Blogs on Santhosh Thottingal

Home Maker: Declare Your Dev Tools in a Makefile

Sun, 29 Mar 2026 05:00:00 +0530

Your laptop has ripgrep, installed via cargo install. ruff is there too, via uv tool install. golangci-lint came from go install. bash-language-server was npm i -g. Neovim was a tarball download. Kitty was a curl script.

Six months later you get a new machine, or you just want to upgrade or reinstall. What do you even have installed? How did you install each one? Which version? Good luck.

This is a small system that answers those questions — a single Makefile that declares every tool you care about, grouped by purpose, with one command to install anything.

Rendering complex scripts in terminal and OSC 66

Sun, 22 Mar 2026 05:00:00 +0530

As a programmer, I spend most of my time in a terminal application like Kitty. I use Neovim as my code editor. I use CLI based AI agents. But the biggest pain, even in 2026, is that there is no terminal that can render complex scripts like Indic languages or Arabic. This is a significant limitation for me, as most of my work involves language processing.

In this article, I will give a brief overview of why this issue remains unsolved—covering the character-cell grid model, width measurement, and the distinction between text shaping and rendering—along with ongoing efforts and a small tool I built recently that illustrates a solution path.

CLI for transforming Wikipedia articles to text, markdown, and JSON

Sat, 14 Mar 2026 05:00:00 +0530

We are witnessing a resurgence and evolution of Command Line Interfaces (CLIs), accelerated by AI agents. Text-based, scriptable CLI tools work very well with LLM-based workflows. Accessing Wikipedia articles during an agent session is common. Usually, a webfetch call is used to get the HTML for a page from a URL like https://en.wikipedia.org/wiki/2026_Winter_Olympics.

That works, and LLMs are smart enough to read HTML. But there is a cost: HTML is for rendering, so the model must ignore a lot of non-content markup to get to the useful text. i That increases token usage and adds context noise. Can we improve this?

Preparing sentence dataset from a wikipedia

Sat, 14 Mar 2026 05:00:00 +0530

I’m excited to announce two new resources for natural language processing researchers and developers:

wikisentences - A Rust-based tool for extracting sentence datasets from Wikipedia dumps in any language
ml-wiki-sentences - A dataset of 2.25 million Malayalam sentences extracted from Wikipedia, now available on HuggingFace, prepared using the above tool.

The Wikisentences Tool

The wikisentences project provides a complete pipeline for creating sentence datasets from Wikipedia content:

Core Technology

wiki-html-text-extractor (Rust) - Uses tree-sitter-html to parse article HTML and extract clean plain text
sentencex (Rust) - Handles accurate sentence segmentation across languages. See my recent article about this library

Four-Stage Pipeline

Download enterprise HTML dumps from WikimediaThere is no recent html dumps for wikipedia, except this one year old dump
Convert JSON dumps to Parquet format (id, name, url, language, html)
Extract plain text from HTML (id, url, name, text)
Segment text into sentences (id, url, name, sentence, sentence_index)

Each stage is handled by a separate Python script, with the heavy lifting done by efficient Rust binaries. The pipeline is designed to be memory-efficient, streaming data between stages without writing intermediate files to disk.

How to identify and annotate sentences in an HTML page

Sat, 07 Mar 2026 05:00:00 +0530

If you have ever needed to work with sentences inside an HTML page — highlight them, translate them, read them aloud — you quickly run into a deceptively awkward problem. The text is not plain text. It is interspersed with tags, attributes, inline elements, and markup that your sentence detector has no business reading.

This post walks through an exploratory JavaScript project — html-sentence-segmenter — that I built to figure out how to do this properly. It is not a polished, reusable library. Think of it as a working proof-of-concept that demonstrates the approach, with a live demo using Wikipedia articles.

Rewriting the multilingual sentence segmenter - sentencex - in Rust

Sat, 07 Mar 2026 05:00:00 +0530

In October 2023, we announced sentencex — a sentence segmentation library built for the wide language diversity of Wikipedia and Wikimedia projects. The original release comprised two separate libraries: one in Python (used by MinT, our machine translation service) and one in JavaScript (used by Content Translation). Both were rule-based, practical, and got the job done.

But maintaining two implementations of the same logic was a constant source of drift.

sentencex 1.0 is a ground-up rewrite in Rust, with the Python and JavaScript libraries replaced by thin bindings over a single, shared core.

From Tokens to Text: A Trigram Markov Model for Malayalam

Sat, 28 Feb 2026 05:00:00 +0530

Ever wondered how a computer learns to generate text that actually looks like Malayalam? Not just random characters, but something with actual structure? I’m not talking about Large Language Models here. I’m talking about Small Language Models that are efficient and explainable. something you can build and run on your own laptop.

In my previous “The Broken Token” article, I presented a Malayalam unigram tokenizer and analysed its strengths and weaknesses. I did fertility rate evaluation and then analysed the tokenization in the context of Malayalam language characteristics. A common evaluation method for tokenizers is using them in downstream tasks—so I decided to build a text generator. That’s where things got interesting.

The Broken Token: Tokenization for Malayalam Language Models

Fri, 27 Feb 2026 05:00:00 +0530

Standard LLMs fragment Malayalam words into 15+ meaningless pieces, destroying the semantic signal required for learning. This post details the training of custom BPE and Unigram tokenizers, and explores why resolving fragmentation is the necessary first step toward solving the larger problems of data scarcity and complex morphology

Variable interpolatable smooth curves and outlines

Fri, 20 Feb 2026 05:00:00 +0530

I am a type designer using non-conventional approaches to type design. Since 2020, I have been experimenting with parametric type design approaches based on a modernized MetaPost approach. I have written extensively about this approach in this blog. I have also published a paper¹ on that.

One of the drawbacks of the MetaPost-based approach is that MetaPost is quite old, actually older than me. It was written in the 1980s. MetaPost was actually a modernization on top of MetaFont by Knuth. It did not have SVG support, but that was added in 2024. MetaPost is written in literate programming language WEB, then generating Pascal code from it. Hence the tooling and developer experience around it is quite suboptimal. Extending it is also almost impossible.

svg2glif Rust library

Mon, 15 Dec 2025 05:00:00 +0530

I published svg2glif - a Rust crate to convert SVG vector graphics into UFO (Unified Font Object) GLIF format, making it easy to incorporate SVG artwork into font development workflows.

I am migrating my python based type engineering workflow to rust (fontmake -> fontc) and this is one of the tool I need.

❯ target/release/svg2glif -i examples/A.svg -o examples/A.glif --em-size 1000 --descent 250
Wrote glif to examples/A.glif (took 187.36µs)

Yes, 187.36µs 🚀😄

Talk - "How AI learns Malayalam"

Mon, 03 Nov 2025 05:00:00 +0530

On November 3rd, I spoke at Malayalam University on “How AI learns Malayalam,” tracing how humans acquire language versus how Large Language Models learn from patterns at scale.

This invited session was part of Symbosium on modernization of Malayalam language, organized by Sahitya Akademi and Malayalam University.

Using Chomsky’s Syntactic Structures and the “colorless green ideas” example to frame structure vs. meaning, I contrasted innate rules with data-driven learning, engaged Emily M. Bender et al.’s “Stochastic Parrots” critique of ungrounded fluency, and reflected on Richard Sutton’s “Bitter Lesson” and his call for world models - asking what written text alone can and cannot teach machines. To contrast meaning and Syntax, I used a scene from 1985 Malayalam movie “Boeing Boeing” (..ഇനിയും വരില്ലേ ആനകളേയും തെളിച്ചുകൊണ്ട്.. 😃 )

Malayalam Morphology Analyzer Now Available as a Rust Crate

Mon, 08 Sep 2025 05:00:00 +0530

I am excited to announce that the Malayalam morphology analyzer library, mlmorph, is now available as a Rust crate on crates.io.

This Rust binding became possible thanks to the availability of Rust bindings for mlmorph’s underlying library - the Stuttgart Finite State Transducer (SFST) formalism. You can find the SFST Rust crate here.

The crate comes with comprehensive documentation and example usage to help you get started with Malayalam morphological analysis in your Rust projects.

WQ42: Grounding LLMs in Wikidata Facts via Tool Calling

Sat, 21 Jun 2025 05:00:00 +0530

Integrating Knowledge Graphs (KGs) with Large Language Models (LLMs) is a well-explored research field. KGs are vast, structured databases storing factual associations as graph edges. KGs can help LLMs for tasks like question answering, drawing on the structured, often up-to-date information within KGs, thereby mitigating the risk of hallucination. For instance, an LLM that can query Wikidata—a prominent KG project—instead of solely depending on its training data becomes significantly more reliable and useful.

qrender: Render wikidata item in different formats

Mon, 16 Jun 2025 05:00:00 +0530

Wikidata is a rich knowledge graph, but its raw data format can be challenging for both humans and AI to process effectively. This blog post explores how I addressed these challenges by creating qrender, a tool for rendering Wikidata items in more human-readable and AI-friendly formats.

In my previous article about qjson, I explained the importance of retrieving all information about a Wikidata Item. I write qjsonas an easy API to fetch all such information in one API call instead of multiple SPARQL queries or API calls.

Upskill and Upgrade

Sat, 07 Jun 2025 05:00:00 +0530

In April 2024, I took a two-month sabbatical from work. During this period, and in the year that followed, I dedicated significant effort to improving my skills. Having spent nearly 20 years in software engineering, I’ve witnessed substantial changes in the field. Opportunities to learn and practice new skills don’t always arise naturally at work. While I made a conscious effort to dedicate time each day to reading and learning, finding time for hands-on practice remained a challenge. I set specific goals: to deepen my understanding of system architecture and modern design approaches, explore high-performance programming, and integrate AI into my development process. Here’s an update on my progress.

qjson: Fetching all properties of a wikidata item in a single API call

Tue, 15 Apr 2025 05:00:00 +0530

For those deeply involved with Wikidata, the richness of its interconnected data is both a blessing and a challenge when it comes to programmatic access. While the standard wbgetentities API endpoint is fundamental, retrieving the complete set of properties, including labels and values, for a given item often leads to a cascade of recursive API calls. For example, suppose we fetch all properties for Q42 using wbgetentities API - https://www.wikidata.org/w/api.php?action=wbgetentities&ids=Q42. In the response, if well lookup the “country of citizenship” (P27) for Q42 (Douglas Adams): the initial response only provides the target QID (Q145), necessitating further queries to resolve both P27 and Q145 into human-readable labels. This quickly becomes inefficient for comprehensive data extraction.

An Experiment in Detecting Wikipedia Edit Policy Violations with LLMs

Fri, 04 Apr 2025 05:00:00 +0530

Wikipedia, the world’s largest online encyclopedia, relies on a massive community of volunteers to maintain its accuracy and neutrality. But with so many editors, how do you ensure edits adhere to Wikipedia’s strict policies? I decided to explore whether Large Language Models (LLMs) could be used to automatically detect policy violations in Wikipedia edits. Here’s what I found.

Wikipedia has well-defined policies to ensure content quality. These include:

WP:NPOV (Neutral Point of View): Avoiding bias and presenting information objectively.
WP:NOR (Original Research): Preventing the inclusion of unsourced or synthesized claims.
WP:PEACOCK (Promotional Language): Discouraging exaggerated or boastful language.
WP:WEASEL (Weasel Words): Eliminating vague or unattributed statements.
WP:BUZZ (Marketing Buzzwords): Avoiding trendy but meaningless jargon.
WP:VANDALISM: Preventing malicious or destructive edits.

Manually reviewing every edit for these violations is what the reviewers do. But with the volume of edits on Wikipedia, this is a daunting task. Could LLMs help automate this process?

Natural Language based question answering system for Wikipedia and Wikidata

Fri, 14 Mar 2025 05:00:00 +0530

This is a blog post version a paper titled “Question-to-Question Retrieval for Hallucination-Free Knowledge Access: An Approach for Wikipedia and Wikidata Question Answering” available at https://arxiv.org/abs/2501.11301.

In the world of Large Language Models (LLMs) and question answering systems, hallucination - where models generate plausible but incorrect information - remains a significant challenge. This is particularly problematic when dealing with encyclopedic knowledge sources like Wikipedia, where accuracy is paramount. Today, I’ll discuss a novel approach that addresses this challenge through question-to-question retrieval.

Year 2024 in Review

Sun, 22 Dec 2024 15:00:00 +0530

This year was also a busy one. There were fewer travels compared to last year. I went to Africa for the first time (Kenya) and twice to the US. 14 flights in total.

This year, I wrote an academic paper. From the research papers I have written so far, I received a total of 187 citations this year. Attended and spoke at three conferences. Gave three public lectures.

The most proud moment was presenting a paper at a conference attended by the giant in computer science, Dr. Donald Knuth. The conference was held in Venice, Italy on October 24, where I presented a paper on the modernization of parametric type designing introduced by Knuth in the 1970s.

Grapholinguistics 2024

Fri, 25 Oct 2024 09:00:00 +0530

I presented a paper titled “Parametric type design in the era of variable and color fonts” in the Grapholinguistics conference 2024. The conference was held in Università Ca’ Foscari, Venice from 23rd to 25th October 2024. The conference was a hybrid event with both physical and virtual participation.

G21C (Grapholinguistics in the 21st Century, also called /gʁafematik/) is a biennial conference bringing together disciplines concerned with grapholinguistics and, more generally, the study of writing systems and their representation in written communication. The conference aims to reflect on the current state of research in the area and on the role that writing and writing systems play in neighboring disciplines like computer science and information technology, communication, typography, psychology, and pedagogy. In particular it aims to study the effect of the growing importance of Unicode with regard to the future of reading and writing in human societies. Reflecting the richness of perspectives on writing systems, G21C is actively interdisciplinary. It welcomes proposals from researchers from the fields of computer science and information technology, linguistics, communication, pedagogy, psychology, history, and the social sciences.

Teaching AI in Schools

Sat, 13 Jul 2024 09:00:00 +0530

Artificial Intelligence (AI) is a hot topic these days, and it’s natural to wonder how it fits into education. In this article, we will explore the best practices, concerns, and recommendations for integrating AI into school curriculums. I will also provide references to useful tools and learning materials.

Importance of AI education at schools

Why is there a growing interest in teaching AI in schools? AI has become deeply integrated into society, creating new applications and possibilities while also introducing ethical concerns. Whether they are aware of it or not, children use AI-based applications daily: product recommendation systems, predictive text, face recognition, and more. Understanding AI is essential for students to navigate the digital world and make informed decisions. It helps them understand the technology they use and be critical of it.

നിർമിതബുദ്ധി കിയോസ്കുകൾ

Fri, 12 Jul 2024 10:00:00 +0530

ഭാഷ തടസ്സമാകാതിരിക്കാൻ സഞ്ചാരികളെ സഹായിക്കാൻ AI Kiosk കൾ സ്ഥാപിക്കും എന്ന മന്ത്രി മുഹമ്മദ് റിയാസ് നിയമസഭയിൽ പറഞ്ഞെന്ന് പത്രത്തിൽ വായിച്ചു. നിർമിതബുദ്ധിയിൽ പ്രവർത്തിക്കുന്ന കിയോസ്കുകൾ അവർക്ക് അവരുടെ ഭാഷയിൽ മറുപടി കൊടുക്കുമെന്നാണ് മന്ത്രി പറഞ്ഞത്.

ഭാഷ തടസ്സമാകാതിരിക്കാൻ സഞ്ചാരികളെ സഹായിക്കാൻ AI Kiosk കൾ സ്ഥാപിക്കും -ദേശാഭിമാനി പത്രം - ജൂലൈ 12, 2024

ചില ചോദ്യങ്ങൾ

ഏതെങ്കിലും വിനോദസഞ്ചാരകേന്ദ്രത്തെക്കുറിച്ച് നിലവിൽ സഞ്ചാരികൾ അറിയുന്നതും സംശയങ്ങൾ തീർക്കുന്നതും എങ്ങനെയാണ്? അതിൽ എന്ത് പോരായ്മകളാണ് ഉള്ളത്?
ഇന്റർനെറ്റ് കണക്ഷനുള്ള മൊബൈൽ ഫോണുകളിൽ ലഭ്യമല്ലാത്ത എന്തു സൗകര്യമാണ് ഈ കിയോസ്കുകളിൽ ഉണ്ടാകുക? ഇന്റർനെറ്റിൽ ലഭ്യമല്ലാതിരിക്കുകയും എന്നാൽ കിയോസ്കുകളിൽനിന്നു മാത്രം അറിയാൻ കഴിയുന്നതുമായ എന്തെങ്കിലും വിവരങ്ങൾ ഉണ്ടോ?

MetaPost sandbox

Mon, 20 May 2024 10:00:00 +0530

While working with MetaPost for typeface design(Nupuram, Malini), I frequently felt the need for a quick and easy way to test code snippets. This mirrors the functionality of popular online sandboxes like CodeSandbox or JSBin, which many developers are already familiar with. These platforms provide a web-based environment where you can edit code, see the output instantly, and avoid the hassle of setting up a complete application or environment.

Inspired by this concept, I’ve been developing a MetaPost sandbox, and I’m excited to share it with you in this blog post.

Book Review - Tamil Computing By Dr. R. Ponnusamy

Wed, 08 May 2024 10:00:00 +0530

I recently learned about a new book titled “Tamil Computing” by Dr. R. Ponnusamy. It sparked my own long-held desire to write a book on Malayalam Computing, which friends have encouraged me to publish. I am still not convinced that a “printed book” is a good idea to present this topic yet. Not to mention the amount of time it require for such initiatives. So, I was intrigued by this book promptly purchased a copy from amazon.

Concerns on using AI in classrooms

Wed, 24 Apr 2024 10:00:00 +0530

There’s been a recent surge in news reports about schools, including those in Kerala, incorporating AI into classrooms. For example this news titled “Kerala School Introduces IRIS: India’s First AI Teacher Robot”

Today, I learned about a teacher training program organized by the Kerala Education Department. The program focuses on training teachers before students on AI tools.

