Your Voice은(는) 무엇을 하나요?
이 글을 사용자처럼, 이 목적을 위해 작성된 것처럼 만드십시오. 의미, 판단, 전문 용어, 인용 및 증거를 보존하십시오. 일반적인 AI 목소리를 일반적인 편집자의 목소리로 대체하지 마십시오.
맥락으로 시작하고, 설문조사로 시작하지 마십시오
이 스킬을 알립니다. 초안과 사용 가능한 프로젝트 맥락을 조사하여 저자, 언어, 대상 독자, 문서 유형, 목적, 도메인 및 작성 조건을 추론합니다. 도메인에는 주제, 장르 및 레지스터가 포함됩니다. 조건에는 협업, 편집, 번역, 시간 및 섹션 기능도 포함될 수 있습니다. 알려진 것과 추론된 것을 기록합니다.
참고 자료를 수집하거나 문체를 측정하기 전에 references/corpus-and-model.md를 읽으십시오. 먼저 사용자가 제공한 자료와 관련 프로젝트 폴더에서 찾고, 사용자의 전체 드라이브에서 찾지 마십시오. 저자의 신원이 확인되면, 합법적인 공개 저자 사본의 유사한 작업을 찾으십시오. 강력한 저작자 출처와 유사한 목적을 우선시하십시오: 단독 저자 작업, 확인된 저자 작성 구절, 그 다음으로 공동 저자 편집 주의 사항이 있는 첫 번째 저자 작업. ChatGPT 이전의 작업은 달리 비교할 수 없는 경우 유용하지만, 도움 없는 저작자의 증거는 아닙니다. 신원을 추측하거나 공동 저자 논문의 전체 목소리를 첫 번째 저자에게 귀속시키지 마십시오.
크고 일치하지 않는 코퍼스보다는 소수의 좋은 참고 자료를 목표로 하십시오. 일반적으로 3~5개의 비교 가능한 문서가 유용한 시작점이며, 유효성 임계값이 아닙니다. 오래된 관련 없는 논문보다는 최근의 동일 목적 문서가 더 나을 수 있습니다. 발견 작업을 직접 수행하십시오. 신원, 접근 권한, 저작권 또는 목적을 해결할 수 없는 경우에만 한 가지 간결한 질문을 하십시오. 적합한 참고 자료가 없을 때 개인 기준선을 인위적으로 만들지 마십시오.
로컬 음성 라이브러리 구축
프로젝트의 기존 분석/검토 영역을 재사용하거나 초안 옆에 your_voice/를 만듭니다. 원본 참고 자료는 변경하지 않고 유지합니다. 소스 URL/경로, 저작권 신뢰도, 날짜, 도메인/조건, 추출 제외 사항 및 체크섬을 저장합니다. 그런 다음 깨끗한 산문과 간단한 정성적 음성 프로필을 저장합니다. 비공개 문서를 업로드하거나 다운로드한 논문을 스킬 내에서 재배포하지 마십시오. 재사용 가능한 개인 라이브러리는 로컬로 유지되며 언어/장르별로 분할되고, 하나의 보편적인 지문으로 통합되지 않습니다.
state.md를 사용하여 원본 초안 스냅샷, 선택된 참고 자료, 고정된 추출/모델 설정, 현재 단계, 각 패스의 출력/확인, 남은 문제 및 정확한 다음 작업을 기록합니다. 재개할 때 이를 읽습니다. 수정된 텍스트로 덮어쓰지 말고 원래 기준선을 보존합니다. 이후의 AI 지원 수정은 비교 출력물이며, 새로운 독립적인 참고 자료가 아닙니다.
절차
편집하기 전에 references/edit-and-report.md를 읽으십시오. 원본 초안을 보존하고 이것이 언어 편집 작업인지 확인하십시오. 해결되지 않은 과학적 내용을 눈에 띄는 확실성으로 다듬지 말고 표시하십시오.
- 기준선. 대표적인 참고 자료 구절을 읽고, 실제 습관을 설명하고, 비교 가능한 참고 자료/초안 산문을 측정합니다. 기능어, 구두점 및 문장 길이를 사용합니다. 표 및 기타 비저작자 자료는 분석에서 제외되지만, 원고에서 삭제되지는 않습니다.
