The dataset viewer is not available because its heuristics could not detect any supported data files. You can try uploading some data files, or configuring the data files location manually.

🎼 ترانه ایرانی (Tarāne-ye Irāni) — موتور اعراب‌گذاری متن و ترانهٔ فارسی برای پایپ‌لاین‌های هوش مصنوعی

English TL;DR: A production-tested system prompt + knowledge base (v2.0) that converts raw Persian text or lyrics into fully diacritized text following Iranian Standard Persian phonology. It was built to feed AI music generators (Suno, Udio, Riffusion) and TTS engines with unambiguous pronunciation, and it draws an explicit, rule-numbered boundary between Standard Iranian Persian, Dari (Afghan) phonology, and street-Tehrani colloquialisms. Every edit is auditable: the output always contains the corrected text, a change log citing rule IDs, and IPA for ambiguous lines.

🔍 ۱. این چیست؟

«ترانه ایرانی» یک موتور اعراب‌گذاری مبتنی بر قاعده است که به شکل یک بستهٔ پرامپت (System Prompt + Knowledge Base) منتشر شده و روی هر مدل زبانی بزرگ قابل اجراست — از Google Gemini (به‌صورت Gem) تا Claude, GPT و مدل‌های متن‌باز.

ورودی: متن خام فارسی (ترانه، شعر، نثر — رسمی یا محاوره‌ای) بدون هیچ پیش‌پردازشی.

خروجی (سه بخش اجباری):

متنِ املای محاوره‌ایِ حفظ‌شده اما کاملاً اعراب‌گذاری‌شده مطابق آواشناسی فارسی معیار ایران؛
گزارش اصلاحات خط‌به‌خط با ذکر شمارهٔ قاعدهٔ مسئول هر تغییر؛
IPA برای خطوط مبهم یا چندخوانی.

معیار تلفظی، فارسی معیار ادبی/رسانه‌ای ایران است — نه دری (مثلاً «ه» پایانی = /-a/) و نه تهرانی خیابانی (مثلاً «جون» به‌صورت /jown/).

❓ ۲. چرا لازم است؟

خط فارسی یک ابجد است: واکه‌های کوتاه (/e/, /æ/, /o/) به‌طور پیش‌فرض نوشته نمی‌شوند. نتیجه، ده‌ها هزار هم‌نگاشتِ چندخوانی است که برای انسان قابل حل و برای ماشین حل‌ناشدنی است:

نوشته	خوانش درست	خوانش غلط رایجِ ماشین
خونه	/xūne/	/xūna/, /xone/
جون	/jūn/	/jown/
کوه	/kūh/	/koh/, /kōh/
می‌خواهم	/mīxāham/ (میـ = /mī/)	/me-/ /mi-/ تصادفی
هوادار	/havādār/	/hovādār/ (گسترش مَگه)
و (صامت)	/v/	/w/

مدل‌های تولید موسیقی (Suno/Udio/Riffusion) و TTSها واکه‌ها را از همین متن مبهم حدس می‌زنند — و حدسشان اغلب اشتباه است: خواننده‌ای که «جون» را /jown/ می‌خواند یا «بیا» را /bay-a/ تلفظ می‌کند، خروجی را بی‌اعتبار می‌کند. این ابزار همین ابهام را پیش از رسیدن متن به مدل حذف می‌کند.

🏗 ۳. معماری: یک پرامپت + یک پایگاه دانش

بسته از دو لایه تشکیل شده — جداسازی «دستورالعمل رویه‌ای» از «دانش اعلانی»:

لایهٔ ۱ — پرامپت سیستمی (انگلیسی، `persian-lyrics-diacritics-gem.md`)

عمداً به انگلیسی نوشته شده تا (الف) قواعد آوایی با دقت فونِتیک بیان شوند و (ب) در همهٔ مدل‌ها فارسی‌سازیِ دستورها باعث سوءتعبیر نشود. هفت بخش دارد:

بخش	نقش
A — قواعد مطلق آوایی	۱۴ قاعدهٔ غیرقابل‌اجتناب (A1…A14): «ه» پایانی = /-e/، «و» صامت = /v/، «او» و «و» واکه‌ای = /ū/، «ای/ی» = /ī/، پیشوند میـ = /mī-/، کسرهٔ پیشوند نفی پیش از میـ، «که» = /ke/، سکونِ خوشه‌های صامتی بدون مصوت میانی، خوا = /xā/، بیـ = /bī/ و…
B — نگاشت رسمی↔محاوره	جدول بزرگ تصریف فعل‌ها و واژه‌ها (خواستن، رفتن، شنیدن، فهمیدن و…) با اعراب + IPA، به‌علاوهٔ قواعد تبدیل «-د» به «-ه» و «-ند» به «-ن»
C — ضمائر و نک‌سات	ـشون، ـمون، ـتون و ساخت‌های حرف اضافه‌ای (بَرام، بِهَت، اَزَش)
D — قالب اعراب‌گذاری	جای دقیق فتحه/کسره/ضمه/سکون؛ کسره روی حرفِ قبل از «ه» پایانی؛ حذف علائم زائد
E — لیست سیاه	جدول خوانش‌های ممنوع (تلفظ دری /w/، پایان /-a/، «بی» = /bay/، مصوت میانی و…) در برابر تصحیح هرکدام
F — چک‌لیست نهایی	خودارزیابی پیش از خروجی: همهٔ قواعد + قافیه + وزن + وضوح معنایی
G — قرارداد خروجی	متن اصلاح‌شده + گزارش تغییرات با شمارهٔ قاعده + IPA خطوط مبهم — بدون استثنا

لایهٔ ۲ — پایگاه دانش (فارسی، `kb/tarane-irani.md`)

مرجع ~۱۲بخشی شامل: نظام واکه‌ها و صامت‌ها، قواعد «ه/و/ای/او»، صرف محاورهٔ صد فعل پربسامد (جدول‌های کامل با IPA)، فرهنگ ~۶۰۰ واژهٔ مشکل‌دار، قواعد شکسته‌نویسی استاندارد، جدول ۲۵ خطای رایج ژنراتورهای موسیقی هوش مصنوعی و چک‌لیست ۳۰بندی کیفیت نهایی. این فایل به‌عنوان Knowledge آپلود می‌شود و پرامپت با همان نام دقیق به آن ارجاع می‌دهد.

چرا این معماری کار می‌کند؟

لنگر شماره‌دار (A1…A14, B1…): هر اصلاح قابل ردیابی به یک قاعده است → گزارش تغییرات قابل حسابرسی است، چیزی که در پرامپت‌نویسی معمولی نادر است.
محدودیت منفی (Blacklist): به‌جای توصیف کلیِ «درست»، دقیقاً خطاهای شناخته‌شدهٔ مدل‌های موسیقی را ممنوع می‌کند → مقاوم‌تر در برابر خرابی‌های واقعی.
چک‌لیست خودتأییدی: یک پاس ارزیابی اجباری پیش از خروجی → خطای مدل را به‌طور معناداری کم می‌کند.

🚀 ۴. شروع سریع

گزینهٔ A — Google Gemini (Gem)

در gemini.google.com یک Gem جدید بسازید.
متن کامل prompt/persian-lyrics-diacritics-gem.md را در Instructions بچسبانید.
kb/tarane-irani.md را با همان نام به Knowledge اضافه کنید.
متن ترانه را بفرستید → خروجی سه‌بخشی بگیرید.

گزینهٔ B — هر LLM دیگر (Claude, GPT, مدل متن‌باز)

محتوای پرامپت را به‌عنوان system prompt و متن tarane-irani.md را به‌عنوان پیوست/فایل پروژه بدهید. اگر پنجرهٔ زمینه محدود است، بخش B و فرهنگ واژه‌های مشکل‌دار را نگه دارید و بقیه را خلاصه کنید.

مثال کوتاه

ورودی: من میرم خونه

خروجی (بخش ۱): مَن میرَم خونِه

گزارش تغییرات (بخش ۲):

خونِه: قاعدهٔ A1 — «ه» پایانی = /-e/ (نه /-a/) + کسره روی «ن» پیش از «ه»
میرَم: قاعدهٔ B — صرف محاورهٔ «رفتن»، ضمیر متصل با فتحه

IPA (بخش ۳): /mæn miram xūne/

📦 ۵. قرارداد خروجی

هر پاس — بدون استثنا — دقیقاً سه بلوک دارد:

۱) متن اصلاح‌شده و اعراب‌گذاری‌شده
۲) گزارش تغییرات: خط ← شمارهٔ قاعده + توضیح
۳) IPA فقط برای خطوط مبهم

این قرارداد، خروجی را ماشین‌خوان می‌کند: می‌توانید بلوک ۱ را مستقیم به Suno/TTS بدهید و بلوک ۲ را برای QA یا ردیابی انحراف مدل لاگ کنید.