While I generally support teacher training on new technologies that can potentially improve teaching or save time, I’m curious about the specific problems AI is expected to solve. For instance, the news report mentions AI tools evaluating answer sheets, generating exam questions, and creating unit tests. Perhaps a better question is should these tasks be automated? If teachers struggle with these tasks and seek to rely on AI, there might be underlying pedagogical issues, not technological ones.

മലയാളത്തിന്റെ ഡിജിറ്റൽ സൗന്ദര്യം - പ്രഭാഷണം

Mon, 26 Feb 2024 10:00:00 +0530

ഡോ. പുതുശ്ശേരി രാമചന്ദ്രൻ അനുസ്മരണ ദേശീയസെമിനാറും പുരസ്കാരവിതരണവും 2024 ഫെബ്രുവരി 26, 27, 28 തിയതികളിൽ കേരളയൂണി. കേരളപഠനവിഭാഗം സെമിനാർഹാൾ, കാര്യവട്ടം കാമ്പസിൽ നടന്നു. “നവസാങ്കേതികയും സർഗ്ഗാത്മകസാധ്യതകളും " എന്നതായിരുന്നു സെമിനാർ വിഷയം.

“മലയാളത്തിന്റെ ഡിജിറ്റൽ സൗന്ദര്യം” എന്ന വിഷയം ഞാൻ അവതരിപ്പിച്ചു.

അവതരണം

ഒന്നരമണിക്കൂർ ഉള്ള ഈ പ്രഭാഷണം നിരവധി ചിത്രങ്ങളുടെയും വീഡിയോകളുടെയും ഇല്ലസ്ട്രേഷനുകളുടെയും സഹായത്തോടെയുള്ളതാണ്.

ഇരുനൂറ്റമ്പത് കൊല്ലത്തെ മലയാളത്തിന്റെ അച്ചടി ചരിത്രത്തിൽ അക്ഷരങ്ങളുടെ സൗന്ദര്യത്തിൽ വന്ന മാറ്റങ്ങൾ, ആ മാറ്റങ്ങൾക്ക് സാങ്കേതികവിദ്യ, അധികാരവ്യവസ്ഥ എന്നിവ എങ്ങനെ കാരണമായി? ആ മാറ്റങ്ങളുടെ സവിശേഷതകൾ, നാൾവഴികൾ എന്ത്?

ഇന്നത്തെ കാലത്തെ അക്ഷരങ്ങളുടെ സൗന്ദര്യാവിഷ്കാരം ഫോണ്ടുകൾ വഴിയാണെന്നതുകൊണ്ട് മലയാളത്തിന്റെ സൗന്ദര്യത്തെ എങ്ങനെ ഫോണ്ടുകൾ ആവിഷ്കരിക്കുന്നു? എന്താണ് സൗന്ദര്യം? അക്ഷരങ്ങളുടെ വടിവിനെ ടെക്നോളജി എങ്ങനെ നിർവചിക്കുന്നു, അതെങ്ങനെ സാധ്യമാക്കുന്നു?

നിർമിതിബുദ്ധി മാതൃകകളിലെ മലയാളം - പ്രഭാഷണം

Sun, 07 Jan 2024 10:00:00 +0530

നിർമിതബുദ്ധിമാതൃകകളിലെ മലയാളം എന്ന വിഷയത്തിൽ ശ്രീശങ്കരാചാര്യ കാലടി സംസ്കൃതസർവകലാശാലയുടെ തിരുനാവായ പ്രാദേശിക കേന്ദ്രത്തിൽ ജനുവരി ആറിന് പ്രഭാഷണം നടത്തി.

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിൽ മലയാളം ഒരു ഭാഷ എന്ന നിലയിൽ എവിടെ എത്തിനിൽക്കുന്നു, ഭാഷയുടെ പ്രത്യേകതകൾ എങ്ങനെയാണ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലുകൾ പ്രവർത്തിക്കുന്നത്, മറ്റുഭാഷകളെ അപേക്ഷിച്ച് എന്തൊക്കെ വെല്ലുവിളികളാണ് മലയാളത്തിനുള്ളത് തുടങ്ങിയ വിഷയങ്ങളാണ് അവതരിപ്പിച്ചത്. slides

Video recording is given below:

Year 2023

Fri, 22 Dec 2023 15:00:00 +0530

From facebook post

വളരെ തിരക്കുപിടിച്ച ഒരു വർഷമാണ് കടന്നുപോകുന്നുന്നത്. ഫേസ്‌ബുക്കിൽ വല്ലപ്പോഴും മാത്രമേ കയറിയുള്ളൂ. വർഷാവസാനം ആയതുകൊണ്ട് ഒരു അവലോകനം എഴുതിയിടാമെന്നു കരുതി.

ഇക്കൊല്ലം ഒരു അക്കാദമിക് പേപ്പറെഴുതി. ഇതുവരെ എഴുതിയ ഗവേഷണപ്രബന്ധങ്ങളിൽ നിന്ന് ഇക്കൊല്ലം മൊത്തത്തിൽ 220 സൈറ്റേഷനുകൾ കിട്ടി. നാലു രാജ്യങ്ങളിലായി ഏഴു കോൺഫറൻസുകളിൽ പങ്കെടുത്തു സംസാരിച്ചു.

അതിൽ രണ്ടെണ്ണത്തിൽ കീനോട്ട് സ്പീക്കറായിരുന്നു(ഫിൻലാൻഡിലെ Tampereൽ നടന്ന യൂറോപ്യൻ അസോസിയേഷൻ ഓഫ് മെഷിൻ ട്രാൻസ്‌ലേഷൻ, ചൈനയിലെ Macaoൽ നടന്ന ഏഷ്യൻ മെഷിൻ ട്രാൻസ്‌ലേഷൻ പരിപാടി). മൂന്ന് പാനൽ ഡിസ്കഷനുകൾ. ഇതിനെല്ലാം കൂടി 14 വിമാനയാത്രകൾ.

ഇക്കൊല്ലം ഇതുവരെ 900 സോഴ്സ് കോഡ് കമ്മിറ്റുകൾ(സ്വതന്ത്ര സോഫ്റ്റ്‌വെയർ രംഗത്ത് പ്രവർത്തിക്കുന്നവർക്കു മനസ്സിലാകും. കോലി ഈ വർഷം എത്ര റൺ അടിച്ചുകൂട്ടി എന്നു പറയുന്നപോലെ ഒരു സംഭവം). സോഫ്റ്റ്‌വെയർ എൻജിനിയറിങ്ങ് പ്രൊഫഷനിൽ പതിനെട്ടാം വർഷത്തിലും സജീവമായി പ്രോഗ്രാമിങ്ങ് ചെയ്യുന്നു എന്നതിൽ അഭിമാനിക്കുന്നു. പത്തുലേഖനങ്ങൾ ബ്ലോഗിൽ എഴുതി.

Typoday 2023

Fri, 08 Dec 2023 10:00:00 +0530

I presented a paper titled “Modernizing Parametric type design - A case study of Nupuram Malayalam typeface” at Typoday 2023, Banaras Hindu University. Here is the link to paper(pdf): https://typoday.in/spk_papers/Santhosh_Thottingal_Typoday2023.pdf

This is 16th edition of conference, hosted by Department of Applied Arts, Faculty of Visual Arts Banaras Hindu University.

One of the memorables from the conference was my opportunity to meet Muthu Nedumaran. I had an incredible 2-hour conversation with him on fonts, curves, spacing and technology of Indian scripts.

Correspondence with Kerala State Commission for Protection of Child Rights

Fri, 24 Nov 2023 10:00:00 +0530

On October 2, 2018, I reached out to the Kerala State Commission for Protection of Child Rights. My letter highlighted the urgent need for parental guidance and content ratings on TV programs for children. Many shows broadcasted lack age-appropriate warnings, exposing children to inappropriate content like vulgar language, violence, and negative portrayals of family and gender roles. This issue, I argued, required intervention in line with practices in any civilized society.

ആം ചിഹ്നം ഫോണ്ടുകളിൽ

Wed, 04 Oct 2023 16:30:00 +0530

ഏറെക്കാലമായി പലരും ചോദിക്കുന്ന ഒരു സംശയമാണ് അക്കങ്ങളുടെ കൂടെ ആം ചിഹ്നം എഴുതുമ്പോൾ വരുന്ന കുത്തുവട്ടം എങ്ങനെ കളയാമെന്ന്. 16-ാം, 18ാം തുടങ്ങിയ ഉദാഹരണങ്ങൾ. ഒട്ടുമിക്ക അപ്ലിക്കേഷനുകളുടെ പുതിയ പതിപ്പുകളിലും ഈ പ്രശ്നം കാണില്ല. ലിബ്രെഓഫീസിൽ പക്ഷേ ഈ പ്രശ്നം തുടരുന്നുണ്ട്. ഇതിനു പരിഹാരമായി ഫോണ്ടുകളിൽ ഒരു ചെറിയ പുതുക്കൽ നടത്തിയിട്ടുണ്ട്. മഞ്ജരി, ഗായത്രി, ചിലങ്ക, നൂപുരം ഫോണ്ടുകളുടെ പുതിയ പതിപ്പുപയോഗിച്ചാൽ ഈ പ്രശ്നം ഒഴിവാകും. പുതിയ പതിപ്പുകൾ smc.org.in/fonts എന്ന പേജിൽ നിന്നെടുക്കാം.

MetaPost previewer

Wed, 04 Oct 2023 16:00:00 +0530

I created a simple MetaPost playground website mpost.thottingal.in where people can quickly write MetaPost code and preview the result.

This avoids the need of setting up MetaPost in your computer. Your edits in the code will be automatically executed.

This is part of exploration to use MetaPost for typeface design. Checkout the Nupuram and Malini typefaces designed using MetaPost. I also started a repository of various type design concepts illustrated using MetaPost: https://github.com/santhoshtr/type-concepts

Wikimania 2023

Wed, 04 Oct 2023 15:00:00 +0530

I attended Wikimania 2023, an annual conference of people working on Wikipedia and other Wikimedia projects. This year’s conference was at Singapore.

State of Machine Learning on the Wikimedia projects

I presented a talk titled “State of Machine Learning on the Wikimedia projects”. Machine learning is used in many Wikimedia projects. This talk was be round up of various projects that use ML. I talked about:

How Machine learning is used in our project, the benefits and impact.
How we make sure the usage is as per the ML usage policies? The design, ethics and product considerations of ML in our projects.
What are the challenges we are facing and how we are solving them?
Potential opportunities that are worth exploring

Following is the video recording from the session. Link to presentation slides

sentencex: Empowering NLP with Multilingual Sentence Extraction

Wed, 04 Oct 2023 14:00:00 +0530

Sentence segmentation is a fundamental process in natural language processing. It involves breaking down a given text into individual sentences, a task that finds applications in various contexts. Whether you need to split a paragraph into sentences for further analysis or present sentence boundaries in a user-friendly frontend application, sentence segmentation is crucial.

At first glance, identifying sentence boundaries might seem straightforward – just look for a period or full stop. However, it quickly becomes complex when you consider cases where a period is used for abbreviations such as “Dr.” or in numerical values like “3.14.” This simple punctuation mark doesn’t always signal the end of a sentence.

Natural language question answering in Wikipedia - an exploration - Part 4

Tue, 19 Sep 2023 16:00:00 +0530

I wrote about the exploration on Natural language querying for wikipedia in previous three blog posts.

In Part 1, I was suggesting that building such a collection of question and answers can help natural language answering. One missing piece was actually suggesting an answer for a new question that is not part of QA set for article.

In Part 2, I tried using distilbert-base-cased-distilled-squad with ONNX optimization to answer the questions. I used a hybrid approach of Named Entity recognition on the question to find relevant titles. I also feed this question to Wikipedia search api and extract the titles returned by it. The results were not optimal. The answers were just a word or phrase. If that is found in the retrieved context. Context retrieval based on NER or Wikipedia search was also not giving related wikipedia articles.

Natural language question answering in Wikipedia - an exploration - Part 3

Fri, 21 Jul 2023 09:45:00 +0530

I wrote about the exploration on Natural language querying for wikipedia in previous two blog posts.

Natural language question answering in Wikipedia - an exploration - Part2

Sat, 25 Mar 2023 09:45:00 +0530

A few days back I posted an experiment on Natural language querying for wikipedia by generating questions and answers. I was suggesting that building such a collection of question and answers can help natural language answering. One missing piece was actually suggesting an answer for a new question that is not part of QA set for article.

As a continuation of that experiment, I was exploring various options for answering questions. I used the following approach:

Natural language question answering in Wikipedia - an exploration

Fri, 10 Mar 2023 09:45:00 +0530

In this blog post I explain the prospects of providing questions and answers as an additional content format in wikipedia and a human-in-the-loop approach for that with a prototype.

Introduction

Wikipedia is a hub for curiosity, with people visiting the site in search of answers to their questions. However, they typically arrive at Wikipedia via intermediaries such as search engines, which direct them to the relevant article. While Wikipedia’s keyword-based search function can be helpful, it may not be sufficient for addressing more complex natural language queries. As a result, AI-based conversational agents like ChatGPT have become increasingly popular for knowledge seekers. However, the accuracy and reliability of information provided by AI systems may be questionable.

Introducing Nupuram, new Malayalam typeface

Wed, 05 Oct 2022 09:45:00 +0530

I am happy to introduce Nupuram, a new Malayalam typeface that I have been designing and developing for several months. The typeface is not ready for a stable release, but pre-release versions are available for early testing.

Nupuram is a superfamily typeface.

Nupuram variable font

Taking full advantage of variable font technology, Nupuram offers an unprecedented level of flexibility, all from a single font file. Nupuram has 4 variation axes: Weight, Width, Slant and Softness. As a variable font, Nupuram gives you fine-grained control over each one of its styles. However, it also comes with 64 predefined styles that are easy to access through your font menu. Called named instances¹, these work just like regular static fonts do.

Gayathri 1.20 released

Sat, 14 May 2022 09:45:00 +0530

A new version of Gayathri typeface is available now. Version 1.20 comes with a few bugfixes and glyph additions.

New version is available at SMC website for preview and download.

Changes

Fix the size issue of fullstop and comma
Add 0D7B+0D4D+0D31 based ന്റ
Improve kerning for latin
Add 22 latin glyphs
Fix spacing issues for quote signs
Flatten the nested components
Update build dependencies and CI

The latest version is not yet available at Google fonts. But I hope it will be updated soon.

ലിപിപരിഷ്കരണം 2022

Sat, 23 Apr 2022 12:00:00 +0530

മലയാളലിപി പരിഷ്കരിക്കാനായി സർക്കാർ രൂപീകരിച്ച വിദഗ്ദ്ധസമിതിയുടെ നിർദ്ദേശങ്ങൾ അംഗീകരിച്ചെന്നും ഉ ചിഹ്നങ്ങൾ മാത്രം വിട്ടെഴുതുന്ന പഴയലിപി സമിതി നിർദ്ദേശിച്ചുവെന്നുമുള്ള വാർത്തകളുടെ അടിസ്ഥാനത്തിൽ ചില പ്രതികരണങ്ങളും ചിന്തകളും പങ്കുവെയ്ക്കുന്നു.

ഫോണ്ടുകളും ലിപിപരിഷ്കരണവും

നിലവിൽ പേന/ബ്രഷ് കൊണ്ടല്ലാത്ത എല്ലാത്തരം അച്ചടിയും അക്ഷരങ്ങളുടെ ചിത്രീകരണവും നടക്കുന്നത് ഫോണ്ടുകൾ എന്ന സോഫ്റ്റ്‌‌വെയർ വഴിയാണ്. അതുകൊണ്ടുതന്നെ ഒരു ഭാഷയിലെ ലിപിരൂപങ്ങളെക്കുറിച്ചുള്ള ഏതൊരുമാറ്റത്തിനും ഇന്ന് ഒരു സോഫ്റ്റ്‌വെയർ റിലീസ് സൈക്കിളിനോട് സാമ്യമുണ്ട്. പക്ഷേ പൂർണ്ണാർത്ഥത്തിൽ ഒരു സോഫ്റ്റ്‌വെയർ അതിന്റെ ഫീച്ചറുകളിൽ മാറ്റം വരുത്തി പുതിയ പതിപ്പായി ഇറക്കുന്നപോലെയല്ല ഫോണ്ടുകളുടെ റിലീസ്. ഫോണ്ടുകളിൽ ടെക്നോളജിയുടെ ഒപ്പം തന്നെ അക്ഷരങ്ങളുടെ കലാപരമായ ചിത്രീകരണം കൂടി ഉള്ളതുകൊണ്ട് ഒരിക്കൽ ഒരു ഫോണ്ട് പുറത്തുവന്നാൽ അതിന്റെ രൂപകല്പനയും ഘടനയും മാറ്റിപ്പണിത് പുറത്തിറക്കാറില്ല.

ബഹുവചനമില്ലാത്ത ദേശാഭിമാനി

Mon, 21 Feb 2022 18:00:00 +0530

ഈയിടെയായി ദേശാഭിമാനി പത്രത്തിൽ ബഹുവചനങ്ങൾ, പ്രത്യേകിച്ചും തലക്കെട്ടുകളിൽ ഒഴിവാക്കുന്നത് ശ്രദ്ധയിൽ പെട്ടു. ഇത് ഒരു എഡിറ്റോറിയൽ തീരുമാനമാണോയെന്നറിയില്ല. തലക്കെട്ടിൽ ബഹുവചനരൂപമില്ലെങ്കിലും വാർത്തയിൽ അവയുണ്ടുതാനും. ഇത് എല്ലായിടത്തും ഒരുപോലെ കാണുന്നുമില്ല. വെറുമൊരു കൗതുകത്തിനു കുറച്ചു ഉദാഹരണങ്ങൾ കൊടുക്കുന്നു.

Hyphenation of Indian languages

Fri, 18 Feb 2022 20:00:00 +0530

The latest version of Firefox - Firefox 97 - supports hyphenation of Indian languages. I had filed a bug report to include the hyphenation patterns I prepared in Firefox. That 6 year old bug report is now resolved.

