如果要開發漢字轉羅馬字的語料，首先需要開原的「教育部台羅標音—推薦漢字」語料庫，而目前只有教育部詞典比較穩。罕用字可以用甘為霖新字典取得文言音。白讀字、訓讀字另一步處理（可能永遠擱置）聖經巴克禮譯本（過版權期限）可以用教育部的語料訓練出模型，初步轉成推薦漢字，再用trial-and-error的方式一步一步轉成完成漢字版。但是詞性標記那就沒辦法了，卡死，沒有一個分詞語料庫。就算把同音詞區隔開，一個詞，仍然可以不止一個詞性，比如：「臺灣獨立」，這四個字的「獨立」可以當名詞，也可以當動詞，取決於上下文或是讀者的既定認知。可是臺語如果要寫分詞程式，需要自己維護分詞語料庫，才能訓練。#自然語言處理