為什麼歌詞的假名會標錯？kuromoji 的限制與校正表

學日文的人看歌詞，最需要的功能之一就是漢字上方的假名（振り仮名）。Lyric Sync 在瀏覽器裡用 kuromoji 對每一行歌詞做分詞，再替含漢字的詞標上平假名讀音，全程在本機執行，不需要任何外部 API。但你偶爾會看到標錯的地方，這篇解釋原因。

kuromoji 做了什麼，沒做什麼

kuromoji 是一個純文字的分詞工具，帶著一本字典。它看的是「這串字在字典裡最常見的讀法是什麼」，並不會聽音檔。所以當一個詞有多種讀音時，它只能選統計上最常見的那一個。

歌詞是最容易出現這個問題的文體。例如「心」，字典預設的讀音是「しん」，但在歌詞裡幾乎都唸訓讀的「こころ」。又例如「二人」，字典可能標成「ににん」，但歌裡通常是「ふたり」。歌詞還常常刻意用漢字寫、卻用另一種讀音唱，例如把「運命」唱成「さだめ」。

要真的做到「唱什麼就標什麼」，理論上得靠語音辨識去比對實際的發音。我目前沒有做這一步，所以假名並不保證 100% 與唱法一致。

我提供的折衷方案，是一份可以自己編輯的 reading-overrides.json：

{
  "二人": "ふたり",
  "一人": "ひとり"
}

左邊是漢字原文，右邊是你想顯示的平假名。存檔後回到瀏覽器的擴充功能頁面重新整理，就會套用，不需要改任何程式碼。

這份表也支援依前後文判斷的規則。由上而下檢查，第一條符合的生效，都不符合就維持字典的讀音。這對於「同一個字在不同詞裡讀法不同」的情況特別有用，因為單純的對照表只能一個字配一個讀音。

校正表只能一個個補，沒辦法一次修好。所以我在說明裡直接提醒使用者：畫面上的假名是輔助，不是標準答案，看到可疑的地方請自行查證。

這類工具很容易走向兩個極端：不是假裝自己 100% 準確，就是因為做不到完美而完全不做。我選擇做出 80 分的版本，把剩下的 20 分變成使用者可以自己補的機制，並且誠實寫出限制。

另外一個很實際的限制是：第一次載入時，要下載約 18MB 的日文字典，所以標註假名可能要等 5 到 15 秒，之後瀏覽器會快取。這也是為什麼我沒有把所有功能做成「即時」，而是在文件裡先把等待時間說清楚。

如果你也想試試看，可以先看上一篇談逐字跑詞的原理。