Hyphenation is the process inserting hyphens in between the syllables of a word so that when the text is justified, maximum space is utilized.

Following languages are supported:

Assamese
Bengali
Gujarati
Hindi
Kannada
Malayalam
Marati
Odia
Panjabi
Tamil
Telugu

I had written several articles about how to do hyphenation for Indian languages in various applications. Now that Firefox also gets hyphenation support, I would like to summarize the hyphenation support in applications here.

Using Manjari as new orthography Malayalam font

Fri, 29 Oct 2021 20:00:00 +0530

Manjari is a traditional orthography font for Malayalam. It has large set of ligatures, vowel signs like /u/ get attached to its corresponding consonants to form ligatures. But, sometimes there are requirements to illustrate new orthography Malayalam content in Manjari. Recently, Manjari was used to typeset an academic book related to Malayalam script and it was required to show some content in new orthography with detached vowel signs and detached reph signs. Using a different font that follows new orthography such as Noto Sans Malayalam was possible, but mixing Noto and Manjari won’t give a pleasant reading experience.

One million Wikipedia articles by translation

Fri, 22 Oct 2021 11:59:00 +0530

I am happy to share a news from my work at Wikimedia Foundation. The Wikipedia article translation system, known as Content Translation reached a milestone of creating one million articles. Since 2015, this is my major project at WMF and I am lead engineer for the project. The Content Translation system helps Wikipedia editors to quickly translate and publish articles from one language wiki to another. This way, the knowledge gap between different languages are reduced.

New version of Malayalam morphology analyser

Sat, 20 Mar 2021 09:30:00 +0530

In the previous blog post I explained my efforts to modernize SFST. Since I published SFST python binding and modernized to make it compile in all operating systems, next step was to drop HFST dependency of mlmorph and use the new version of SFST 1.5.0.

mlmorph 1.3.0 has no dependency on HFST and all installation problems in different operating systems and python versions are solved now.

Latest version is also available in pypi.org. It can be installed using pip install mlmorph. You can try it in the collab notebook.

New version of Stuttgart Finite State Transducer

Sat, 20 Mar 2021 09:25:00 +0530

The Malayalam morphology analyser(mlmorph) I am actively developing since 2016 is based on Stuttgart Finite State Transducer(SFST) formalism. SFST was developed by Dr Helmut Schmid. Since SFST had minimal developer apis and no functional python APIs, I was using Helsinki Finite State Transducer(HFST) toolkit. HFST has python binding and better tooling and development support. HFST has SFST backend so there was no issue in using SFST formalism.

But HFST development has slowed down in past years. In 2017, I had to switch back to SFST for compiling my automata because HFST’s compile support for SFST was broken. That complicated my build system, but still I was able to use the python binding of HFST. But the development and release cycles of HFST further slowed down and python bindings were not released for python 3.8 or later versions. So mlmorph was stuck with python 3.8 and this was a big pain point since developers trying to use mlmorph found it not working in their python versions. It became more serious when Ubuntu and such popular distros moved to later python versions as default ones. I tried to contact the upstream developers. They were trying to help, but there were no active developers. Helping HFST to release python bindings was not easy because of very complicated build system they have.

New version of Manjari Typeface released

Fri, 19 Mar 2021 20:00:00 +0530

A new version of Manjari Malayalam typeface is available now. Version 2.000 comes with a few bugfixes and glyph additions. Most of the changes are based on a review by Google fonts team.

New version is available at SMC website for preview and download.

Changes

Design correction for Malayalam number 10 to better match the attestations (0d6b0fc2)
Avoid glyphs that use components that are components themself (6fe9b35d)
Add ligatures glyphs for ൻ + ് + റ version of nta (2c39ae08)
Review and update diacritics alignment (c498245d)
Rename License.txt to OFL.txt (a483e86c and 40411ef0)
Revert “Use consistant hhea ascender and descender” and disable vertical metrics check in fontbakery (832e54e3 and 05a899d1)
GDEF: Change the Mark glyphs to non-spacing and add more mark glyphs (550d0515)
Improve fractions glyphs for consistant stroke widths (b6e70bb5)
Fix points out of bounds issues (285417c6)
Add ക്ട്ര ligature glyph (186fdb4b)
Add more tests for kerning and latin (9d900e58)
CI: Exclude name check in fontbakery (c28d095f)
Multiple build toolchain updates

The latest version is not yet available at Google fonts. But I hope it will be updated soon.

Tesseract OCR web interface

Sat, 14 Nov 2020 14:38:00 +0530

I prepared a web frontend for Tesseract OCR to do optical character recognition for Malayalam - https://ocr.smc.org.in

This application uses Tesseract.js, Javascript port of Tesseract.

You can use images with English or Malayalam content. Use the editor and the spellchecker for proofreading the text recognized.

Your image does not leave your browser since the recognition is done in browser and does not use any remote servers.

Fixing a bug in Malayalam ya, ra, va sign rendering

Fri, 13 Nov 2020 16:50:00 +0530

In Malayalam, the Ya, Va and Ra consonant signs when appeared together has an interesting problem. The Ra sign(്ര also known as reph) is prebase sign, meaning, it goes to left side of the consonant or conjunct to which it applies. The Ya sign(്യ) and Va sign(്വ) are post base, meaning it goes to the right side of consonant or conjunct to which it applies. So, after a consonant or conjunct, if Ra sign and Ya sign is present, Ra sign goes to left and Ya sign remain to the right. This is same, irrespective of the order of ya and ra signs.

English Malayalam Translation using OpusMT

Sun, 01 Nov 2020 17:10:00 +0530

SMC had started a machine translation service at translate.smc.org.in for English-Malayalam. This system uses huggingface transformers with OpusMT language models for translation.

OPUS MT provides pre-trained neural translation models trained on OPUS data. These models can seamlessly run with the OPUS-MT transation servers that can be installed from our OPUS-MT github repository. The translation service is powered by Marian Neural MT engine

The quality of the machine translation depends on the availability of parallel corpus. Data contributions by actual users are more than welcome. If you are interested in contributing translated documents, please use Opus repository to upload translated documents in various formats. This could also be translated webpages. Anyone can create an account and start uploading data. You may also help us uploading additional training data at https://translate.ling.helsinki.fi/

Web application for learning Malayalam writing

Sun, 01 Nov 2020 16:50:00 +0530

In my previous blog post, I wrote about an experiment of using SVG path animation to help learn malayalam letter writing. That prototype application was well received by many people and that encouraged me to host it as a proper application.

Now, the Malayalam learning application is available at https://learn.smc.org.in

Source code: https://gitlab.com/smc/mlmash

I added all letters of Malayalam there. Added a few common ligatures too. Kavya helped to record and add pronunication of these letters with couple of examples.

Animated SVGs for learning Malayalam writing

Tue, 27 Oct 2020 20:10:00 +0530

I wanted to make an educational typeface with writing directions in each glyphs. Something like this:

But considering the effort it takes I was bit confused whether it is really necessary to have a typeface or just images like this will suffice.

Recently, I read about SVG path animations and I thought animating the path inside each letters will be more helpful than static image with drawing directions.

The Chilanka and Manjari typefaces I designed have SVG images with strokes as master designs and in most of the cases, the stroke path directions are the writing directions. That makes my job easy as I can just reuse all those SVGs and apply path animations.

A spellchecker webservice supporting 90 languages

Mon, 26 Oct 2020 16:10:00 +0530

https://spell.toolforge.org/ is a webservice providing spellcheck web API for 90 languages.

I wrote this service hoping that it can be potentially integrated to wikipedia editor to help contributors.

The spellchecker backend is hunspell for majority of the languages. It can also proxy similar webservices to provide a single interface. For Malayalam language it uses such an external web API.

This Express based nodejs service interfaces to hunspell using nodehun.

API

GET spellcheck/:language/:word: Check the word in the given language for spelling mistakes. Example
POST spellcheck/:language: Check the words in the text passed for spelling mistakes. The posted body should be json with “text” key containing text.
GET list/languages: List available languages. Example

Example

As an example, I created a TinyMCE Editor with spellchecker capability using this API

Digital garden

Sun, 25 Oct 2020 16:10:00 +0530

docs.thottingal.in is my personal knowledge space I try to document and share everything I know about this world in form of an online GitBook hosted on GitHub.

What is a digital garden?

In basic terms, it is a different format for written content on the web. It’s about moving away from blog posts ordered by dates and categories, into more of an interlinked web of notes. Blog posts are articles at a point in time, while here it is living document. Digital gardens are also known as Zettelkasten or Second Brain.

Foreign word detection in mlmorph

Sat, 24 Oct 2020 14:10:00 +0530

The test corpus for Malayalam Morphological analysis has many foreign words. They are either written in a non-Malayalam script or written in Malayalam. For example, “ഇലക്ട്രിസിറ്റി”, “ഡോക്സ്”, “ഇന്റർമീഡിയറ്റ്”, “അബ്സ്ട്രാക്റ്റ്”, “ഇല്ലസ്ടേഷൻ”, “ഇല്ലിറ്ററേറ്റ്”, “റെക്കോർഡ്”, “procrastination”, “唐宸禹” - These are all foreign words and it is useless to analyse them using mlmorph. Since mlmorph works based on a root word lexicon, it is practically impossible to have them in lexicon. So there should be a way to identify the words easily and tag them as FW - Foreign word Part of speech. The presence of these foreign words also distorts the coverage statistics of mlmorph. A good part of the test corpus is Malayalam wikipedia corpus and it has so many foreign words when the article is about foreign places or people.

What is a good input method?

Mon, 21 Sep 2020 14:10:00 +0530

As more and more people enter to the Malayalam digital world, the issue of not having any formal training for Malayalam computing is more observed. People sometimes just search for input methods in web, ask friends or use whatever coming with the devices they have. Since I myself is an author of two input methods, sometimes people ask me too. This essay is about the characteristics of a good input method to help people make the right choice. This essay does not recommend any particular input method though. I will focus on Malayalam language, but some concepts may be applicable for similar languages.

Stuttgart Finite State Transducer(SFST) formalism support for VS Code

Fri, 11 Sep 2020 17:00:00 +0530

I just published a VS Code language extension to support syntax highlighting for Stuttgart Finite State Transducer (SFST) formalism to VS Code.

I learned how to write a language extension when I attempted the opentype feature file support. So I thought of applying that learning to SFST which I regularly use for the Malayalam morphology analyser project.

Opentype feature file support for VS Code

Thu, 10 Sep 2020 15:44:00 +0530

I just published a VS Code language extension to support OpenType feature files in the Adobe “AFDKO” format.

The extension provides syntax highlighting and code snippet support.

(Screenshot From Amiri font)

The syntax highlighting patterns for AFDKO is based on the opentype-feature-bundle for Atom Editor by Kennet Ormandy which is based upon Brook Elgie’s original Textmate bundle.

The code snippets are based on the snippets prepared by Simon Cozens for AFDKO-SublimeText

I hope this will be useful for font developers using VS Code for opentype programming and automation.

Malayalam Spellchecker version 1.1.1 released

Sat, 29 Aug 2020 17:24:00 +0530

A new version of Malayalam spell checker based on mlmorph is available as python library.

Install the library

$ pip install mlmorph_spellchecker

Sample usage

>>> from mlmorph_spellchecker import SpellChecker
>>> spellchecker = SpellChecker()
>>> word = "ഉച്ഛാരണം"
>>> spellchecker.spellcheck(word)
False
>>> spellchecker.candidates(word)
['ഉച്ചാരണം']
>>> spellchecker.spellcheck("ചിത്രകാരൻ")
True

The new version adds a database of commonly mistaken words of Malayalam for quick checks and correction. If the given word is present in that common list, spellcheck result and correction suggestions will be based on that database. This database is based on Malayalam Wikipedia’s commonly mistaken words and Kerala government glossary of such words. Source code is at gitlab

Manjari version 1.910 released

Fri, 28 Aug 2020 10:10:00 +0530

A new version of Manjari typeface is available now. New version adds about 25 Latin glyphs that are considered important by Google Fonts checks. Manjari is now integrated with Fontbakery font quality check in its CI. Some bugs reported by Fontbakery is also fixed.

It is available at SMC website. Change log is available in gitlab

SMC also started to publish the font releases in a new release file server - releases.smc.org.in. Thanks to Balasankar and Ashik for the release workflow automation.

Tamil Computing Virtual Meetup

Sun, 09 Aug 2020 18:10:00 +0530

Today(August 09, 2020), Tamil Virtual Academy organized a virual meetup on Tamil computing and its roadmap. This full day event had 18 sessions presented by various people working on Tamil computing. Event was chaired by T. Udhayachandran IAS, Director of TVU.

I was also invited for the program. I talked about potentially collaboration of Tamil and Malayalam computing communities to solve common problems. Opensource based language computing helps to accelerate language computing in both languages by such collaboration. Here is my presentation slides.

Manjari - 4th anniversary

Thu, 23 Jul 2020 10:10:00 +0530

A rough drawing I did in 2014 November 20 and shared with my friends as a new font idea. I got this concept from my explorations about perfect curves in Malayalam script after I released Chilanka font. I spent all my free time from then onwards till releasing Manjari typeface on 23rd July 2016 by making it as perfect as I can. I took two months time off from my job in 2016 to complete this work too. Kavya also helped me in preparing the thin variant from outlines. Once released, it became one of the most popular typefaces in Malayalam.

Manjari version 1.810 released

Sun, 05 Jul 2020 10:10:00 +0530

A new version of Manjari typeface is available now. It adds Vedic Anuswara letter ഄ - 0D04 encoded in Unicode 13.0

It is available at SMC website.

To learn more about Vedic Anuswara, you may refer the encoding proposal

Morphology analyser based spellchecker - Web version

Sat, 20 Jun 2020 15:10:00 +0530

I prepared a web frontend for the Malayalam spellchecker based on the Malayalam morphology analyser.

It is available at https://morph.smc.org.in/spellcheck.html.

I had written an article about its technology two years ago. There s also an incomplete extension to LibreOffice.

The spellchecker is available as an API too. If you want to use it, please refer a minimal code snippet available at codepen.

The quality of spellcheck and suggestions provided depend on the completeness of mlmorph project. Since mlmorph is ongoing and highly complex project, this will take time.

Video interviews on SMC and FOSS

Sat, 20 Jun 2020 14:17:00 +0530

While the COVID-19 pandemic is going on, Kerala free software communities started doing interview series with active contributors. The interviews were very informal and was about personal journey and the story behind the projects. And they were all in Malayalam.

I gave 3 such interviews in last few weeks. I am going to list them in this blog post.

Humans of SMC Series

This was an initiative by Tinkerhub, a non-profit organization which promotes the creation of tech-talent focused among youth, especially students. Hrishikesh interviewed me for them.

ഡിജിറ്റൽ സാക്ഷരതാ പദ്ധതി

Sat, 30 May 2020 16:17:00 +0530

കേരളത്തിന്റെ സാക്ഷരതാപ്രസ്ഥാനത്തിന്റെ തുടർച്ചയായി സാർവത്രിക ഡിജിറ്റൽ സാക്ഷരതാ പദ്ധതിയ്ക്കായി ചില ശ്രമങ്ങൾ 2019 സെപ്റ്റംബർ മുതൽ ഞാൻ നടത്തിയിരുന്നു. സർക്കാറിന്റെയും മറ്റുസ്ഥാപനങ്ങളുടെയും ആഭിമുഖ്യത്തിൽ ആ പദ്ധതി മാർച്ചിൽ തുടങ്ങാനിരിക്കെ കോവിഡ്-19 മഹാമാരി ഗുരുതരമാകുകയും പദ്ധതിയുടെ ഭാവി അനിശ്ചിതത്തിലാവുകയും ചെയ്തു. അതേ സമയം ഇത്തരമൊരു പദ്ധതിയുടെ ആവശ്യകത ഇരട്ടിക്കുകയും ചെയ്തു. പദ്ധതിയെപ്പറ്റി സർക്കാറിന്റെ ഔദ്യോഗികപ്രഖ്യാപനങ്ങൾ വന്നോട്ടെ എന്നുകരുതി ഞാൻ ഒന്നും പബ്ലിക്ക് ആയി എഴുതിയിരുന്നില്ല. പുതിയ സാഹചര്യത്തിൽ ഈ പദ്ധതിയ്ക്കുവേണ്ടിയുള്ള ഞാനടക്കമുള്ള ഒരുപാടുപേരുടെ പ്രയത്നത്തെ രേഖപ്പെടുത്താനാണ് ഈ ലേഖനം.

തുടക്കം

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ പ്രവർത്തനഫലങ്ങൾ കൂടുതൽ ആളുകളിലേക്കെത്തുകയും അതോടൊപ്പം കമ്പ്യൂട്ടർ, മൊബൈൽ, ഇന്റർനെറ്റ് തുടങ്ങിയവ എല്ലാവരും വ്യാപകമായി ഉപയോഗിക്കാൻ തുടങ്ങുകയും ചെയ്തതോടെ കഴിഞ്ഞ കുറേ വർഷങ്ങളായി എന്റെയും സുഹൃത്തുക്കളുടെയും നല്ലൊരുഭാഗം സമയം ഇതുസംബന്ധിച്ച സംശയനിവാരണത്തിനും സഹായങ്ങൾക്കുമായി മാറ്റിവെക്കേണ്ടിവരുന്നുണ്ട്. ഈമെയിൽ, സോഷ്യൽ മീഡിയ തുടങ്ങി പലരീതിയിൽ ആളുകൾ നിരന്തരം ബന്ധപ്പെട്ടുകൊണ്ടിരിക്കുന്നുണ്ട്. ഞങ്ങൾ ഈ മേഖലയിൽ ഗവേഷണവും സോഫ്റ്റ്‌വെയർ ഡെവലപ്മെന്റും ചെയ്യുന്നവരാണെങ്കിലും വലിയ തോതിൽ ഇങ്ങനെ സമയം മാറ്റിവെയ്ക്കാനില്ലാത്തവരാണ്. ഈ സാഹചര്യത്തിലാണ് എന്തുകൊണ്ട് ഗവൺമെന്റിനുതന്നെ ഒരു മലയാളം കമ്പ്യൂട്ടിങ്ങ് സാക്ഷരതാ പരിപാടി തുടങ്ങിക്കൂടാ എന്ന ചിന്ത ഉണ്ടാവുന്നത്. ജൂൺ മാസത്തിൽ ഇക്കാര്യം ഞാൻ സാക്ഷരതാമിഷൻ ഡയറക്ടർ ഡോ. പി. എസ്. ശ്രീകലയോട് ഈമെയിൽ വഴി ചർച്ച ചെയ്യുകയും അവർ അത് ചർച്ച ചെയ്യാൻ ഒരു ദിവസം നേരിൽ കാണാൻ വരാനാവശ്യപ്പെടുകയും ചെയ്തു.

