新闻详情

新闻详情

首页 / 资讯中心 / 详情

朱雀仿宋字符集全景解析:1.4万枚字形如何覆盖CJK、希腊多音符号与IPA

发布时间:2026/11/13 12:44:23来源:尧图网络
朱雀仿宋字符集全景解析:1.4万枚字形如何覆盖CJK、希腊多音符号与IPA
朱雀仿宋字符集全景解析1.4万枚字形如何覆盖CJK、希腊多音符号与IPA【免费下载链接】朱雀仿宋开源仿宋字库计划项目地址: https://gitcode.com/TrionesType/zhuque「朱雀仿宋」是璇玑造字发起的开源仿宋字库计划以 SIL OFL 1.1 协议发布可免费商用。这套正文仿宋字库的字符集规模相当惊人——源工程中共收录13,922 枚字形涵盖 CJK 统一表意文字、日文假名、希腊多音符号与 IPA 国际音标本文带你快速了解朱雀仿宋的字形覆盖范围与 OpenType 特性。一、字符集总览1.4万枚字形是怎么构成的朱雀仿宋的字形源文件位于 glyphs 目录每枚字形对应一个.glyph文件order.plist 则以列表形式记录了全部 13,922 枚字形的排列顺序。按用途粗略统计字符类别规模说明 CJK 汉字uni 编码11,088 枚覆盖 GBK代码页 936及常用扩展区 拉丁与重音字母数百枚含 .sc 小型大写等变体 希腊字母与多音符号650 枚含变音符号组合字形 西里尔字母299 行含波斯尼亚、楚瓦什等区域变体 IPA 国际音标140 枚供语言学、语音学标注使用 日文假名200 枚平假名、片假名及小写形式↕️ 竖排/全角字形100 枚.vert、.full后缀二、CJK一万一千枚汉字如何撑起正文排印朱雀仿宋的主体是11,088 枚 CJK 统一表意文字字形以uniXXXX命名这是仿宋正文定位的核心。fontinfo.plist 中的codePageRanges明确声明了对936GBK的支持意味着简体中文出版物所需的汉字基本不缺。设计上朱雀仿宋改刻自 1932 年百宋铸字印刷局的民国仿宋活字「南宋」中宫收紧、撇捺舒展、笔画粗细对比强烈在保留活字趣味的同时削弱了对比度更适合现代屏幕排印。设计细节可参见 README.md 的设计故事章节以及团队发布的问卷结论335 人参与、72 份专业意见。三、希腊多音符号一套完整的 Polytonic 方案希腊字符集是朱雀仿宋中含金量很高的部分共 650 余枚相关字形。除了 24 个大写、小写基础字母Alpha…Omega及 7 枚现代变音字形如 Alphatonos、Upsilondieresis它完整覆盖了古典希腊语的多音符号polytonic组合平滑/锐声符号psili / dasia 及其变体如 alphapsili、alphadasiavaria升降调tonos、oxia、varia、perispomeni短长音vrachy、macron前冠符号prosgegrammeni / ypogegrammeni如 alphaypogegrammeni 系列。这些符号需要精确的组合定位朱雀仿宋在 fontinfo.plist 中通过ccmp查找表定义了Markscomb等变音符号类并提供了.ss05样式替代供排版微调。对古典文献、哲学与神学研究用户来说这是一份少见的完整多音符号字库。四、IPA 国际音标语言学标注一次到位字库中还内置了约140 枚 IPA 字形覆盖语言学工作中常见但多数字体缺失的符号例如声门音与塞音glottalstop、bilabialpercussive、bidentalpercussive卷舌/倒转辅音lretroflex、hturned、rretroflexhook特殊元音schwa、esh、ezh、eopen这意味着用朱雀仿宋做语音学讲义、词典注音无需再混排其他字体。部分国际音标字形由社区贡献者补充见 README.md 致谢部分。五、OpenType 特性一套字体的隐藏技能朱雀仿宋的 OpenType 特性同样面向多语言排印在 fontinfo.plist 中声明了 18 个 feature特性用途sups/sinf/subs上下标含希腊字母上标、数学分数数字frac1/2、3/4 等自动分数ordn自动序数1⁰、1ºsmcp/c2sc小型大写字母onum/tnum老式/等宽数字vert/vkna竖排排版配合.vert、.full全角字形locr按语言自动适配字形locl本地化尤其值得一提阿塞拜疆语、土耳其语自动为 i 加点罗马尼亚语 cedilla 自动切换为 commaaccent荷兰语处理 ij 连字加泰罗尼亚语生成带点的l·l。这些规则见 fontinfo.plist。六、源码结构速览与获取方式想深入了解或参与项目仓库结构非常清晰src/ZhuqueFangsong.glyphspackage/Glyphs 工程源文件含 13,922 个字形定义src/ZhuqueFangsong.glyphspackage/fontinfo.plist字体元数据与 OpenType 特性定义src/ZhuqueFangsong.glyphspackage/order.plist字形排序清单docs/survey_result-zh.md测试阶段问卷统计LICENSE.txtSIL Open Font License 1.1如需克隆仓库研究字形源码可使用git clone https://gitcode.com/TrionesType/zhuque 提示西文与符号部分基于 Alegreya 字体同为 OFL 1.1保证了多语言混排时风格协调正式版发布前建议以官方发布渠道的构建为准。小结朱雀仿宋用 1.4 万枚字形回答了开源仿宋该覆盖多广这个问题——从 1.1 万汉字正文、完整的希腊多音符号到 IPA 音标与竖排全角支持它不只是一套中文仿宋而是一套面向多语言正文排印的完整字库。【免费下载链接】朱雀仿宋开源仿宋字库计划项目地址: https://gitcode.com/TrionesType/zhuque创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/13 10:09:00

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