Ghi công · 出处
Mỗi dòng dưới đây ghi lấy gì, không lấy gì, và vì sao. Trang này tồn tại vì hai lý do: một phần dữ liệu phát hành theo giấy phép bắt buộc phải ghi công, và vì bạn có quyền biết thứ mình đang học dựa trên cái gì.
4.419 bản ghi âm trên trang này là của Yue Tan và Chen Wang, phát hành trong dự án hugolpz/audio-cmn theo giấy phép CC BY-SA 3.0. Trang này phát nguyên byte — không cắt, không nén lại, không chuẩn hoá âm lượng.
Giấy phép đó buộc ba việc: ghi tên tác giả, dẫn giấy phép, và nói rõ có sửa đổi hay không. Cả ba nằm ngay trong đoạn trên.
Năm nguồn, xếp theo mức ràng buộc của giấy phép. Bốn nguồn đầu bắt buộc ghi công.
Yue Tan · Chen Wang
CC BY-SA 3.0 — không chỉnh sửa
Phát nguyên byte, bản 64 kbps. Không cắt, không nén lại, không chuẩn hoá âm lượng.
Giữ nguyên vẹn thì đây là một tập hợp, không phải tác phẩm phái sinh — nên điều khoản ShareAlike không lan sang phần nội dung tự soạn. Nghĩa vụ còn lại đúng là ghi công, và đây là chỗ làm việc đó.
Cộng đồng biên tập Wiktionary
CC BY-SA 4.0 — có chỉnh sửa
Chỉ lấy chuỗi âm đọc và nhãn cho biết từ điển nào chứng thực âm đó. Không lấy định nghĩa, không lấy câu ví dụ. 25 cặp sửa tay, mỗi cặp ghi lý do ngữ âm kiểm chứng được.
Wiktionary là nguồn duy nhất TÁCH âm Hán-Việt khỏi âm Nôm và ghi rõ nguồn chứng thực. Unihan kVietnamese trộn cả hai: chữ 摸 ở đó ra “mo mo mo mo mac” — bốn âm Nôm và một âm Hán-Việt, không phân biệt.
Shaunak Kishore · Arphic Technology
Arphic Public License — không chỉnh sửa
Chỉ lấy graphics.txt. Cố ý KHÔNG lấy dictionary.txt.
dictionary.txt phát hành theo LGPL, ràng buộc khác hẳn. Lấy nhầm tệp là kéo cả một giấy phép khác vào dự án mà không ai để ý.
Unicode, Inc.
Unicode License — không chỉnh sửa
Chỉ dùng trường kRSUnicode để dựng bảng tra 214 bộ thủ.
Trường này là dữ kiện tra cứu, không phải văn bản có tác giả.
Sự kiện — không thuộc phạm vi bảo hộ — không chỉnh sửa
Đối chiếu ba dòng dữ liệu độc lập, chỉ giữ phần cả ba khớp nhau. HSK1 = 150 từ và HSK5 = 1.300 từ khớp chuẩn công bố.
“Từ X thuộc cấp Y” là một dữ kiện. Dữ kiện không được bảo hộ; cách diễn đạt thì có — nên nghĩa và câu ví dụ đều tự soạn.
Phần còn lại soạn trong dự án. Ghi ra đây không phải để khoe — mà để bạn biết chỗ nào không có ai khác chịu trách nhiệm nếu sai, và báo lỗi đúng chỗ.
Viết bằng model, nhưng ranh giới đặt ở ĐẦU VÀO của prompt: model chỉ nhận chữ Hán, pinyin và âm Hán-Việt. Không từ điển nào lọt vào prompt, nên câu viết ra là của dự án. Chỉ 11/4.995 từ và 8/1.955 chữ phải nhờ tới bước phân xử ngoại tuyến.
Viết tay hoàn toàn, không sinh bằng model — một lời giải thích ngữ pháp sai thì người học không có cách nào tự phát hiện. Bốn luật máy canh: ví dụ không được dùng chữ vượt cấp.
Soạn trong dự án, sinh từ chính kho từ vựng đã thẩm định. Không chép đề của ai.
Tính từ dữ liệu trên. Đây là phần không có sẵn ở đâu để mà chép.
Tháng 8/2026 dự án nhận được một bộ tài liệu HSK 1–6 sưu tầm trên mạng. Đã từ chối vì hai lý do độc lập, mỗi lý do tự nó đã đủ. Thứ nhất, dữ liệu sai đúng ở chiều đem bán: kiểm 18 từ có thanh nhẹ chuẩn thì 8 từ ghi sai, và 东西 ghi “dōngxī” — đó là từ khác nghĩa (“đông và tây”), không phải “đồ vật”. Nhập vào là tự đầu độc chính bộ chấm thanh điệu. Thứ hai, phần lớn là bản scan giáo trình có bản quyền và tài liệu có thương hiệu của các trung tâm Việt Nam. “Chia sẻ miễn phí trên mạng” không phải giấy phép — người đăng lên không có quyền cấp phép.
Cập nhật 27/08/2026. Bản đầy đủ kèm lập luận pháp lý từng nguồn nằm ở tệp data/sources.md trong mã nguồn.