Life in the time of lockdown

Sun, 26 Apr 2020 11:17:00 +0530

It has been more than a month since lockdown is announced in Kerala. The world has changed and never going to be same. I thought of leaving a write up here, mainly for future self to recollect how did I spend this time at home.

Sunday, March 21st was general curfew in India. On the same day, Kavya’s grand father passed away at Thodupuzha. Since travel was not allowed on the day, we could not travel from Thiruvananthapuram to Thodupuzha. On Monday 22nd we travelled in a taxi to Thodupuzha. The funeral was very minimal due to the special circumstances and government orders that prevent people to attend functions. We returned on the same day back to Thiruvananthapuram. While we were travelling back, lock down was announced from next day - 23rd onwards.

Manjari version 1.800 released

Sat, 11 Apr 2020 11:17:00 +0530

A new version of Manjari Malayalam typeface is available now. Version 1.800 adds tabular number and slashed zero opentype features along with bug fixes.

New version of the font is available at: https://smc.org.in/fonts/#manjari

Tabular numbers

The Kerala health department publishes daily COVID-19 reports and they use Manjari(example). Sometimes the numbers in table in Manjari font is slightly difficult to read when you want to compare the numbers in columns across rows. This is because each digit will take a proportional horizontal space and not fixed width.

Chilanka font version 1.500 released

Sat, 21 Mar 2020 17:14:00 +0530

A new version of Chilanka Malayalam typeface is available now. Version 1.500 adds glyphs required to support International Alphabet of Sanskrit Transliteration

New version of the font is available at: https://smc.org.in/fonts/#chilanka

Chilanka was the first typeface I designed in 2014 for Malayalam. The usecase I had in mind while designing it was to use it in comic or non-serious contexts. But once it was released, contrary to my expectation, people used for serious Malayalam writing. The identity it acquired since its release was more about writing that are personal, such as invitations, intimate letters, reflections of childhood, innocence, nostalgia etc. This was a pleasant surprise to me and happy to see its widespread use everywhere.

Procrustes Analysis Based Handwriting Recognition

Sat, 29 Feb 2020 20:14:00 +0530

Many months back, I started an experiment to see if Malayalam handwriting recognition can be done in a non-machine learning based approach. This blog post explains the approach, the work done so far and results.

Handwriting recognition can be done while the user is writing(called online handwriting recognition) and recognizing a sample somebody wrote in the past(offline recognition). Online and offline recognition problems are different problems. This is because, in online recognition, it is possible to capture additional details such as pen up, pen down, pen movement directions and rotations. These details provide an extra advantage on recognition. In offline recognition, we only have a sample written by somebody in the past. It is also important to note that optical character recognition(OCR) for printed content on a paper has differences with handwriting recognition. Printed content often have regularities(single font, uniformly aligned content etc.)

Professional student summit 2020

Thu, 27 Feb 2020 20:14:00 +0530

On February 15, I attended the Professional student summit organized by higher education department of Kerala. The summit aims to provide a venue to interact with professionals with the students. Around 2000 students from 2nd to 4th semesters from different colleges of law, engineering, medicine, agriculture, fisheries, veterinary and management in Kerala attended the summit. The Chief Minister and Minister for Higher Education also attended the Summit. This is the second edition of the event. The first one was in 2019 at same venue - Cochin university of science and technology.

POS Tagging: A review of BIS POS tagset and ILCI-II Malayalam Text Corpus

Tue, 10 Sep 2019 11:16:44 +0530

The Bureau of Indian Standards(BIS) had published a Part of Speech(POS) tagset for Indian languages. POS is the process of assigning a part of speech marker to each word in a given text. In this article, I am reviewing the tag set defined in it. While developing mlmorph project I had explored a candidate POS tagging schema for Malayalam. I did not choose BIS tagset for the reasons I am going to explian in this article. Along with the tagset, we will also analyse the ILCI-II Malayalam text corpus published by TDIL using the BIS POS tagset. I will start with some of the concepts and how that applies to different languages.

Mlmorph at MT Summit 2019

Thu, 22 Aug 2019 10:05:19 +0530

I presented the Malayalam Morphology Analyser at 2nd Workshop on Technologies for MT of Low Resource Languages- LORESMT Dublin, Ireland as part of 17th MT Summit.

Paper: https://www.aclweb.org/anthology/W19-6801

Presentation: https://docs.google.com/presentation/d/…

Proceedings from the LORESMT workshop: https://aclweb.org/anthology/volumes/W19-68/

Presidential award for contributions to Malayalam

Fri, 16 Aug 2019 10:05:19 +0530

Happy to share the news that I am awarded by President of India for contributions to Malayalam language.

Maharshi Badrayan Vyas Samman by the Hon. President of India is in recognition of my contributions in the field of Malayalam language. The award, instituted in 2016, is given to the substantial contributions to languages such as Sanskrit, Persian, Arabi, Pali and Classical Oriya, Classical Kannada, Classical Telugu, and Classical Malayalam. This is given to young scholars in the age group of 30 to 45 years. The Presidential award carries a certificate of honor, a memento and a cash prize of ₹1 lakh. These awards are announced once a year on the occasion of the Indian independence day on 15th August.

Root Zone Label generation rules for Malayalam released

Sat, 13 Jul 2019 06:05:19 +0000

On July 10,2019 ICANN released Label generation rules for eight scripts Devanagari, Gurmukhi, Gujarati, Kannada, Malayalam. Oriya, Tamil, Telugu. These rules are criteria for determining valid Domain Names for the Root Zone of the Domain Name System (DNS).

The Internet Corporation for Assigned Names and Numbers (ICANN) is a non-profit organization which takes care of the whole internet domain name system and registration process. Internationalized Top Level Domain Names are domain names not limited to English. These scripts were approved as candidates for domain names in 2016. I had written an article introducing it in a pevious blog post.

Markov chain for Malayalam

Sat, 08 Jun 2019 04:23:49 +0000

I have been trying to generate a Markov chain for Malayalam content. A Markov chain is a stochastic model describing a sequence of possible events in which the probability of each event depends only on the state attained in the previous event.(wikipedia). For natural language, it represents a probabilistic model of words- the probability that one word can come after another word. This model can be prepared by feeding large amount of text to system that learns the probabilities of each words.

Updated web interface for mlmorph

Sat, 08 Jun 2019 03:48:14 +0000

The web interface of Malayalam morphology analyser(mlmorph) is updated. You can see new interface at https://morph.smc.org.in/. The new web application is written in vuejs using vuetify UI framework. The backend is flask. Source code is available at https://gitlab.com/smc/mlmorph-web

Morphology analysis

Morphology generator

Named entity recognition

Spellchecker

Number spellout

Chilanka version 1.400 released

Wed, 05 Jun 2019 14:58:50 +0000

A new version of Chilanka typeface is available now. Version 1.400 is available for download from SMC’s font download and preview site smc.org.in/fonts

For users, there is not much changes, but the source and code build system got a major upgrade.

Source code updated to UFO format from fontforge sfd format. This allows to work with modern font editors.
Use cubic beziers for master design, generate OTF along with TTF. The original drawings for Chilanka was using cubic beziers.
fontmake is used for building the ttf and otf, similar to the latest font projects by SMC
fontbakery is used for tests, all tests are passing now
Added a few important latin glyphs missing, reported by fontbakery

Lexicon Curation for Mlmorph

Sun, 26 May 2019 09:18:18 +0000

One of the key components of Mlmorph is its lexicon. The lexicon contains the root words categorized as nouns, verbs, adjectives, adverbs etc. These are the components used with morphological rules to generate the vocabulary of Malayalam. I collected initial lexicon with about 100,000 words from various sources such as Wikipedia, CLDR and many targeted web crawls. One problem with such collected words is they often contains spelling mistakes. Secondly, classifying these words is not possible without the tedious task of a person going through each and every words.

LibreOffice Malayalam spellchecker using mlmorph

Sun, 10 Mar 2019 10:16:41 +0000

A few months back, I wrote about the spellchecker based on Malayalam morphology analyser. I was also trying to intergrate that spellchecker with LibreOffice. It is not yet ready for any serious usage, but if you are curious and would like to help me in its further development, please read on.

Malayalam spellchecker – a morphology analyser based approach

Blog post on spellchecker approach and pla

Current status

The libreoffice spellchecker for Malayalam is available at https://gitlab.com/smc/mlmorph-libreoffice-spellchecker. You need to get the code using git checkout or download the master version as zip file

Malayalam Named Entity Recognition using morphology analyser

Sun, 10 Mar 2019 09:25:42 +0000

Named Entity Recognition, a task of identifying and classifying real world objects such as persons, places, organizations from a given text is a well known NLP problem. For Malayalam, there were several research papers published on this topic, but none are functional or reproducible research.

The morphological characteristics of Malayalam has been always a challenge to solve this problem. When the named entities appear in an inflected or agglutinated complex word, the first step is to analyse such words and arrive at the root words.

Scribus gets hyphenation support for 11 Indian languages

Sat, 02 Mar 2019 04:49:08 +0000

Support for hyphenating in 11 Indian languages is now available in Scribus, desktop publishing system. Two years back I had written how Malayalam hyphenation support was added to Scribus. Later, I had filed a bug to add support for more Indian languages. That is now fixed.

Scribus has a new way to download and use these hyphenation dictionaries. You can now use this feature right away in your installed scribus. The languages with hyphenation support are the following:

Gayathri – New Malayalam typeface

Thu, 21 Feb 2019 06:40:13 +0000

Swathanthra Malayalam Computing is proud to announce Gayathri – a new typeface for Malayalam. Gayathri is designed by Binoy Dominic, opentype engineering by Kavya Manohar and project coordination by Santhosh Thottingal.

This typeface was financially supported by Kerala Bhasha Institute, a Kerala government agency under cultural department. This is the first time SMC work with Kerala Government to produce a new Malayalam typeface.

How to setup DNS over TLS using systemd-resolved

Fri, 08 Feb 2019 05:36:20 +0000

DNS over TLS is a security protocol that forces all connections with DNS servers to be made securely using TLS. This effectively keeps ISPs from seeing what website you’re accessing.

For the GNU/Linux distributions using systemd, you can setup this easily by following the below steps.

First, edit the /etc/systemd/resolved.conf and changed the value of DNSOverTLS as :

DNSOverTLS=opportunistic

Now, configure your DNS servers. You need to use DNS server that support DNS over TLS. Examples are Cloudflare DNS 1.1.1.1 or 1.0.0.1. Google DNS 8.8.8.8 also support it. To configure you can use Network manager graphical interface.

വിക്കിപീഡിയയ്ക്ക് പതിനെട്ട്. നാലുലക്ഷം തർജ്ജമകളും

Tue, 15 Jan 2019 06:57:56 +0000

വിക്കിപീഡിയയുടെ പതിനെട്ടാം പിറന്നാളാണിന്ന്. അമ്പത്തെട്ടുലക്ഷം ലേഖനങ്ങളോടെ ഇംഗ്ലീഷ് വിക്കിപീഡിയയും അറുപതിനായിരത്തോളം ലേഖനങ്ങളോടെ മലയാളം വിക്കിപീഡിയയും ഒരുപാടു പരിമിതികൾക്കും വെല്ലുവിളികൾക്കുമിടയിൽ യാത്ര തുടരുന്നു.

292 ഭാഷകളിൽ വിക്കിപീഡിയ ഉണ്ടെങ്കിലും ഉള്ളടക്കത്തിന്റെ അനുപാതം ഒരുപോലെയല്ല. വിക്കിമീഡിയ ഫൗണ്ടേഷനിൽ കഴിഞ്ഞ നാലുവർഷമായി എന്റെ പ്രധാനജോലി ഭാഷകൾ തമ്മിൽ മെഷീൻ ട്രാൻസ്‌ലേഷന്റെയും മറ്റും സഹായത്തോടെ ലേഖനങ്ങൾ പരിഭാഷപ്പെടുത്തുന്ന സംവിധാനത്തിന്റെ സാങ്കേതികവിദ്യയ്ക്ക് നേതൃത്വം കൊടുക്കലായിരുന്നു.

ഇന്നലെ ഈ സംവിധാനത്തിന്റെ സഹായത്തോടെ പുതുതായി കൂട്ടിച്ചേർത്ത ലേഖനങ്ങളുടെ എണ്ണം നാലുലക്ഷമായി.

Swanalekha input method now available for Windows and Mac

Sun, 13 Jan 2019 04:22:42 +0000

The Swanalekha transliteration based Malayalam input method is now available in Windows and Mac platforms. Thanks to Ramesh Kunnappully, who wrote the keyman implementation.

I wrote this input method in 2008. At those days SCIM was the popular input method for Linux. Later it was rewritten for M17N and used with either IBus or FCITX. A few years later, this input method was made to available in Android using Indic keyboard. Last year, due to requests from Windows and Mac users, Chrome and Firefox extensions were prepared. Thanks to SIL Keyman, now we made it available in those operating systems as well.

പത്തുവർഷത്തെ കോഡ്

Sun, 23 Dec 2018 15:11:47 +0000

ഭാഷാകമ്പ്യൂട്ടിങ്ങുമായി ബന്ധപ്പെട്ട സ്വതന്ത്ര സോഫ്റ്റ്‌വെയർ വികസനപ്രവർത്തനങ്ങളിൽ ഏർപ്പെടാൻ തുടങ്ങിയിട്ട് പത്തുവർഷമാകുന്നു. 2008 ൽ ഒക്കെയാണ് ഈ മേഖലയിൽ സജീവമാകുന്നതും പലതരം പ്രോജക്ടുകൾക്കായി സമയം നീക്കിവെച്ചു തുടങ്ങുന്നതും. കഴിഞ്ഞ പത്തുവർഷത്തെ എന്റെ സംഭാവനകൾ ഗിറ്റ്‌ഹബ്ബിൽ ഉള്ള കോഡിന്റെ അടിസ്ഥാനത്തിൽ ചിത്രീകരിച്ചിരിക്കുകയാണിവിടെ.

Generated using https://github-contributions.now.sh/ for my github username santhoshtr

ഇതിലെ ഓരോ കള്ളിയും ഒരു ദിവസമാണ്. പച്ച നിറത്തിലുള്ള കള്ളിയുള്ള ദിവസങ്ങളിൽ കോഡ്, ബഗ്ഗ് റിപ്പോർട്ടുകൾ, മറ്റുള്ളവരുടെ കോഡ് റിവ്യൂ ചെയ്യൽ അങ്ങനെയെന്തെങ്കിലും രീതിയിലുള്ള പ്രവർത്തനം ചെയ്തുവെന്നർത്ഥം. ഇളം പച്ചയിൽ നിന്നും കടുംപച്ചയിലേക്ക് പോകുന്തോറും അതിന്റെ എണ്ണം കൂടുന്നു.

Malayalam morphology analyser – First release

Sun, 25 Nov 2018 10:55:36 +0000

I am happy to announce the first version of Malayalam morphology analyser.

After two years of development, I tagged version 1.0.0 .

In this release

In this release, mlmorph can analyse and generate malayalam words using the morpho-phonotactical rules defined and based on a lexicon. We have a test corpora of Fifty thousand words and 82% of the words in it are recognized by the analyser.

A python interface is released to make the usage of library very easy for developers. The library is available in pypi.org – https://pypi.org/project/mlmorph/ Installing it is very easy:

Malayalam Script LGR rules for public review

Thu, 27 Sep 2018 11:53:47 +0000

The Malayalam and Tamil Root Zone Label Generation Rules for International Domain names have been released for public comments. See the announcement from ICANN. This was drafted by the Neo-Brahmi Script Generation Panel (NBGP), in which I am also a member.

Your comments on the proposal for the Malayalam Script Label Generation Rules for the Root Zone (LGR [XML, 18 KB] and supporting documentation [PDF, 998 KB]) can be submitted at the feedback form till Nov 7 2018.

Malayalam spellchecker – a morphology analyser based approach

Sat, 08 Sep 2018 09:41:11 +0000

My first attempt to develop a spellchecker for Malayalam was in 2007. I was using hunspell and a word list based approach. It was not successful because of rich morphology of Malayalam. Even though I prepared a manually curated 150K words list, it was nowhere near to cover practically infinite words of Malayalam. For languages with productive morphological processes in compounding and derivation that are capable of generating dictionaries of infinite length, a morphology analysis and generation system is required. Since my efforts towards building such a morphology analyser is progressing well, I am proposing a finite state transducer based spellchecker for Malayalam. In this article, I will first analyse the characteristics of Malayalam spelling mistakes and then explain how an FST can be used to implement the solution.

Malayalam morphology analyser – status update

Sat, 11 Aug 2018 12:43:20 +0000

For the last several months, I am actively working on the Malayalam morphology analyser project. In case you are not familiar with the project, my introduction blog post is a good start. I was always skeptical about the approach and the whole project as such looked very ambitious. But, now I am almost confident that the approach is viable. I am making good progress in the project, so this is some updates on that.

How to customize Malayalam fonts in Linux

Fri, 10 Aug 2018 16:09:53 +0000

Now a days GNU/Linux distributions like Ubuntu, Debian, Fedora etc comes with pre-configured fonts for Malayalam. For Sans-serif family, it is Meera and for serif, it is Rachana. If you like to change these fonts, there is no easy way to do with configuration tools in Gnome or KDE. They provide a general font selector for the whole desktop, but not for a given language.