- 가벼운 탈슬롭. 분명한 챗봇 잔여물, 빈 강조, 반복적인 요약 및 아무것도 추가하지 않는 매너리즘 있는 프레이밍을 제거합니다. 탈슬롭/일반 학술 스킬을 사용할 수 있으면 읽고 사용하고, 그렇지 않으면 편집 참고 자료에 포함된 자체 포함 지침을 사용합니다. 이 저자의 증거에 대해 일반적인 할당량이나 문장 길이 하한을 적용하지 마십시오. 이것을 원본 및 세 번의 개인 음성 패스와 구별하여
cleanup으로 저장합니다. - Pass 1 — 쉽고 큰 차이. 3~5개의 안정적이고 영향력이 큰 특징을 검사합니다. 자연스러운 기회만 편집합니다: 연결된 발견, 반복적인 시작, 또는 불필요한 연결 비계. 좋은 원본 문장은 보존합니다.
- Pass 2 — 문맥적 기능어 및 리듬 작업. 다시 측정합니다. 실제 문장이 정당화하는 곳에서 가장 큰 남은 차이를 해결합니다. 조동사, 접속사, 대명사 및 관사를 빈도뿐만 아니라 의미에 대해 확인합니다. 비율을 맞추기 위해 채우기 단어를 삽입하지 마십시오.
- Pass 3 — 잔차 및 전체 읽기. 다시 측정하고, 명확하게 유용한 나머지 변경을 수행하고, 흐름, 문법, 추론 및 인식 가능한 음성을 위해 읽습니다. 패스는 정직하게 0개의 편집을 할 수 있습니다. 세 번의 임의 변경을 강요하지 마십시오.
각 패스 후에, diff를 저장하고, 고정된 설정으로 측정하고, 주장/숫자/인용/용어를 확인하고, 사용자에게 무엇이 변경되었는지 간략히 보여줍니다. 범위, 권한 또는 과학적 의미에 대한 결정이 필요하지 않은 한 불필요한 질문 없이 세 번의 패스를 계속합니다. 로컬 배치 크기 제한을 존중합니다.
80/20 규칙은 노력의 우선순위를 정합니다. 다섯 개의 일치하는 빈도가 스타일의 80%를 해결한다는 의미는 아닙니다. 남은 것에 대한 정직한 설명과 함께 세 번의 패스 후에 중단합니다. 추가 재조정 또는 편집에는 무작위 정확도에 도달하려는 욕구가 아닌 이유가 필요합니다.
측정
번들로 제공되는 scripts/compare_voice.py는 영어 문장 분할 산문을 측정하고, 일치하는 그룹화된 설계가 가능할 때 표준화되고 정규화된 로지스틱 회귀를 피팅합니다. 종속성은 투명한 특징 분석 및 그룹화된 분류를 위한 NumPy 및 scikit-learn입니다. 초안을 편집하지 않습니다. 입력 형식, 추출, 그룹화, 제한 사항 및 호출에 대한 코퍼스/모델 참고 자료를 읽으십시오.
검증된 Koppel-512 인벤토리를 사용할 수 있고 사용이 허용되면 사용하십시오. 제공된 assets/function_words_en.txt는 명시적으로 레이블이 지정된 소형 영어 대안이며, Koppel-512가 아닙니다. 목록의 길이에 따라 출처를 주장하지 마십시오. 다른 언어에는 적절한 토큰화 및 인벤토리가 필요합니다. 중국어나 번역된 텍스트를 영어 스크립트에 입력하고 유효한 개인 음성 측정을 보고하지 마십시오.
이 분류기는 특정 설계 하에서 참고 자료와 초안 샘플을 분리합니다. AI 작문을 식별하거나, 저작자를 인증하거나, "얼마나 사람 같은지" 추정하거나, 사용자 음성의 백분율을 측정하지 않습니다. 상관된 계수는 인과적 단어 중요성이 아니라 진단적 단서입니다. 구별 가능성의 감소는 더 나은 작문의 충분한 증거가 아닙니다.
동료처럼 보고하십시오
간결하고 직접적이며 구체적으로 작성하십시오. 모델을 한두 문장으로 설명하고, 가장 관련 있는 특징에 대한 작은 참고 자료/원본/최종 비교를 보여주고, 두세 가지 대표적인 before/after 편집을 보여줍니다. 확인 후에만 변경되지 않은 과학적 내용을 명시하십시오. 약한 참고 자료 출처, 불충분한 데이터, 추출 한계 및 도움이 되지 않은 변경 사항을 언급하십시오. 연극적인 열정, 격언, 거창한 주장 또는 의례적인 "X가 아니라 Y" 프레이밍은 사용하지 마십시오.
편집된 초안, 로컬 측정/출처 경로, 완료된 패스 수 및 해결되지 않은 항목을 전달합니다. 비공개 참고 자료를 게시, 전송 또는 커밋하지 마십시오. 원고 커밋에 대한 기존 권한을 따릅니다. 최종 제출 및 AI 사용 공개는 저자의 책임입니다.