0️⃣ 开场白：把濒危语言塞进浏览器，就像把鲸鱼塞进冰箱
“分三步：打开冰箱、塞鲸鱼、关冰箱。”——经典冷笑话
今天我们要塞的不是鲸鱼，而是只有 3 位使用者、2 部字典、1 个跑不通的 TTF 字体的“小众语言”进浏览器，还要让它自动生成童谣、情诗、甚至催更弹幕。
🧨 技术挑战 = 低资源 × Web 端 × 生成质量。
下面请系好安全带，我们准备在 28 kB 的 wasm 里养一只会写诗的羊驼。
1️⃣ 先给“穷酸语料”洗个澡：数据增强的贫民窟版魔法
1.1 语料现状：
| 语种 | 句子数 | 唯一词 | 备注 |
|---|---|---|---|
| 濒危 X 语 | 1 200 | 841 | 其中 300 句是“你好谢谢再见” |
1.2 贫民窟数据三连：
- Back-translate 像渣男：先机器翻译成英语，再翻回来，情感不变，句型乱变。
- Morphological vandalism：把动词后缀
-chá随机换成-tá/-shá，假装方言口音。 - Synonym roulette：同义词来自 1950 年唯一一本字典，翻到哪页用哪页。
🪄 代码速写：把语料扩 5 倍，体积不变，像泡面加水——看起来多了，营养没变。
// 伪代码：Back-translate 流水线
async function poorManAugment(sentence) {
const middle = await translate(sentence, {from:'x', to:'en'});
const back = await translate(middle, {from:'en', to:'x'});
return back === sentence ? sentence + ' 😅' : back;
}
2️⃣ 模型瘦身：把 175 B 参数的恐龙压成 28 kB 的蜂鸟
2.1 知识蒸馏三件套
| 步骤 | 操作 | 副作用 |
|---|---|---|
| ① Teacher 怒吼 | 7 B 参数 Transformer 在服务器咆哮 | 电费暴涨，GPU 冒烟 |
| ② Student 装乖 | 6 层、隐藏 128、嵌入 256 | 开始胡言乱语 |
| ③ 蒸馏 + 量化 | 权重 * 127 后取整，塞进 Int8 | 文化细节被四舍五入掉了 |
2.2 Web 端落地：
// 把模型权重视为“冻干泡面”
const modelBuffer = await fetch('x-lang-028k.bin').then(r => r.arrayBuffer());
await wasmModule.loadModel(new Uint8Array(modelBuffer));
// 在用户的手机里跑，风扇不转，电量不掉，像忍者
⚠️ 注意：如果模型输出“我爱你”变成“我矮你”，那是 Int8 把爱压缩没了，不是程序员的错。
3️⃣ 编码噩梦：Unicode 的暗礁与字体荒漠
3.1 码点陷阱
小众语言专用区在 U+1E000 ～ U+1E4FF，老版本 Chrome 把它当成** tofu 生产机**。
3.2 字体子集化
把 4 MB 的 TTF 砍到 82 kB，只留下 641 个字形，像只带 641 个单词去雅思考试。
// 使用 glyphhanger 进行“字形屠杀”
execSync(`glyphhanger --subset=XLang.ttf --whitelist=${essentialGlyphs.join(',')} --formats=woff2`);
3.3 fallback 链：
local('XLang') → url('x-lang.woff2') → unicode-range('U+1E000-1E4FF') → sans-serif
如果全部失效，用户将看到一排小框框在跳舞——现代版“结绳记事”。
4️⃣ 推理加速：在浏览器里用 CPU 跑 Transformer 不卡成 PPT
4.1 策略
- 分段缓存 KV：像把长面条掰断煮。
- WebGPU 矩阵乘法：把 matmul 扔进 GPU，让显卡体验一下濒危语言。
- Worker 线程：不让主线程“冻成狗”，用户滚动页面时模型在后台偷偷写情诗。
// 主线程像渣男，只负责收花
const poet = new Worker('poet.worker.js');
poet.postMessage({seed: '月亮', length: 50});
poet.onmessage = ({data}) => appendPoem(data.text);
5️⃣ 质量评估：没有 BLEU，只有“老奶奶点头指数”
5.1 自动指标：
- Self-BLEU：越低越好，防止模型当复读机。
- Distinct-n：越高越好，防止模型当复读机 Pro。
5.2 人工指标：
找村里唯一一位 87 岁老奶奶，她点头一次 +1，摇头一次 -∞。
目前最好模型得分：老奶奶点头 3 次，摇头 0 次，创历史新高。
6️⃣ 现场演示：28 kB 如何写出一首三行诗
// 调用接口
const poem = await wasmModule.generate({
prompt: '夜',
temperature: 0.9, // 加一点“醉意”
topK: 40, // 只从 40 个最可能的 token 里挑，像抽奖但奖池很小
});
console.log(poem);
// 输出：
// 夜把星星撒进牛奶碗
// 羊驼舔光了银河
// 只剩一声“咩”回荡在浏览器的缓存
7️⃣ 彩蛋：把“濒危”做成 NFT？
别，NFT 能耗够让该语言多濒危 0.3 倍。
我们决定每生成一行诗，就在后台种一棵虚拟树，让文化在硅与碳之间互相光合作用。
8️⃣ 结语：让低资源语言在 Web 端“穷开心”
- 数据少 → 用“翻译回旋镖”硬凑。
- 模型胖 → 用“蒸馏＋量化”瘦身。
- 字体缺 → 用“子集化＋ fallback”补位。
- 推理慢 → 用“WebGPU＋Worker”提速。
最终目标：
在非洲某村，一个小孩打开 200 元的安卓机，用流量 2G 就能让母语在屏幕上自己讲故事——
那一刻，鲸鱼和冰箱同时笑了。
📚 课后作业（任选）
- 把本文所有“羊驼”替换成你家乡的濒危动物，并写一首三行诗。
- 用 28 kB 限制，给自家方言训练一个“骂人语料生成器”，要求骂得不重样、不带星号。
- 把老奶奶点头指数开源成 npm 包，名字就叫 grandma-bleau。