The advantage of setting these preference at system level is, you don’t need to choose this fonts at application level then. For example, you don’t need to set them for firefox, chrome etc. All will follow the system preferences. We will use fontconfig for this

യുവാക്കളുടെ തൊഴിലഭിമാനവും തൊഴിൽ സൊസൈറ്റികളും

Sun, 29 Jul 2018 10:08:58 +0000

നമ്മുടെ നാട്ടിലെ യുവാക്കൾ നേരിടുന്ന ഒരു പ്രതിസന്ധിയെപ്പറ്റിയും അതിന് പരിഹാരമായേക്കാവുന്ന ഒരാശയത്തെപ്പറ്റിയും എഴുതിയ ഒരു കുറിപ്പാണിതു്.

നമ്മുടെ നാട്ടിൽ സവിശേഷ നൈപുണികൾ ആവശ്യമുള്ള പലതരത്തിലുള്ള കൂലിപ്പണികൾ, ഡ്രൈവിങ്ങ്, കൃഷിപ്പണികൾ, പെയിന്റിങ്ങ്, കെട്ടിടനിർമാണം, മെക്കാനിക് തുടങ്ങിയ ജോലികളിൽ ഏർപ്പെടുന്ന യുവാക്കൾ ധാരാളമുണ്ട്. ഇവരെല്ലാം മിക്കപ്പൊഴും അസംഘടിത മേഖലയിലാണുതാനും. സർക്കാർ, സ്വകാര്യ ജോലി നേടാത്തതോ നേടാനാവശ്യമായ വിദ്യാഭ്യാസമില്ലാത്തവരോ ആയ യുവാക്കളായ പുരുഷന്മാരാണ് ഇവയിലധികവും. പക്ഷേ യുവതികൾ വിദ്യാഭ്യാസം പരമാവധി വിവാഹം വരെ തുടർന്ന് പിന്നീട് കുടുംബജീവിതത്തിൽ എത്തിച്ചേരുകയാണ്. ഇരുപതിനും മുപ്പത്തഞ്ചിനും ഇടക്ക് പ്രായമുള്ള ഇവർ പുതിയൊരു വെല്ലുവിളി നേരിടുന്നുണ്ട്. അതിനെപ്പറ്റി വിശദമായ ഒരു പഠനറിപ്പോർട്ട് ഈയിടെ സമകാലിക മലയാളം വാരിക പ്രസിദ്ധീകരിച്ചിരുന്നു(നിത്യഹരിത വരൻമാർ-രേഖാചന്ദ്ര, സമകാലിക മലയാളം ജൂലൈ 16). മലബാർ മേഖലയിൽ വ്യാപകമായി ഈ തരത്തിലുള്ള യുവാക്കൾ അവിവാഹിതരായിത്തുടരുന്നു എന്നതാണ് പഠനം.

The many forms of ചിരി ☺️

Sun, 15 Jul 2018 12:11:26 +0000

This is an attempt to list down all forms of Malayalam word ചിരി(meaning: ☺️, smile, laugh). For those who are unfamiliar with Malayalam, the language is a highly inflectional Dravidian language. I am actively working on a morphology analyser(mlmorph) for the language as outlined in one of my previous blogpost.

I prepared this list as a test case for mlmorph project to evaluate the grammar rule coverage. So I thought of listing it here as well with brief comments.

How to type Malayalam using Keyman 10 and Mozhi

Tue, 03 Jul 2018 14:41:21 +0000

This is a quick tutorial on installing Mozhi input method in Windows 10.

Mozhi is a transliteration based keyboard for Malayalam. You can type malayaalam to get മലയാളം for example. We will use Keyman tool as the input tool. Keyman input tool is an opensource input mechanism now developed by SIL. It supports lot of languages and Mozhi malayalam is one of that.

Step 1: Download Keyman desktop with Mozhi Malayalam keyboard

Go to https://keyman.com/keyboards/mozhi_malayalam. There you will see the following options to download. Select the first one as shown below. Download the installer to your computer. It is a file about 20MB.

Kindle supports custom fonts

Sun, 01 Jul 2018 04:15:21 +0000

I am pleasantly surprised to see that Amazon Kindle now supports installing custom fonts. A big step towards supporting non-latin content in their devices. I can now read Malayalam ebooks in my kindle with my favorite fonts.

[][1]

Content rendered in Manjari font. Note that I installed Bold, Regular, Thin variants so that Kindle can pick up the right one

This feature is introduced in Kindle 5.9.6.1 version released in June 2018. Once updated to that version, all you need is to connect the device using the USB cable to your computer. Copy your fonts to the fonts folder there. Remove the usb cable. You will see the fonts listed in font selector.

Talk on ‘Malayalam orthographic reforms’ at Grafematik 2018

Thu, 21 Jun 2018 16:52:21 +0000

Santhosh and I presented a paper on ‘Malayalam orthographic reforms: impact on language and popular culture’ at Graphematik conference held at IMT Atlantique, Brest, France. Our session was chaired by Dr. Christa Dürscheid.

The paper we presented is available here. The video of our presentation is available in youtube.

Grafematik is a conference, first of its kind, bringing together disciplines concerned with writing systems and their representation in written communication. There were lot of interesting talks on various scripts around the world, their digital representation, role of Unicode, typeface design and so on. All the talk videos are available in the conference website.

u and uː vowel signs of Malayalam

Sun, 15 Apr 2018 16:03:40 +0000

The reformed or simplified orthographic script style of Malayalam was introduced in 1971 by this government order. This is what is taught in schools. The text book content is also in reformed style. The prevailing academic situation does not facilitate the students to learn the exhaustive and rich orthographic set of Malayalam script. At the same time they observe a lot of wall writings, graffiti, bill-boards and handwriting sticking to the exhaustive orthographic set.

Typoday 2018

Sun, 04 Mar 2018 17:11:43 +0000

Santhosh and I jointly presented a paper at Typoday 2018. The paper was titled ‘Spiral splines in typeface design: A case study of Manjari Malayalam typeface’. The full paper is available here. The presentation is available here.

Typoday is the annual conference where typographers and graphic designers from academia and industry come up with their ideas and showcase their work. Typoday 2018 was held at Convocation Hall, University of Mumbai.

Manjari 1.5 version released

Sat, 10 Feb 2018 07:02:29 +0000

A new version of Manjari typeface is available now. Version 1.5 is mainly a bug fix release.

In version 1.3, the build tooling of the project was changed from fontforge to fontmake. Two weeks back a few people reported that the font no longer works in MS Word and Wordpad. Font selector lists the font, but when selected, the content remains same. It works in all other applications without any issues. Because of that the bug went unnoticed.

മലയാളത്തിലെ ‘ഉ’കാര ചിഹ്നങ്ങൾ

Fri, 12 Jan 2018 14:10:39 +0000

പരിഷ്കരിച്ച മലയാള ലിപിയാണല്ലോ ഇന്നു പാഠപുസ്തകത്തിലുള്ളതും വിദ്യാലയങ്ങളിൽ പഠിപ്പിക്കുന്നതും. അതുകൊണ്ടു തന്നെ ഔപചാരിക വിദ്യാഭ്യാസത്തിൽ മലയാളത്തിന്റെ തനതുലിപിയുടെ ശൈലീഭേദങ്ങൾ പരിചയിക്കുവനുള്ള അവസരം നമുക്കു കിട്ടാറില്ല. പക്ഷേ ചുമരെഴുത്തുകളിലും, ബസ്സിലെ ബോർഡുകളിലും, തനതുമലയാളം എഴുതിശീലിച്ച മുതിർന്നവരുടെ കയ്യെഴുത്തിലുമൊക്കെയായി ഈ ലിപിരൂപങ്ങൾ നമ്മുടെ മുന്നിലുണ്ടു താനും. ലിപിപരിഷ്കരണത്തിന്റെ ഭാഗമായി വേർപെട്ട കൂട്ടക്ഷരങ്ങൾ മിക്കതും തെറ്റുകളൊന്നുമില്ലാതെ നമ്മുടെ കയ്യെഴുത്തുകളിൽ അറിഞ്ഞോ അറിയാതെയോ കൂടിച്ചേരാറുണ്ട്. പക്ഷേ വേർപെട്ട ചിഹ്നങ്ങൾ, പ്രത്യേകിച്ച് ു, ൂ ചിഹ്നങ്ങൾ വ്യഞ്ജനത്തോടു ചേർത്തെഴുതുമ്പോൾ ശൈലികൾ കൂടിക്കുഴഞ്ഞ് പോവുകയും ചെയ്യുന്നു. ചുവടെയുള്ള ചിത്രം നോക്കുക.

ഉ-ചിഹ്നങ്ങളുടെ ഉപയോഗം ചുമരെഴുത്തിൽ.

പച്ചയടയാളത്തിനുള്ളിൽ പരിഷ്കരിച്ച ലിപി, നീലയിൽ തനതു ലിപി എന്നിവ കാണാം. ചുവന്ന അടയാളമിട്ടു സൂചിപ്പിച്ചിരിക്കുന്നത് മലയാളത്തിൽ പതിവില്ലാത്ത ശൈലിയാണ്. മലയാളത്തിലെ ഉകാര ചിഹ്നങ്ങൾ തന്നെ എട്ടുവിധമുണ്ട്. ഒട്ടും എഴുത്തുപരിശീലനം ഇല്ലെങ്കിൽ ഇത്തരം പിശകുകൾ കടന്നുകൂടുകതന്നെ ചെയ്യും.

Stylistic Alternates for ച്ച, ള്ള in Manjari and Chilanka fonts

Sat, 06 Jan 2018 09:35:26 +0000

The ligatures for the Malayalam conjuncts ച്ച, ള്ള have less popular variants as shown below

The second form is not seen in print but often in handwritten Malayalam. I have seen it a lot in bus boards especially at Thiruvananthapuram. There are no digital typefaces with the second style, except the Chilanka font I designed. It uses the second variant of ച്ച. I got lot of appreciation for that style variant, but also recieved request for the first form of ച്ച. I had a private copy of Chilanka with that variant and had given to whoever requested. I also recieved some requests for the second style of ള്ള. For the Manjari font too, I recieved requests for second variant.

Number spellout and generation in Malayalam using Morphology analyser

Sun, 10 Dec 2017 14:46:06 +0000

Writing a number 6493 as six thousand four hundred and ninety three is known as spellout of that number. The most familiar example of this is in cheques. Text to speech systems also need to convert numbers to words.

Source: https://commons.wikimedia.org/wiki/File:Sample_cheque.jpeg by User:Tshrinivasan

The reverse process of this, to convert a phrase like six thousand four hundred and ninety three to number 6493 – the number generation, is also common. In software, it is often required in Speech recognition and in general any kind of semantic analysis of text.

Towards a Malayalam morphology analyser

Sun, 26 Nov 2017 06:50:45 +0000

Malayalam is a highly inflectional and agglutinative language. This has posed a challenge for all kind of language processing. Algorithmic interpretation of Malayalam’s words and their formation rules continues to be an untackled problem. My own attempts to study and try out some of these characteristics was big failure in the past. Back in 2007, when I tried to develop a spellchecker for Malayalam, the infinite number of words this language can have by combining multiple words together and those words inflected was a big challenge. The dictionary based spellechecker was a failed attempt. I had documented these issues.

Eureka magazine with Manjari font

Fri, 03 Nov 2017 04:37:50 +0000

Eureka childrens science magazine now prints in Manjari font I designed. Happiness is seeing your favorite childhood magazine in your font!

Indesign CC automatic hyphenation for Indian languages

Sun, 29 Oct 2017 06:57:00 +0000

More and more publishers are starting to use Indesign CC and Unicode. One of the many adavantages the publishers get with unicode and Indesign cc is automatic hyphenation. A few of my friends told me that they don’t know how to use hyphenation. Eventhough I never used Indesign before, I decided to figure out. In my Windows 10 virtual machine, I installed Indesign CC 2018.

Following is a tutorial on how to get perfect hyphenation for text in Indian languages in Indesign. I use Malayalam as example.

Scribus gets Malayalam Hyphenation support

Sun, 29 Oct 2017 05:19:48 +0000

Scribus now has support for Malayalam hyphenation.

I filed a bug report to add Malayalam hyphenation rules to Scribus and it is now added to scribus. The hyphenation rules are based on the TeX hyphenation patterns I wrote.

How to use

You need scribus 1.5.4 or later. It is not yet available as release while I am writing this. But once released you can get from https://www.scribus.net/downloads/

Start a new document. Add text frames and content. You will need narrow columns to have wordbreaking contexts. For example 2 columns as I use for demo here.
Select the text and set font as a Malayalam font like Manjari, Set the language as Malayalam.
In Hyphenation properties, set hyphenation character as blank, otherwise visible hyphens will appear.
Set the text justified.
From menu Extras->Hyphenate text. Done.

Trufont now has SVG paste, drag and drop support

Sat, 14 Oct 2017 16:14:54 +0000

TruFont the font-editing application written with Python3, ufoLib, defcon and PyQt5 now has support for pasting SVG images as glyphs. It now also support drag and dropping SVG files.

For my font design workflow I mainly use Inkscape to desgin master drawings and then use fonteditor for further editing. I am migrating the fonts we maintained to Trufont from Fontforge(It is no longer developed). But, not having SVG support with Trufont was a blocker for me. So today I filed two patches and got merged to Trufont master.

മഞ്ജരി ഫോണ്ട് – പതിപ്പ് 1.3

Sat, 14 Oct 2017 15:01:03 +0000

മഞ്ജരി ഫോണ്ടിന്റെ 1.3 പതിപ്പ് ഇപ്പോൾ ലഭ്യമാണു്.

പ്രധാന മാറ്റങ്ങൾ ഇവയാണ്:

കണ്ടീഷണൽ സ്റ്റാക്കിങ്ങ് സംവിധാനം കൂടുതൽ അക്ഷരരൂപങ്ങളിലേക്ക് കൊണ്ടുവന്നു. കൂടുതൽ വിവരങ്ങൾ സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ബ്ലോഗിൽ: https://blog.smc.org.in/conditional-stacking/
ഫോണ്ട് ഇപ്പോൾ TTF നു പകരം OTF ഫോർമാറ്റിൽ ആണ് സ്വതവേ വരുന്നതു്. മഞ്ജരി രൂപകല്പന ചെയ്തത് OTF ഫോർമാറ്റ് മുന്നിൽ കണ്ടായിരുന്നെങ്കിലും(ക്യുബിക് ബെസിയർ കർവുകൾ) എല്ലാ ഓപ്പറേറ്റിങ്ങ് സിസ്റ്റങ്ങളിലും കുറ്റമറ്റതായി കാണാത്തതുകൊണ്ട് TTF ൽ ആയിരുന്നു ആദ്യം പുറത്തിറക്കിയതു്. ഇപ്പോൾ ആ പ്രശ്നങ്ങളൊക്കെ പരിഹരിച്ചിട്ടുണ്ടു്. TTF, Webfonts എന്നിവയും വേണമെങ്കിൽ ഡൌൺലോഡ് ചെയ്യാം.
ഫോണ്ട് ഫോർജ് ആയിരുന്നു മഞ്ജരിയടക്കമുള്ള എല്ലാ ഫോണ്ടുകളും എഡിറ്റ് ചെയ്യാൻ ഞങ്ങൾ ഉപയോഗിച്ചിരുന്നതു്. വളരെ പഴയ ആ സോഫ്റ്റ്‌‌വെയർ അതിന്റെ ഡെവലപ്മെന്റ് പതിയെ നിർത്തുകയാണ്. Unified Font Object ഫോർമാറ്റിലേക്ക് എല്ലാ ഫോണ്ടുകളുടെയും സോഴ്സ് കോഡ് മാറുകയും Trufont പോലുള്ള പുതിയ എഡിറ്റർ വരുകയും ചെയ്യുന്നുണ്ട്. ഈ മാറ്റത്തിനൊപ്പം പോകാൻ ആദ്യമായി മഞ്ജരിയുടെ സോഴ്സ് കോഡ് UFO ഫോർമാറ്റിലേക്ക് മാറ്റി. ബാക്കി ഫോണ്ടുകളും പതിയെ അങ്ങനെ മാറ്റി ഫോണ്ട് ഫോർജുമായുള്ള ബന്ധം ഉപേക്ഷിക്കും.

പുതിയ ഫോണ്ടുകൾ ഡൌൺലോഡ് ചെയ്യാൻ: https://smc.org.in/fonts/#manjari

മലയാളം അകാരാദിക്രമം

Tue, 19 Sep 2017 16:27:52 +0000

ഓരോ ഭാഷയിലും അതിലെ ലിപികളെ ഒരു പ്രത്യേക ക്രമത്തിൽ എഴുതുന്ന ഒരു കീഴ്‌വഴക്കം ഉണ്ടു്. ഇംഗ്ലീഷിൽ A,B,C,D എന്ന ക്രമമാണെങ്കിൽ മലയാളത്തിലത് അ, ആ, ഇ, ഈ എന്നിങ്ങനെ തുടങ്ങുന്ന ക്രമമാണുള്ളതു്. ഇങ്ങനെ ഒരു കീഴ്‌വഴക്കം കൊണ്ടു് പല പ്രയോജനങ്ങളുമുണ്ടു്. നമുക്കെല്ലാം പരിചയമുള്ള നിഘണ്ടുവിൽ നോക്കലും, കുറേ പേരുടെ പട്ടികയിൽ നിന്നെളുപ്പത്തിൽ ഒന്ന് കണ്ടുപിടിക്കലും ഒക്കെ ഉദാഹരണം. കീഴ്‌വഴക്കം എന്നതിൽ കവിഞ്ഞ് എന്തെങ്കിലും കൃത്യമായ ശാസ്ത്രീയതയൊന്നും ഈ ക്രമീകരണത്തിൽ കാണണമെന്നില്ല.

