons Croissant 1.1 · 13,777 bytes · SHA-256 d96d4b5a8d50…

資料欄位

每列代表一個注音符號；symbol_id 是唯一鍵，concept_uri 與 category_uri 可連到配套 SKOS 詞彙。

欄位	型別	說明
`order`	sc:Integer	Stable educational display order from 1 to 37.
`symbol_id`	sc:Text	ASCII identifier derived from the uppercase Unicode code point.
`concept_uri`	sc:URL	Stable IRI for the symbol in the companion SKOS vocabulary.
`symbol`	sc:Text	The Bopomofo character.
`unicode`	sc:Text	Unicode notation in U+XXXX form.
`pinyin`	sc:Text	Hanyu Pinyin correspondence.
`ipa`	sc:Text	Broad IPA transcription without brackets.
`category`	sc:Text	One of initial, medial or final.
`category_uri`	sc:URL	IRI for the broader SKOS category concept.
`example_character`	sc:Text	Traditional Chinese example character.
`example_pinyin`	sc:Text	Tone-marked Pinyin for the example.
`example_meaning_en`	sc:Text	Short English meaning for the example.

使用 mlcroissant 載入

官方 Python reader 可驗證中繼資料、下載 CSV，並逐筆讀取 symbols RecordSet。

import mlcroissant as mlc

dataset = mlc.Dataset(jsonld="https://alice51849.github.io/ios-app-guide/data/zhuyin-bopomofo-ml-dataset.croissant.jsonld")
records = dataset.records(record_set="symbols")
first = next(iter(records))

適合用途

支援注音的文字處理與 Unicode 正規化測試
教育搜尋、詞彙表與知識圖譜原型
資料目錄示範及小型互通性測試資料
以穩定 SKOS concept IRI 串接表格紀錄

限制與不適用情境

不是音訊、語音或聲學訓練語料
不足以訓練或評測華語發音模型
不是學習者能力評量或診斷資料
精簡對照僅供參考，不代表完整語音規則

預覽全部 37 筆紀錄

順序	符號	分類	漢語拼音	IPA	例字
1	ㄅ	聲母	b	[p]	爸 (bà)
2	ㄆ	聲母	p	[pʰ]	怕 (pà)
3	ㄇ	聲母	m	[m]	媽 (mā)
4	ㄈ	聲母	f	[f]	飛 (fēi)
5	ㄉ	聲母	d	[t]	大 (dà)
6	ㄊ	聲母	t	[tʰ]	天 (tiān)
7	ㄋ	聲母	n	[n]	你 (nǐ)
8	ㄌ	聲母	l	[l]	來 (lái)
9	ㄍ	聲母	g	[k]	狗 (gǒu)
10	ㄎ	聲母	k	[kʰ]	看 (kàn)
11	ㄏ	聲母	h	[x]	好 (hǎo)
12	ㄐ	聲母	j	[tɕ]	家 (jiā)
13	ㄑ	聲母	q	[tɕʰ]	去 (qù)
14	ㄒ	聲母	x	[ɕ]	小 (xiǎo)
15	ㄓ	聲母	zh	[ʈʂ]	中 (zhōng)
16	ㄔ	聲母	ch	[ʈʂʰ]	吃 (chī)
17	ㄕ	聲母	sh	[ʂ]	是 (shì)
18	ㄖ	聲母	r	[ʐ]	人 (rén)
19	ㄗ	聲母	z	[ts]	早 (zǎo)
20	ㄘ	聲母	c	[tsʰ]	菜 (cài)
21	ㄙ	聲母	s	[s]	三 (sān)
22	ㄧ	介音	i / yi	[i]	一 (yī)
23	ㄨ	介音	u / wu	[u]	五 (wǔ)
24	ㄩ	介音	ü / yu	[y]	魚 (yú)
25	ㄚ	韻母	a	[a]	大 (dà)
26	ㄛ	韻母	o	[ɔ]	波 (bō)
27	ㄜ	韻母	e	[ɤ]	喝 (hē)
28	ㄝ	韻母	ê	[ɛ]	誒 (ề)
29	ㄞ	韻母	ai	[ai]	愛 (ài)
30	ㄟ	韻母	ei	[ei]	給 (gěi)
31	ㄠ	韻母	ao	[au]	好 (hǎo)
32	ㄡ	韻母	ou	[ou]	有 (yǒu)
33	ㄢ	韻母	an	[an]	安 (ān)
34	ㄣ	韻母	en	[ən]	恩 (ēn)
35	ㄤ	韻母	ang	[aŋ]	忙 (máng)
36	ㄥ	韻母	eng	[əŋ]	冷 (lěng)
37	ㄦ	韻母	er	[ɚ]	二 (èr)

資料來源與標準

表格由本站開放的 37 符號參考資料確定性產生；Croissant 結構依 MLCommons 1.1，code point 依 Unicode，來源頁並引用台灣教育部資料。

查看來源資料集開啟 SKOS 詞彙開啟免金鑰符號 API 開啟 Data Package 2.0 版本 MLCommons Croissant 1.1 規格

授權與隱私

資料集及原創中繼資料採 CC BY 4.0；標示 Lumi Apps - iOS App Guide 後即可再利用。

CC BY 4.0

下載 artifact 不含人物、學習者紀錄、個資、Cookie、可執行 JavaScript 或執行期 API。

常見問題

什麼是 Croissant？

Croissant 是 MLCommons 的 JSON-LD 格式，用來描述資料檔、紀錄結構、欄位、來源與使用條件。

CSV 與 JSONL 的紀錄相同嗎？

相同。自動檢查會逐欄比較全部 37 筆紀錄。

資料集包含全部注音符號嗎？

包含，共 21 個聲母、3 個介音及 13 個韻母，合計 37 個符號。

可以拿來訓練語音模型嗎？

不適合。這是沒有音訊或錄音的精簡符號參考，資料量也不足以訓練語音模型。

選用的 iPhone 遊戲化練習

Lumi 注音星球提供另一種在裝置上以短活動練習注音的方式；開放資料集仍維持免費且獨立。

前往 App Store 查看 Lumi 注音星球