📐 ۶. مرجع خلاصهٔ قواعد

شناسه	قاعده	مثال
A1	«ه» پایانی = /-e/	خونه ← /xūne/
A2	«و» صامت = /v/	وزن ← /væzn/
A3	«او» و «و» واکه‌ای = /ū/	جون ← /jūn/ (نه /jown/)
A4	«ای/ی» واکه‌ای = /ī/	شیر ← /šīr/ (نه /šayr/)
A5	پیشوند میـ = /mī-/	می‌خوانم ← /mīxānam/
A6	«نِ» پیش از میـ (نفی)	نمی‌رفتم ← نِمیرَفتم
—	«که» = /ke/	—
—	خوا = /xā/	خواهر ← /xāhar/
—	بیـ = /bī/	بیا ← /bīyā/ (نه /bayā/)
—	بدون مصوت میانی در خوشه‌ها	هوادار ← /havādār/

(فهرست کامل ۱۴ قاعده + جدول‌های صرف ۱۰۰ فعل + فرهنگ ~۶۰۰ واژه در kb/tarane-irani.md)

🗺 ۷. مرز گویشی: ایران معیار، دری، و تهرانی خیابانی

این ابزار یک خط‌کش گویشی صریح است — تصمیم هنجاری‌اش شفاف و جدول‌بندی‌شده است:

نمونه	ایران معیار ✅	دری (افغانستان) ❌	تهرانی خیابانی ❌
خونه	/xūne/	/xūna/	/xūne/
شیر	/šīr/	/šayr/	/šīr/
بیا	/bīyā/	/bayā/	/bīyā/
جون (جوان)	/jūn/	/javān/	/jown/
وزن	/væzn/	/wæzn/	/væzn/

یعنی سیستم دو نوع انحراف را هم‌زمان مهار می‌کند:

آلودگی دری که از دادهٔ آموزشی (متن‌های دری/تاجیکی یا شعر کهن) به خروجی LLMها نشت می‌کند؛
نوآوری‌های آوایی تهرانی محاوره (دوگانهٔ /ow/، کشیدگی‌ها) که در املای شکسته به متن راه می‌یابند.

⚠️ نکتهٔ ظریف: دوگاَه‌های اصیل مانند «نَو» = /now/ در فارسی معیار مجازند؛ ممنوعیت /ow/ ناظر به واژه‌هایی مثل «جون» است که در محاورهٔ تهرانی از /ū/ دوگاَه شده‌اند (بخش ۲.۳ پایگاه دانش).

🤖 ۸. کاربردها برای ورودی/خروجی هوش مصنوعی

۸.۱ اعراب‌گذاری — آماده‌سازی ورودی

پیش‌پردازش برای Suno/Udio/Riffusion: حذف ابهام واکه‌ای پیش از تولید موسیقی؛ تلفظ درستِ تک‌تک سیلاب‌ها.
ورودی TTS/گفتارمصنوعی: نریشن، پادکست، دستیار صوتی فارسی — اعراب، هم‌نگاشت‌های چندخوانی (دَر/دار، کوه) را یک‌طرفه می‌کند.
پرسش‌سازی فارسی برای مدل‌های صوتی: اگر پرامپت شما خوانده می‌شود، اعراب‌گذاری آن کیفیت پاسخ صوتی را بالا می‌برد.

۸.۲ تصحیح فارسی — پالایش خروجی

QA خروجی LLM: لیست سیاه + چک‌لیست، به‌مثابهٔ دستورِ تصحیح عمل می‌کنند؛ خروجی فارسی هر مدلی را با همین پرامپت بازبینی و نرمال کنید.
حذف آلودگی گویشی از متن تولیدی: داری‌ismها (/-a/ پایانی، /w/) و املای خیابانی (جونم، میمونه) پیش از انتشار شناسایی و اصلاح می‌شوند.
یکدست‌سازی سبک خانه (House Style): ناشران و رسانه‌ها می‌توانند «فارسی معیار ایران» را به‌عنوان سبک الزامی خروجی‌های هوش مصنوعی‌شان تثبیت کنند.