അയിൽ തുടങ്ങുന്ന ഈ ക്രമത്തിനു് മലയാളത്തിൽ അകാരാദിക്രമമെന്നും പറയുന്നു. അക്ഷരമാല പൊതുവിൽ അകാരാദിക്രമത്തിലാണു് എഴുതുന്നതും പഠിക്കുന്നതും. സാമാന്യേന ഈ ക്രമം മലയാളികളെല്ലാം അറിഞ്ഞിരിക്കുന്നതാണ്. അക്ഷരങ്ങളൊറ്റയ്ക്കുള്ള ക്രമം അല്ലാതെ കുറേ വാക്കുകൾ തന്നാൽ അതെങ്ങനെ ക്രമീകരിക്കും എന്ന പ്രശ്നം കുറേകൂടി സങ്കീർണ്ണമാണ്. അവിടെ അക്ഷരങ്ങളുടെ കൂടെ സ്വരചിഹ്നങ്ങൾ ചേരും, കൂട്ടക്ഷരങ്ങൾ വരും, ചില്ലുകൾ വരും. ഭാഷയുടെ തന്നെ ചില പ്രത്യേകതകളായ റ്റ, ന്റ എന്നിവ വരും, എഴുത്തിലെ വൈവിധ്യങ്ങളായ നൻമ, നന്മ പോലുള്ള വാക്കുകൾ വരും. അവിടെയാണ് അക്ഷരമാലാക്രമം എന്ന ലാളിത്യത്തിൽ നിന്നും സങ്കീർണ്ണവും പലപ്പോഴും കൃത്യതയില്ലാത്തതുമായ ക്രമീകരണ നിയമങ്ങളിലേക്ക് നാം എത്തുന്നതു്.

പുതിയൊരു മലയാളം ഫോണ്ട് നിർമിക്കുന്നതെങ്ങനെ?

Thu, 14 Sep 2017 16:56:00 +0000

ഈ ചോദ്യം ധാരാളം പേർ എന്നോടു് ചോദിക്കാറുണ്ടു്. പലപ്പോഴും വിശദമായ രീതിയിൽ തൃപ്തികരമായി ഉത്തരം കൊടുക്കാൻ പറ്റാറില്ല – പ്രത്യേകിച്ച് ചാറ്റിലും മറ്റും ചോദിക്കുമ്പോൾ. അതുകൊണ്ട് എല്ലാവർക്കും വേണ്ടി കുറച്ചു് കാര്യങ്ങൾ സ്വന്തം അനുഭവങ്ങളുടെ വെളിച്ചത്തിൽ ഇവിടെ എഴുതാമെന്നു കരുതുന്നു. ഇതുവായിച്ചാൽ ഒരു ഫോണ്ട് നിർമിക്കാനാവുമെന്നു തെറ്റിദ്ധരിക്കരുത്. ഒരു ഫോണ്ട് നിർമാണത്തിലെ സ്റ്റെപ്പുകൾ വളരെ ചുരുക്കിയെഴുതിയിരിക്കുന്നുവെന്നു മാത്രം. ഇംഗ്ലീഷ് ഫോണ്ടുകളുടെ നിർമാണം സംബന്ധിച്ച് ഇന്റർനെറ്റിൽ തിരഞ്ഞാൽ കിട്ടുന്ന വിവരങ്ങൾ മിക്കവയും മലയാളത്തിനും ഉപകരിക്കും.

ഇന്നത്തെ യുണിക്കോഡ് ഫോണ്ടുകൾ ഓപ്പൺടൈപ്പ് സാങ്കേതികവിദ്യ അടിസ്ഥാനമാക്കിയാണു് പ്രവർത്തിക്കുന്നതു്. ഫോണ്ടിൽ അക്ഷരങ്ങളുടെ വരച്ച രൂപങ്ങളും, അക്ഷരങ്ങൾ കൂടിച്ചേരുന്നതിനെ സംബന്ധിച്ച ചിത്രീകരണ നിയമങ്ങളും ആണുള്ളതു്.

എങ്ങനെ തുടങ്ങാം?

പുതിയൊരു ഫോണ്ട് നിർമിക്കുന്നതു് കലാപരമായ ഒരു പ്രവൃത്തിയാണു്. ഇതു് മനസ്സിലാക്കുന്നതു് വളരെ പ്രധാനപ്പെട്ട ഒരു കാര്യമാണ്. ഒരു ചിത്രകാരൻ ചിത്രം വരക്കുന്നതുമായി ഇതിനെ സങ്കൽപിക്കുക. ചിത്രം ആർക്കും വരക്കാം. പക്ഷേ എല്ലാം നല്ല ചിത്രങ്ങളാവില്ല, ജനങ്ങൾ ഒരേപോലെ ആസ്വദിക്കില്ല. അപാരമായ ക്ഷമയും കലയോടുള്ള താത്പര്യവും നിർബന്ധമാണു്. അതുപോലെത്തന്നെയാണു് ഫോണ്ടിന്റെ കാര്യവും. നല്ലൊരു ഫോണ്ടിന്റെ രൂപകല്പനയ്ക്ക് ധാരാളം ഫോണ്ടുകൾ ആസ്വദിക്കണം, അതിനു പരിശീലിക്കണം. നിത്യജീവിതത്തിൽ കാണുന്ന വിവിധങ്ങളായ അക്ഷരരൂപങ്ങളെ വെറും അക്ഷരങ്ങളായല്ലാതെ അവയിലെ വരകളെയും വളവുകളെയും അനുപാതങ്ങളെയും ആഴത്തിൽ മനസ്സിലാക്കാനുള്ള നിരീക്ഷണപാടവം വളർത്തിയെടുക്കണം. കുറച്ചു ദിവസങ്ങളിലെ ഒരു ഫോണ്ട് വർക്ക് ഷോപ്പുകൊണ്ട് ആർക്കും ഒരു ഫോണ്ട് ഉണ്ടാക്കാൻ കഴിയില്ല. സാങ്കേതികവശങ്ങളും നടപടിക്രമങ്ങളും മനസ്സിലാക്കാൻ മാത്രമേ സാധിക്കൂ.

ദൈവങ്ങളുടെ ദ്വീപിൽ ഒരു ഇടവേള

Wed, 13 Sep 2017 15:16:06 +0000

വിനോദയാത്രകൾ ജീവിതത്തിന്റെ അജണ്ടയിലങ്ങനെ കാര്യമായുണ്ടായിരുന്നവയല്ല. താത്പര്യമില്ലാത്തതുകൊണ്ടല്ല, ധൈര്യപ്പെടാത്തതുകൊണ്ട്. കാലം ചില കോലങ്ങളൊക്കെ കെട്ടി ചിലപ്പോഴൊക്കെ നമ്മളെ വല്ലാതെ മിടുക്കരാക്കിക്കളയും. അങ്ങനെയൊരു നിമിഷത്തിലായിരുന്നു പതിവുകൾ വിട്ടു ബാലിയാത്രയ്ക്കൊരു ടിക്കറ്റ് ഞങ്ങളെടുത്തത്. ഒരു മാസത്തെ കാത്തിരുപ്പായിരുന്നു പിന്നെ. കാണാനുള്ള കാഴ്ചകളുടെ ട്രെയിലർ ഷോട്ടുകൾ യാത്രാസഹായികളായ വെബ്സൈറ്റുകൾ ദിവസേന നിരത്തിക്കൊണ്ടിരുന്നു.

ബാലിയുടെ സ്ഥാനം

ഇന്തോനേഷ്യൻ ദ്വീപസമൂഹങ്ങൾ പൊതുവിൽ മുസ്ലീം ഭൂരിപക്ഷ പ്രദേശമാണെങ്കിലും അവയ്ക്കിടയിൽ ഹൈന്ദവസംസ്കാരം പേറുന്ന ഒരു ദ്വീപാണ് ബാലി. അയ്യായിരത്തിഎഴുന്നൂറോളം ചതുരശ്ര കിലോമീറ്റർ മാത്രമാണ് ഈ കൊച്ചു ദ്വീപിന്റെ പരപ്പ്. നമ്മുടെ കേരളം ഇതിന്റെ ഏഴിരട്ടിയുണ്ടെന്നോർക്കുക. ചുറ്റോടുചുറ്റുമുള്ള കടലോരങ്ങളുടെ ചാരുത മുതൽ അഗ്നിപർവ്വതങ്ങളുടെ ഗാംഭീര്യം വരെ ഈ ഭൂവിഭാഗം ആവാഹിച്ചിരിക്കുന്നു. ടൂറിസം ഇന്ന് ബാലിയുടെ വലിയ വ്യവസായവും പ്രധാന വരുമാന മാർഗ്ഗവുമാണ്. ബാലി ജനതയുടെ സാംസ്കാരികപാരമ്പര്യത്തിന്റെ ഭാഗമായ നൃത്തസംഗീതാദികലകളും, കരകൗശലവിദ്യകളും, സ്വർണ്ണ-വെള്ളി ആഭരണ നിർമ്മാണവും മുതൽ നാടുമുഴുവൻ പരന്നുകിടക്കുന്ന ക്ഷേത്രസമുച്ചയങ്ങളും, നെൽപ്പാടങ്ങളും, കാപ്പിത്തോട്ടങ്ങളും ഒക്കെ വിനോദസഞ്ചാരികൾക്ക് കൗതുകക്കാഴ്ചയാകുന്നു. സാഹസികർക്കായി അഗ്നിപർവ്വതപരിസരങ്ങളിലെ ട്രെക്കിങ്ങും, സ്കൂബാഡൈവിങ്ങ് ഉൾപ്പെടെയുള്ള സമുദ്രജലകേളികളും ഇവിടെ ഉണ്ട്. അത്രസാഹസികമല്ലാത്ത ഒരു മനസ്സും കൊണ്ട് അഞ്ചുദിവസത്തെ ഒഴിവുദിനങ്ങളിൽ ഇതിലെന്തൊക്കെ അനുഭവങ്ങൾ സ്വന്തമാക്കാനാകുമെന്ന് ഫ്ലൈറ്റ് കയറുമ്പോൾ ഒരു രൂപം മനസ്സിലുണ്ടായിരുന്നില്ല എന്നതാണ് സത്യം.

It is your language and your pen

Wed, 16 Aug 2017 17:56:13 +0000

Google recently added voice typing support to more languages. Among the languages Malayalam is also included. The speech recognition is good quality and I see lot of positive comments in my social media stream. Many people started using it as primary input mechanism. This is a big step for Malayalam users without any doubt. Technical difficulties related to writing in Malayalam in mobile devices is getting reduced a lot. This will lead to more content generated and that is one of the stated goals of Google’s Next billion users project. The cloud api for speech recognition will help android developers to build new innovative apps around the speech recognition feature.

Malayalam collation updates in Glibc

Sun, 06 Aug 2017 12:49:05 +0000

GNU C library 2.26 released and proud to have my name listed under contributors. Two small patches for localedata were merged:

Bug 19919 – iso14651_t1_common: Correct the Malayalam sorting order of 0D36 and 0D37

Bug 19922 – iso14651_t1_common: Define collation for Malayalam chillu characters

Anniversary of Manjari font release

Sun, 23 Jul 2017 06:44:41 +0000

Today, July 23 marks one year anniversary of Manjari font release.

Out of all my projects, this is the project that gave me highest satisfaction. I see people using it in social media every day for memes, banners, notices. I have seen the font used for Government publishings, notices, reports. I have seen wedding invitations, book covers, Movie titles with Manjari font. I am so happy that Malayalam speakers loved it.

ദൃൿസാക്ഷി

Sun, 02 Jul 2017 15:08:17 +0000

സിനിമയെപ്പറ്റിയല്ല, ദൃൿസാക്ഷിയെപ്പറ്റിയാണ്. ദൃൿസാക്ഷി എന്ന വാക്കെങ്ങനെ എഴുതും? അല്ലെങ്കിൽ എങ്ങനെയൊക്കെ എഴുതാം?

ക്+സ എന്നു ചേരുന്നിടത്താണു പ്രശ്നം, രണ്ടുവാക്കുകൾ ഇവിടെ കൂടിച്ചേരുന്നുണ്ടു്, പക്ഷേ കൂടിച്ചേരുന്നിടത്തു് അക്ഷരങ്ങൾ കൂടി കൂട്ടക്ഷരങ്ങളുണ്ടാക്കാൻ പാടില്ലാത്ത ഒരു സവിശേഷതയാണിവിടെയുള്ളതു്. കയുടെ അടിയിൽ സ എന്ന രൂപം- ഗ്ലിഫ് ഇല്ലാത്ത ഒരു ഫോണ്ടിനെ സംബന്ധിച്ചു് അതു് താഴെക്കൊടുത്തിരിക്കുന്ന സിനിമാ പോസ്റ്ററിലേതുപോലെ നിരത്തിയെഴുതിയാൽ മതി.

പക്ഷേ അങ്ങനെ നിരത്തിയെഴുതിയാൽ മതിയെങ്കിൽ ദൃൿസാക്ഷി എന്ന ഈ 1973 ലെ സിനിമാ പോസ്റ്ററിൽ കയുടെ ചില്ല് ൿ എങ്ങനെ വന്നു?

ക എന്ന വ്യഞ്ജനം പിന്നാലെ വരുന്ന സ-യോടു ചേരാതെ വേറിട്ടുച്ചരിക്കേണ്ട വാക്കാണിതു്. തമിഴ്‌നാട്, കായ്‌കറി, ജോസ്‌തോമസ് തുടങ്ങിയപോലെയൊക്കെ. ഇംഗ്ലീഷിൽ നിന്നു വന്ന ചില വാക്കുകളാണെങ്കിൽ ഹാർഡ്‌വെയർ(ഹാർഡ്വെയർ അല്ല), സോഫ്റ്റ്‌വെയർ, പേയിങ്‌കൌണ്ടർ(പേയിങ്കൌണ്ടർ അല്ല) ഒക്കെ ഉദാഹരണം.

യൂണിക്കോഡ് പത്താം പതിപ്പ്: മലയാളത്തിന് മൂന്നു പുതിയ കോഡ്പോയിന്റുകൾ കൂടി

Thu, 22 Jun 2017 13:43:59 +0000

യൂണിക്കോഡിന്റെ പത്താം പതിപ്പ് പുറത്തിറങ്ങി. മലയാളത്തിന്റെ കോഡ് ബ്ലോക്കിലേയ്ക്ക് പുതിയ മൂന്നു അക്ഷരങ്ങൾ കൂടി ഔദ്യോഗികമായി ചേർന്നിരിക്കുന്നു. അങ്ങനെ മലയാളത്തിന്റെ കോഡ് ബ്ലോക്കിൽ 117 അക്ഷരങ്ങൾ ആയി.

പുതിയ അക്ഷരങ്ങൾ ഇവയാണ്:

D00 – Combining Anuswara Above
0D3B – Malayalam Sign Vertical Bar Virama
0D3C- Malayalam Sign Circular Viramaപ്രാചീനരേഖകളിൽ കണ്ടുവരുന്നവയാണ് ഈ ചിഹ്നങ്ങൾ. അത്തരം ഗ്രന്ഥങ്ങളുടെ ഡിജിറ്റൈസേഷനിലും, പ്രാചീനലിപിസംബന്ധമായ പഠനഗവേഷണങ്ങളിലുമൊക്കെ ഇവ ഉപയോഗിക്കപ്പെട്ടേക്കാം.

0D00 – Combining Anusvara Above

ആദ്യത്തേത് ‘മുകളിലുള്ള അനുസ്വാരമാണ്’.

മലയാളത്തിൽ നാമിന്നുപയോഗിക്കുന്ന അനുസ്വാരത്തിനു തുല്യമായ ഉപയോഗമാണ് പ്രാചീനമലയാളലിപിയിൽ ഈ ചിഹ്നത്തിനുള്ളത്. അതായത് നാമിന്നുപയോഗിക്കുന്ന അനുസ്വാരം മറ്റക്ഷരങ്ങളുടെ അതേ നിരപ്പിൽ തന്നെ കിടന്ന് അതിനിടതുവശത്തുള്ള അക്ഷരത്തോട് ‘മകാരം’ ചേർക്കുമ്പോളുള്ള ഉച്ചാരണം നൽകുന്നു. പുതിയതായി നിർവ്വചിച്ചിരിക്കുന്ന ‘മുകളിലുള്ള അനുസ്വാരം’ അതുനുചുവട്ടിലുള്ള അക്ഷരത്തോടു ‘മകാരം’ ചേരുമ്പോഴുള്ള ഉച്ചാരണം നൽകുന്നു.

A formal grammar for Malayalam syllables

Sat, 27 May 2017 11:54:12 +0000

I wrote about formal grammar for Malayalam conjunct in last blog post. Continuing from there, let us discuss the syllable model.

A syllable is a unit of organization for a sequence of speech sounds. Each syllable can be considered as pronounciation units that constitutes a word pronounciation. For example, “മലയാളം” has മ, ല, യാ, ളം as 4 syllables. If you ask a native Malayalam speaker, “How many letters are in the word മലയാളം?” The answer would be 4 and it corresponds to syllable count. The ‘letter’ concept, known as ‘അക്ഷരം’ in Malayalam often refers to syllables.

A formal grammar for Malayalam conjunct

Sun, 21 May 2017 05:49:44 +0000

In Malayalam a conjunct(കൂട്ടക്ഷരം) is formed by combining 2 or more consonants by Virama(ചന്ദ്രക്കല). “ക്ക” is a conjunct with 2 consonants, formed by ക + ് + ക. സ്ത്ര is a conjuct with 3 consonants സ+ ് + ത +്+ ര. ന്ത്ര്യ is a conjunct with 4 consonants – ന + ് + ത + ് + ര + ് + യ. Conjuncts with more than 4 consonant is rare. ഗ്ദ്ധ്ര്യ is formed by 5 consonants.

On Kerala IT Policy Draft 2017

Sun, 16 Apr 2017 06:16:35 +0000

The Kerala IT Policy Draft 2017(draft) was published in March 2017 for public feedback. It has many progressive elements in it and are crucial for the rapidly changing IT ecosystem in the context of Government IT Policy.

Continuing earlier Kerala gov. policy on Free and Open source software, this version also emphasis the usage and promotion of free and opensource software. The policy also mentions about the importance of Malayalam computing and local language content. These are all good, even though planning and implementation of specific items in these sections need wider discussions.

Libreoffice Malayalam Hyphenation

Wed, 05 Apr 2017 03:12:12 +0000

I had developed and released hyphenation extension for Malayalam in Openoffice years back. Libreoffice was born later. Eventhough libreoffice supported the openoffice extensions, the extension repository is freshly created for libreoffice. The old extensions were not present in the libreoffice repository.

Now, I have uploaded the Malayalam hyphenation extension in libreoffice extension repository too. I will explain the installation and configuration step by step in this blog post:

All Operating systems

Download an extension and save it anywhere on your computer.

In LibreOffice, select Tools -> Extension Manager from the menu bar.

In the Extension Manager dialog click Add.

A file browser window opens. Navigate to the folder where you saved the LibreOffice extension file(s) on your system. The extension’s files have the file extension ‘OXT’.

Find and select the extension you want to install and click Open.

If this extension is already installed, you’ll be prompted to press OK to confirm whether to overwrite the current version by the new one, or press Cancel to stop the installation.

After you are asked whether to install the extension only for your user or for all users. If you choose the Only for me option, the extension will be installed only for your user. If you choose For all users, you need system administrator rights. In this case the extension will be available for all users. In general, choose Only for me, that doesn’t require administration rights on the operating system.

Debian and Ubuntu

The above steps works for Debian and Ubuntu too. But there is a better way. Using your package manager install hyphen-ml package. This will install hyphenation not only for libreoffice, but for typesetting packages like LaTeX.

നമ്മളെല്ലാം നമ്മളല്ലാതാവുന്ന കാലം

Fri, 31 Mar 2017 14:15:09 +0000

എന്റെ പാൻകാർഡിലെ പേരല്ല പാസ്‌പോർട്ടിലുള്ളതു്. വോട്ടേഴ്സ് ഐഡിയിലെ വീട്ടുപേരല്ല പാൻകാർഡിൽ. വീട്ടുപേരാകട്ടെ ഓരോന്നിലും ഓരോന്നാണു്. ചിലതിൽ ഇനിഷ്യൽ മാത്രം. ചിലതിൽ ഇനിഷ്യൽ ചുരുക്കാതെ എഴുതിയതു്. ചിലതു് മലയാളത്തിൽ. ചിലതു് ഇംഗ്ലീഷിൽ. ചിലവയിൽ അക്ഷരത്തെറ്റ്. കുത്തുള്ള ഇനിഷ്യൽ. കുത്തില്ലാത്ത ഇനിഷ്യൽ. തോട്ടിങ്ങൽ, തോട്ടുങ്ങൽ, തോട്ടിങ്ങല്…

ആധാറിലെ എന്റെ പേരു് ഉത്തരമില്ലാത്ത ഒരു ചോദ്യമാണു്. “സന്തോഷ് ടീ ആര്”. ആരാണെന്നറിയാൻ കാർഡിലെ ഫോട്ടോ ഒട്ടും സഹായകരമല്ല.

വലിയ പ്രശ്നമൊന്നും ഇതുവരെ നേരിട്ടിട്ടില്ല. പക്ഷേ കുറച്ചു ദിവസം മുമ്പു് എന്റെ പ്രൊവിഡന്റ് ഫണ്ട് KYC ഡോക്യുമെന്റുകളിൽ പാൻ കാർഡ് ചേർക്കാൻ പറ്റിയില്ല. എന്റെ എംപ്ലോയറുടെ റെക്കോർഡിലുള്ള പേരും പാൻ കാർഡിലെ പേരും ഒന്നല്ലാത്തതുകൊണ്ടാണത്രെ. കാര്യം ശരിയാണു്, പാൻ കാർഡിലെ പേരിൽ ഇനിഷ്യലുകളാണ്, എംപ്ലോയറുടെ കയ്യിൽ ഇനിഷ്യൻ നീട്ടിയെഴുതിയതും. ഇതിപ്പൊ പേരെന്തിനാ അങ്ങനെ മാച്ച് ചെയ്യുന്നതു്, അതൊക്കെ ഒഴിവാക്കാനല്ലേ ഈ ഡോക്യുമെന്റുകൾക്ക് നമ്പറുകൾ?

ഇമോജികളും ചില്ലക്ഷരങ്ങളും തമ്മിലെന്തു്?

Wed, 29 Mar 2017 17:07:17 +0000

ഈയിടെ XKCD യിൽ വന്ന ഒരു തമാശയാണു് മുകളിൽ കൊടുത്തിരിക്കുന്നതു്. ഇമോജികളെ പരിചയമുള്ളവർക്കു കാര്യം പിടികിട്ടിക്കാണും. എന്തെങ്കിലും ആശയം പ്രകടിപ്പിക്കാനുള്ള ചെറുചിത്രങ്ങളെയും സ്മൈലികളെയുമാണു് ഇമോജികൾ എന്നുവിളിക്കുന്നതു്. ചാറ്റു ചെയ്യുമ്പോഴൊക്കെ നമ്മൾ ഉപയോഗിക്കുന്ന ചിരിക്കുന്നതും സങ്കടഭാവത്തിലുള്ളതും നാക്കുനീട്ടുന്നതുമായ ചെറുചിത്രങ്ങളുടെ നിര ഇന്നു് വളർന്നു് ആയിരക്കണക്കിനായിട്ടുണ്ട്. ചിത്രങ്ങൾക്കു പകരം അവയെ അക്ഷരങ്ങളെന്നപോലെ കണക്കാക്കാൻ യുണിക്കോഡ് ഇപ്പോൾ ഇവയെ എൻകോഡ് ചെയ്യുന്നുണ്ടു്. ഉദാഹരണത്തിനു് 😀 എന്ന സ്മൈലിക്ക് U+1F60x എന്ന കോഡ്പോയിന്റാണുള്ളതു്. അടുപോലെ 👨 പുരുഷൻ, 👩 സ്ത്രീ എന്നിവയൊക്കെ പ്രത്യേക കോഡ് പോയിന്റുകളുള്ള ഇമോജികളാണു്.

ഇമോജികൾ അക്ഷരങ്ങളെപ്പോലെയായാൽ അവ ചേർന്നു് കൂട്ടക്ഷരങ്ങളുണ്ടാവുമോ? 😀

ഇമോജികളെ കൂട്ടിയിണക്കി പുതിയ അർത്ഥമുള്ള ഇമോജികൾ ഉണ്ടാക്കാനുള്ള സംവിധാനം യുണിക്കോഡ് ഒരുക്കിയിട്ടുണ്ടു്. 👪 എന്ന ഇമോജി കുടുംബത്തെ സൂചിപ്പിക്കുന്നു. അച്ഛൻ, അമ്മ, മക്കൾ എന്നിവരടങ്ങിയ കുടുംബം. ഇതുപക്ഷേ അച്ഛൻ അമ്മ, മകൻ, മകൾ എന്നിവ കൂട്ടിച്ചേർത്തും ഉണ്ടാക്കാം. 👨‍👩‍👧‍👦 എന്ന ഇമോജി അങ്ങനെ 👨‍ + 👩‍ + 👧‍ + 👦 എന്നീ ഇമോജികൾ കൂട്ടിയുണ്ടാക്കിയതാണു്. വെറുതെ അടുപ്പിച്ചെഴുതിയതല്ല, നമ്മൾ ക്ക എന്നു് എഴുതാൻ ക കഴിഞ്ഞ ചന്ദ്രക്കലയിട്ട് അടുത്ത കയുമായി യോജിപ്പിക്കില്ലേ, അങ്ങനെ യോജിപ്പിക്കണം. അതായതു് U+1F468 U+200D U+1F469 U+200D U+1F466 എന്ന ശ്രേണി ഉപയോഗിക്കണം. ഇവിടെ കൂട്ടിയോജിപ്പിക്കാൻ ഉപയോഗിച്ചിരിക്കുന്നതു് U+200D എന്ന അക്ഷരമാണു്.

സാങ്കേതികവിദ്യാഭ്യാസം : പരീക്ഷകളിങ്ങനെ മതിയോ?

Thu, 26 Jan 2017 05:06:31 +0000

കേരള സാങ്കേതിക സര്‍വ്വകലാശാലയുടെ ഒന്നും മൂന്നും സെമസ്റ്ററുകളിലെ പരീക്ഷകള്‍ ഒരുപാട് കോലാഹലങ്ങള്‍ക്കു ശേഷം തുടങ്ങിക്കഴിഞ്ഞു. മൂല്യനിര്‍ണ്ണയശാലകളും സജീവമായിരിക്കുന്നു. ചോദ്യപ്പേപ്പറുകളും അവയുടെ നിലവാരവും മൂല്യനിര്‍ണ്ണയരീതിയും ഒക്കെയാണ് ഞങ്ങള്‍ അദ്ധ്യാപകര്‍ക്കിടയിലിപ്പോള്‍ ചൂടുള്ള ചര്‍ച്ച. ‘പോര്‍ഷന്‍ തീര്‍ത്താല്‍’ തീരുന്ന പണിയേ തനിക്കുളുവെന്നു കരുതിയിരുന്നവരായിരുന്നു മിക്കവരും. “ഒക്കെ ഞാന്‍ പഠിപ്പിച്ചതാ, അവര് പഠിച്ചിരുന്നെങ്കില്‍ ജയിച്ചേനെ” അല്ലെങ്കില്‍ “നമ്മളെയൊക്കെ ക്ലാസ്സില്‍ പഠിപ്പിച്ചിട്ടാണോ, കാര്യങ്ങളൊക്കെ തനിയേ കണ്ടുപിടിച്ചു പഠിക്കാനുള്ള മടികൊണ്ടാ ഇപ്പോഴത്തെ കുട്ടികളൊക്കെ പരീക്ഷയില്‍ തോല്‍ക്കുന്നേ” എന്നുമൊക്കെയുള്ള മാസ്സ് ഡയലോഗടിയ്ക്കാന്‍ അദ്ധ്യാപകർക്കൊന്നും പണ്ടത്തെയെന്നപോലെ ഇപ്പോഴും ഒരു മടിയുമില്ല. വ്യക്തിപരമായ നിരീക്ഷണങ്ങള്‍ നിന്നുള്ള സാമാന്യവല്‍ക്കരണത്തില്‍ തെറ്റുകളുണ്ടന്നു തോന്നിയാല്‍ ചൂണ്ടിക്കാണിക്കുക, തിരുത്താം 🙂

തനിയ്ക്ക് ആഴത്തില്‍ ബോധ്യമുള്ള ഒരു കാര്യം മാത്രമേ മറ്റൊരാള്‍ക്കു ബോധിയ്ക്കും വിധം പറഞ്ഞു കൊടുക്കാന്‍ ആര്‍ക്കായാലും പറ്റൂ. അവര്‍ക്കേ ക്ലാസ്സ്മുറിയില്‍ പഠിതാവില്‍ നിന്നും തിരിച്ചു ചോദ്യങ്ങള്‍ ഉണ്ടാകുമ്പോള്‍ കൂടുതല്‍ ആഴത്തിലേയ്ക്കിറങ്ങി പാഠഭാഗം ഇനിയും ആസ്വാദ്യകരമാക്കുവാന്‍ സാധിക്കൂ, ചുറ്റുമുള്ളലോകത്തെ അതിലേയ്ക്ക് ബന്ധിപ്പിയ്ക്കുവാനാകൂ. അങ്ങനെയൊരു ക്ലാസ്സിലിരുന്ന വിദ്യാര്‍ത്ഥിക്കേ അതുനുമപ്പുറമെന്തുണ്ടെന്ന് ക്ലാസ്സിനു പുറത്തന്വേഷിക്കുവാന്‍ സാധിക്കൂ. അപ്പൊഴേ പഠിച്ചതുകൊണ്ടു തന്റെ പരിസരത്തെ എങ്ങനെ മെച്ചപ്പെടുത്താമെന്ന് അദ്ധ്യാപകര്‍ക്കും സഹപാഠികള്‍ക്കുമൊപ്പം ചര്‍ച്ച ചെയ്യാനും പ്രാവര്‍ത്തികമാക്കാനും ഉള്ള ശ്രമങ്ങളൊകെ ഉണ്ടാകൂ. ഇതൊക്കെ സാധിച്ചില്ലെങ്കില്‍ ഒരു സാങ്കേതിക കലാലയം കൊണ്ട് എന്താണ് പ്രയോജനം?

മഹാഭാരതപ്രഭാഷണപരമ്പര – സുനിൽ പി ഇളയിടം

Thu, 26 Jan 2017 04:13:45 +0000

ഡിസംബർ അവസാനവാരം പാലക്കാട് ജില്ലാ ലൈബ്രറിയുടെ ആഭിമുഖ്യത്തിൽ ശ്രീ സുനിൽ പി ഇളയിടം അഞ്ചു ദിവസം നീണ്ടുനിന്ന ‘മഹാഭാരതം: സാംസ്കാരിക ചരിത്രം’ എന്ന വിഷയത്തിലുളള പ്രഭാഷണപരമ്പര നടത്തുകയുണ്ടായി. പരിപാടിയിൽ നേരിട്ട് പങ്കെടുക്കാൻ സാധിച്ചില്ലെങ്കിലും പ്രഭാഷണത്തിന്റെ വീഡിയോ നല്ല നിലവാരത്തിൽ ഷാജി മുള്ളൂക്കാരൻ റെക്കോർഡ് ചെയ്തിരുന്നു. ഈ വീഡിയോകൾക്ക് വൻപ്രചാരമാണ് ലഭിച്ചതു്. ആദ്യഭാഗം കേട്ടുതുടങ്ങിയപ്പോഴേ മനസ്സിലായി, പന്ത്രണ്ട് മണിക്കൂറോളമുള്ള ഈ പ്രഭാഷണം തീർച്ചയായും കേട്ടിരിക്കേണ്ടതാണെന്ന്. ഒഴിവുസമയങ്ങളിലും യാത്രകൾക്കിടയിലുമൊക്കെയായി മുഴുവൻ കേട്ടുതീർത്തു.

മഹാഭാരതത്തിന്റെ ആധ്യാത്മമോ മതപരമോ ആയ വസ്തുതകളല്ല സുനിൽ പി ഇളയിടം വിശകലനം ചെയ്യുന്നതു്. ചരിത്രത്തിൽ മഹാഭാരതം വികസിച്ചു വന്ന നാൾവഴികൾ, ആ വികാസത്തെ സ്വാധീനിച്ച സാംസ്കാരിക, രാഷ്ട്രീയ ഘടകങ്ങൾ, തിരിച്ച് മഹാഭാരതം സ്വാധീനിച്ച ചരിത്രത്തിന്റെ വഴികൾ, മഹാഭാരതത്തിന്റെ പലപതിപ്പുകളും അതിന്റെ ക്രിട്ടിക്കൽ എഡിഷനും, ഗീതയുടെ ചരിത്ര പശ്ചാത്തലവും കാലഗണനയും എന്നിവയൊക്കെയാണ് പ്രഭാഷണത്തിൽ ചർച്ച ചെയ്യുന്നതു്. വിഷയത്തിനെപ്പറ്റിയും, വിഷയത്തിനു പുറത്ത് ബന്ധപ്പെട്ട കഥകളും സമകാലിക സംഭവങ്ങളും, രാഷ്ട്രീയവും ഒക്കെയായി പാണ്ഡിത്യം തുളുമ്പുന്ന തടവില്ലാത്ത കാവ്യാത്മകമായ പ്രഭാഷണം എന്തുകൊണ്ടും നല്ലൊരു വൈജ്ഞാനികാനുഭവമാണു് തന്നതു്. ചരിത്രത്തെപ്പറ്റിയും മഹാഭാരതത്തെപ്പറ്റിയുമുള്ള എന്റെ കാഴ്ചപ്പാടിനെ ഈ പ്രഭാഷണം വല്ലാതെ മാറ്റിമറിച്ചു. വർഷങ്ങൾക്ക് മുമ്പ് മതപരമോ ഐതിഹാസികപരമോ ആയും പിന്നീട് വെറും യുക്തിവാദപരമായും മാത്രം കണ്ടിരുന്ന മഹാഭാരതം, അതിനെല്ലാമപ്പുറത്തു് നമ്മുടെ ചരിത്രത്തിനെപ്പറ്റിയും സ്വത്വബോധത്തെപ്പറ്റിയും ദേശീയതയെപ്പറ്റിയുമൊക്കെ ആഴത്തിലുള്ള അറിവുകൾ തേടാനുള്ള മാർഗമായി ഇപ്പോഴാണു് ഞാൻ മനസ്സിലാക്കുന്നതു്. പ്രഭാഷണത്തിൽ പരാമർശിക്കപ്പെട്ട വ്യക്തികൾ, സംഭവങ്ങൾ, കൃതികൾ എന്നിവയെപ്പറ്റി കൂടുതൽ വായിക്കാനുമാഗ്രഹിക്കുന്നു.

Detailed font reports using fontreport tool

Sun, 01 Jan 2017 12:24:37 +0000

Google i18n team developed a tool to create detailed report of fonts. The tool named fontreport, produces a multi page PDF with Unicode coverage of the font, what glyphs are in it, what Open Type features it supports, available ligatures, and glyph substitutions. Optionally the tool can also create plain text reports. The PDF is generated using TeX.

Manjari font report generated using fontreport tool

I found it very useful to create report for a dozen of fonts I maintain with Swathantha Malayalam Computing community. Sharing the reports it created:

Swanalekha input method documentation

Sun, 01 Jan 2017 10:02:35 +0000

Sayahna Foundation had prepared a single page documentation of Swanalekha input method in PDF format. Since I often get emails about the key mapping, I am sharing it here.