۸.۳ تفکیک فارسی معیار از گویش‌ها و لهجه‌ها

برچسب‌گذاری و پالایش پیکره: با همین قواعد می‌توان متن‌های فارسی را از نظر تعلق گویشی (ایران معیار / دری / محاورهٔ تهرانی) برچسب زد یا پالایش کرد — پیش‌نیاز آموزش هر مدل فارسی تمیز.
کلاس‌افایر پرامپتی: «آیا این متن وام‌واژهٔ آوایی دری دارد؟ کدام خط؟» — با بخش E به‌تنهایی قابل اجراست.
جلوگیری از قاطی‌شدن گویش‌ها در دادهٔ سینتتیک: وقتی از LLMها برای تولید دادهٔ فارسی استفاده می‌کنید، این پرامپت به‌عنوان فیلتر خروجی مانع ترکیب ناخواستهٔ سه سنت آوایی می‌شود.

۸.۴ داده‌سازی و آموزش

تولید جفت‌های (بی‌اعراب، اعراب‌دار) برای فاین‌تیون مدل‌های G2P/اِعراب‌گذار؛
ساخت واژگان تلفظی (Lexicon) برای ASR فارسی از فرهنگ واژه‌های مشکل‌دار؛
ارزیابی مدل‌های TTS فارسی با جدول ۲۵ خطای رایج به‌مثابهٔ معیار سنجش.

۸.۵ ارزیابی و پژوهش

روبریک ارزیابی: چک‌لیست ۳۰بندی + شناسه‌های قاعده، یک بنچمارک آماده برای «وفاداری آوایی» خروجی فارسی هر LLM است.
آموزش زبان‌شناسی: نظام واکه/صامت فارسی، تفاوت‌های گویشی و آواشناسی محاوره در قالب جدول‌های عملی.

⚠️ ۹. محدودیت‌ها و سوگیری‌ها

هنجاری و عمداً جانبدار: این ابزار «فارسی معیار ایران» را حق می‌داند و دری و تهرانی خیابانی را رد می‌کند. اگر گویش‌پذیری (Dialect-aware) می‌خواهید، این ابزار مناسب شما نیست.
متن‌بنی است، نه موتور G2P قطعی: اجرا روی LLM است؛ ممکن است خطا کند. گزارش تغییرات برای همین است که بتوانید ممیزی کنید.
پوشش واژگانی محدود اما قابل گسترش: ~۶۰۰ مدخل مشکل‌دار + قواعد عمومی؛ نام‌خاص‌ها و وام‌واژه‌های تازه به قواعد عمومی تکیه می‌کنند.
حق نشر ترانه‌ها: ابزار متن را پردازش می‌کند؛ انتشار عمودیِ خروجیِ ترانه‌های دارای حق نشر همچنان مشمول همان حق نشر است.
ممنوعیت مطلق /ow/ ظرافت دارد: دوگاَه‌های اصیل (نَو = /now/) مجازند؛ مرجعِ دقیق، بخش ۲.۳ پایگاه دانش است.

📁 ۱۰. ساختار فایل‌ها

├── README.md                                  ← همین کارت
├── LICENSE                                    ← مجوز MIT
├── prompt/
│   ├── persian-lyrics-diacritics-gem.md       ← پرامپت سیستمی (EN) — منبع اصلی
│   └── persian-lyrics-diacritics-gem.fa.md    ← مستند و راهنمای فارسی
├── kb/
│   └── tarane-irani.md                        ← پایگاه دانش ۱۲بخشی (FA)
├── examples/
│   └── examples.md                            ← جفت‌های ورودی/خروجی نمونه
└── eval/
    └── checklist.yaml                         ← روبریک ۳۰آیتمی ساخت‌یافته

سورس رسمی این بسته در گیت‌هاب: system-prompt-bucket → persian-lyrics-diacritics-gem

📚 ۱۱. ارجاع‌دهی

اگر از این بسته در پژوهش یا محصول استفاده می‌کنید:

@misc{behkar2026taraneirani,
  title  = {Tarane-ye Irani: Persian Lyrics Diacritics Engine (System Prompt + Knowledge Base)},
  author = {Behkar, Nima},
  year   = {2026},
  month  = jul,
  version= {2.0},
  url    = {https://github.com/nimabhk/system-prompt-bucket/tree/main/prompts/10-translation-localization/persian-lyrics-diacritics-gem}
}

⚖️ ۱۲. مجوز

MIT License — هم‌راستا با ریپوی مادر (system-prompt-bucket).

🗓 تاریخچهٔ نسخه‌ها

نسخه	تاریخ	تغییرات
v2.0	2026-07-31	نسخهٔ فعلی؛ همراه پایگاه دانش `tarane-irani.md`

Downloads last month: 43

Total file size:

125 kB