PDF: http://thottingal.in/documents/swanalekha.pdf

Swanalekha Malayalam input method documentation

2016 ൽ വായിച്ച പുസ്തകങ്ങൾ

Sat, 31 Dec 2016 09:46:19 +0000

വായിച്ചു തീർത്തതിനെക്കാൾ തീർക്കാതെ വായന നിർത്തിയ പുസ്തകങ്ങളായിരിക്കും 2016ൽ കൂടുതലും. ഉള്ളടക്കത്തിലെ താത്പര്യം കൊണ്ട് വായിക്കാനെടുത്തു് വായന ദുഷ്കരമായപ്പോഴോ പ്രതീക്ഷയ്ക്കൊത്ത് ഉള്ളടക്കമില്ലാത്തപ്പോഴോ പല നോൺ ഫിക്ഷൻ പുസ്തകങ്ങളും മാറ്റിവെച്ചു. 20 പുസ്തങ്ങളെങ്കിലും വായിക്കണമെന്നു കരുതിയെങ്കിലും അത്രയും പൂർത്തിയാക്കാൻ കഴിഞ്ഞില്ല. അതേ സമയം പുസ്തങ്ങളുടെ ലോകത്തിനപ്പുറം ഇന്റർനെറ്റ്-സോഷ്യൽ മീഡിയാ വായനകൾക്ക് ഒട്ടും കുറവുണ്ടായില്ല. ഒന്നു രണ്ടു മിനിറ്റുകൊണ്ട് ഒറ്റനോട്ടത്തിൽ വായിച്ചെടുക്കാവുന്ന കുറിപ്പുകളാണ് ഇന്റർനെറ്റ് വായനക്കാർക്കിഷ്ടം എന്നു തോന്നുന്നു. നീണ്ട കുറിപ്പുകൾ ഉണ്ടെങ്കിൽ പ്രധാനഭാഗങ്ങൾ ബ്ലർബ് ആയി കൊടുത്ത് വേഗത്തിലുള്ള വായനയെ സഹായിച്ചില്ലെങ്കിൽ വായനക്കാർ വിട്ടുകളയും.

വായിച്ച പുസ്തകങ്ങൾ താഴെക്കൊടുക്കുന്നു. ഈബുക്കുകളാണ് കൂടുതലും വായിച്ചതു്.
1. Elon Musk: Inventing the Future by Ashlee Vance
2. ബുക്‌സ്റ്റാള്‍ജിയ by P.K. Rajasekharan
3. Mr. Penumbra’s 24-Hour Bookstore by Robin Sloan
4. When Breath Becomes Air by Paul Kalanithi
5. Sapiens: A Brief History of Humankind by Yuval Noah Harari
6. The Vegetarian by Han Kang
7. Gujarat Files by Rana Ayyub
8. Stories of Your Life and Others by Ted Chiang
9. The Sceptical Patriot: Exploring the Truths Behind the Zero and Other Indian Glories by Sidin Vadukut
10. The Drunkard’s Walk: How Randomness Rules Our Lives by Leonard Mlodinow
11. കണ്ണ് സൂത്രം by Vinod Krishna
12. Homo Deus: A Brief History of Tomorrow by Yuval Noah Harari
13. What If?: Serious Scientific Answers to Absurd Hypothetical Questions by Randall Munroe
14. Feynman’s Rainbow: A Search for Beauty in Physics and in Life by Leonard Mlodinow
15. Bad Science by Ben Goldacre (some more pages remaining)
16. The Intelligence Paradox: Why the Intelligent Choice Isn’t Always the Smart One by Satoshi Kanazawa
17. Shady Characters: The Secret Life of Punctuation, Symbols & Other Typographical Marks by Keith Houston
18. Arms and the Man by George Bernard Shaw

Electronic Design and Automation Lab: Migration to Scilab

Wed, 09 Nov 2016 14:30:16 +0000

The third semester B.Tech Electronics and Communication Engineering programme of Kerala Technological University (KTU) has a lab course on electronic design and automation. The course aims to introduce the students to various electronic design and simulation tools like SPICE, MATLAB and HDL.

I had proposed the migration of the MATLAB section of this lab course to SCILAB, a popular open source alternative to MATLAB. The migration is now complete with support from FOSSEE . The source code of the experiments are now available here. A detailed lab manual will be made available soon.

കേരളപ്പിറവിയുടെ അറുപതാം വാർഷികം – മനോരമ പത്രത്തിലെഴുതിയ കുറിപ്പ്

Mon, 07 Nov 2016 03:56:03 +0000

മലയാള മനോരമ, എഡിറ്റോറിയൽ പേജ്, നവമ്പർ 1 2016

Proposal for Malayalam language subtags for orthography variants rejected

Fri, 30 Sep 2016 03:07:15 +0000

The Internet Engineering Task Force (IETF) – Languages is responsible for the registration of language tags, subtags and script variants. These registered language tags are used in a wide set of internet standards and applications to identify and annotate language uniquely.

Recently Sascha Brawer(currently working at Google) submitted a proposal to register two new language subtags for Malayalam to denote the orthography variations. Malayalam orthography had a diverging moment in history when Kerala government decided to script reformation in 1971. The decision was to accommodate the Malayalam orthography for the then existing typewriters and typesetting devices. These devices had limitations to accomodate the wide character set of Malayalam at that time.

Manjari Font

Sat, 23 Jul 2016 06:29:36 +0000

I am happy to announce the new Malayalam font I was designing for past several months. The new font is named “Manjari”.

Malayalam blogpost: https://blog.smc.org.in/manjari-font/

Malayalam script is known for its curly characters with beautiful loops. Encoded in unicode around 2001, it is relatively new to the digital age. The script has been evolving from rectangle shaped to oval shaped types of varying proportions. The popular culture is more of oval/ellipse shaped curves, mainly because writing methods using stensils or pens demanded less sharp corners. The character or ligature shapes has also been changing gradually towards the shapes that are easy with pens. The Manjari font takes that to another level by smoothening all curves to its maximum.

A short story of one lakh Wikipedia articles

Sat, 16 Jul 2016 05:29:01 +0000

At Wikimedia Foundation, I am working on a project to help people translate articles from one language to another. The project started in 2014 and went to production in 2015.

Over the last one year, a total of 100,000 new artcles were created across many languages. A new article get translated in every five minutes, 2000+ articles translated per week.

The 100000th Wikipedia page created with Content Translation is in Spanish, for the song ‘Crying, Waiting, Hoping’

FOSS migration of electronic circuit simulation lab

Fri, 15 Jul 2016 14:41:14 +0000

My proposal for migrating basic electronic circuit simulation lab to the FOSS tool eSim has been approved. The source code and documentation of experiments can now be downloaded from here.

eSim is an open source EDA tool for circuit design, simulation, analysis and PCB design. eSim is developed by FOSSEE (Free and Open Source Software for Education) – an initiative of MHRD, Govt. of India. FOSSEE promotes the migration of labs in educational institutions from proprietary tools to FOSS only ones through lab migration projects.

ഡോക്ടർ ബി എം ഹെഗ്ഡേ – മാതൃഭൂമി ആഴ്ചപ്പതിപ്പിൽ വന്ന അഭിമുഖത്തെപ്പറ്റി

Sun, 03 Jul 2016 11:07:45 +0000

മാതൃഭൂമി ആഴ്ചപ്പതിപ്പിന്റെ കഴിഞ്ഞയാഴ്ച പുറത്തിറങ്ങിയ പതിപ്പിൽ(ലക്കം 16) ഡോ ബി എം ഹെഗ്‌ഡെയുമായി അഭിമുഖമുണ്ട്. കവർസ്റ്റോറിയാണു്. ലോകപ്രശസ്ത ജനപക്ഷ ഡോക്ടറാണു്, ആരോഗ്യം സമൂഹത്തിന്റെ ആരോഗ്യമാണെന്നൊക്കെ പറഞ്ഞുള്ള ആമുഖത്തിനപ്പുറം വായിച്ച് പോയപ്പോൾ എന്റെ പരിമിതമായ ശാസ്ത്രവിജ്ഞാനത്തിനൊരിക്കലും അംഗീകരിക്കാൻ കഴിയാത്ത കപടവാദങ്ങളാണു് കാണാനിടയായതു്. പത്മ ഭൂഷൺ ലഭിച്ച, മണിപ്പാൽ യൂണിവേഴ്സിറ്റിയുടെ വൈസ് ചാൻസ്‌ലറായിരുന്ന, നിരവധി ബിരുദങ്ങളും വർഷങ്ങളുടെ വൈദ്യശാസ്ത്ര അനുഭവപരിചയവുമുള്ള ഇദ്ദേഹം ഇങ്ങനെയൊക്കെ ശാസ്ത്രത്തെ അവതരിപ്പിക്കുന്നതിൽ എനിക്കത്ഭുതമുണ്ട്.

ആരോഗ്യരംഗത്തെ സാമ്പത്തിക ചൂഷണങ്ങൾ, ഡോക്ടർ രോഗി ബന്ധങ്ങളിലെ തെറ്റായ പ്രവണതകൾ തുടങ്ങി ആർക്കും അംഗീകരിക്കാൻ അത്ര വിഷമമൊന്നുമില്ലാത്ത വിഷയങ്ങളുടെ മറവിൽ ആധുനിക വൈദ്യശാസ്ത്രത്തെയും അതിന്റെ നേട്ടങ്ങളെയും അപ്പാടെ നിരാകരിയ്ക്കുകയാണു് ഹെഗ്‌ഡെ ചെയ്യുന്നതു്. അദ്ദേഹത്തിനു ലഭിച്ച ശാസ്ത്ര വിദ്യാഭ്യാസത്തെയും അലങ്കരിച്ച പദവികളെയും അപ്പാടെ ചോദ്യചിഹ്നമാക്കുന്ന രീതിയിലുള്ള നിരീക്ഷണങ്ങൾ നമ്മുടെ നാട്ടിലെ ലാടവൈദ്യൻമാരുടെയോ കപടശാസ്ത്രവാദക്കാരുടെയോ വാദങ്ങളിൽ നിന്നും ഒട്ടും ഭിന്നമല്ല.

When Breath Becomes Air – Paul Kalanithi

Sat, 28 May 2016 05:49:31 +0000

I read this book after my friends recommended it and wrote the following note at Goodreads

I am not rating this book. Not because of the book is bad. It is well written, I read it in a single day. But just that it gave me lot of pain and I would not recommend any of my friends to go through that pain. The reading can be felt very personal, like watching a friend – the author of the book – suffering. I had friends who went through very difficult illness and no longer with us. I have close relatives who is going through similar difficult time.

Gujarat Files – Rana Ayyub

Sat, 28 May 2016 05:41:19 +0000

Fear – That would be the single word I can use to describe my feeling after reading the book. My belief in Indian judicial and paraliamentary system is not a firm one. This book shakes it badly. I am nobody to judge the facts revealed in the book, but what make me afraid is there is very less chance that these facts are verified by the current Indian political and legal system.

Introductory Workshop on Version Control Systems

Mon, 23 May 2016 13:54:35 +0000

The IEEE student branch of College of Engineering, Chengannur is doing a commendable initiative conducting a week long student quality improvement programme. I was invited to give an introductory workshop on version control systems as part of ISQIP 2016.

It was a good experience to be with a group of enthusiastic youngsters. The need of version control systems and demonstration of version controlling using git was done during the workshop. The slides of presentation is here.

Feedback on KTU Syllabus of Electronics and Communication Engineering

Wed, 18 May 2016 15:03:50 +0000

Kerala Technological University (KTU) published a draft syllabus for the third and fourth semesters of Electronics and Communication Engineering for the coming academic year. It raised widespread concerns regarding:

The depth and vastness of contents

The obsoleteness of contents

Sequence of introducing concepts and the pedagogy involved

FOSS friendliness

To discuss the matter and collect feedback from a wider academic community, KTU called for a syllabi discussion meeting at its office on 13th May, 2016. More than a hundred faculties from various engineering colleges in Kerala came over and expressed their genuine concerns, comments and suggestions. I got opportunity to attend the same.

Internationalized Top Level Domain Names in Indian Languages

Wed, 27 Apr 2016 17:33:17 +0000

Medianama recently published a news report- “ICANN approves Kannada, Malayalam, Assamese & Oriya domain names“, which says:

ICANN (Internet Corporation for Assigned Names and Numbers) has approved four additional proposed Indic TLDs (top level domain names), in Malayalam, Kannada, Assamese and Oriya languages. The TLDs are yet to be delegated to NIXI (National Internet exchange of India). While Malayalam, Kannada and Oriya will use their own scripts, Assamese TLDs will use the Bengali script.

Redesigned font download page of SMC

Wed, 06 Apr 2016 06:29:51 +0000

The font preview and download page of SMC has a fresh look now.

The intention is to provide a font preview, typography showcase, download site in single page. Every font has multiple illustrations of usage and the text used is editable if you want to try your own text there.

The old page which was also designed by myself was not mobile friendly. It provides a single page view to compare the fonts, each represented as cards. But it did not had enough flexibility to showcase some fine usages of typography.

Fontconfig language matching

Fri, 04 Mar 2016 15:00:30 +0000

I had to spend a few hours to debug a problem about fontconfig not identifiying a font for a language. Following the tradition of sharing the knowledge you acquired in hard way, let me note it down here for search engines.

The font that I am designing now has 3 style variants, thin, regular and bold. All has same family name. So if you set this family for whatever purpose, depending on context, thin, regular or bold versions will be picked up. Regular is expected by default. Also when you pick the font from font selectors, you would expect, regular being selected by default.

Indic hyphenation patterns relicensed

Sat, 16 Jan 2016 11:18:14 +0000

The hyphenation rules for Indian languages I maintain now relicensed to much permissive MIT license. This was a blocker for to get added to Android, and Firefox.

Experimenting eSim- A tool for Electronic Circuit Simulation

Fri, 04 Dec 2015 08:58:55 +0000

I did not have much exposure to open source Electronic Design Automation tools during my graduation course in Electronics and Communication Engineering. My institute had proprietary EDA tools in the lab and all my experiences were limited to them. I must confess I never tried to explore the FOSS world for alternatives until I was in a need to offer a lab course on basic circuit simulation.

Web searches took me to the design suite eSim . It is an open source EDA tool for circuit design, simulation, analysis and PCB design. It is an integrated tool built using open source software such as KiCad and Ngspice. eSim is released under GPL. It’s GUI guides the user through the steps of schematic creation, netlist generation, PCB design and simulation. eSim source code iis hosted at: https://github.com/FOSSEE/eSim .

അധിക നിമിഷം (Leap second)

Sat, 27 Jun 2015 06:08:37 +0000

ഈ വരുന്ന ജൂണ്‍ 30 നു് ഒരു പ്രത്യേകതയുണ്ടു്. ആ ദിവസത്തിന്റെ ദൈര്‍ഘ്യം 24 മണിക്കൂറും ഒരു സെക്കന്റും ആണു്. അധികം വരുന്ന ഈ ഒരു സെക്കന്റിനെ ലീപ് സെക്കന്റ് അല്ലെങ്കില്‍ അധിക നിമിഷം എന്നാണു് വിളിക്കുന്നതു്. നമ്മള്‍ സാധാരണ ഉപയോഗിക്കുന്ന കൈയില്‍ കെട്ടുന്ന വാച്ചുകളിലോ ചുമര്‍ ക്ലോക്കുകളിലോ ഒന്നും ഇതു കണ്ടെന്നു വരില്ല. അല്ലെങ്കിലും ഒരു സെക്കന്റിനൊക്കെ നമുക്കെന്തു വില അല്ലേ? പക്ഷേ അങ്ങനെ തള്ളിക്കളയാനാവില്ല ഈ അധിക സെക്കന്റിനെ. സെക്കന്റ് അളവില്‍ കൃത്യത ആവശ്യമായ കമ്പ്യൂട്ടറുകളിലും ഉപകരണങ്ങളിലും ഇതു പ്രശ്നമുണ്ടാക്കാനുള്ള സാധ്യത വളരെ കൂടുതലായതുകൊണ്ടു് ജൂണ്‍ 30, 11 മണി, 60 സെക്കന്റ് എന്ന സമയത്തെ, എന്നാല്‍ ജൂലൈ 1 ആവാത്ത ആ നിമിഷത്തെ, നേരിടാന്‍ ലോകമെമ്പാടുമുള്ള സാങ്കേതിക വിദഗ്ദ്ധര്‍ കരുതിയിരിക്കുന്നു.

Translating HTML content using a plain text supporting machine translation engine

Mon, 09 Feb 2015 11:54:12 +0000

At Wikimedia, I am currently working on ContentTranslation tool, a machine aided translation system to help translating articles from one language to another. The tool is deployed in several wikipedias now and people are creating new articles sucessfully.

The ContentTranslation tool provides machine translation as one of the translation tool, so that editors can use it as an initial version to improve up on. We used Apertium as machine translation backend and planning to support more machine translation services soon.

Making of Keraleeyam font: From ASCII to Unicode

Fri, 26 Dec 2014 17:01:19 +0000

Keraleeyam is a new unicode malayalam font designed for titles. It was originally designed in 2005 for ‘Keraleeyam’, a magazine supporting environmental movements in Kerala, with ASCII encoding and was distributed along with Rachana editor software.

Unicode font feature tables for malayalam are complex, which include diverse rules for ligature formation and glyph positioning. Keraleeyam which was originally ASCII encoded, contained no such rules. It would have been a herculian task to manually add the rules for each glyph. Keraleeyam has 792 glyphs in it. Also rules needed to be duplicated to support both the latest and old open type specifications. It ensures that the font is rendered correctly by all applications in new and reasonably old operating systems.

New handwriting style font for Malayalam: Chilanka

Mon, 27 Oct 2014 06:18:12 +0000

A new handwriting style font for Malayalam is in development. The font is named as “Chilanka”(ചിലങ്ക).

This is a alpha version release. Following is a sample rendering.

More samples here.

You may try the font using this edtiable page http://smc.org.in/downloads/fonts/chilanka/tests/ -It has the font embedded

Download the latest version: http://smc.org.in/downloads/fonts/chilanka/Chilanka.ttf

Font license: Free licensed font, OFL.
Source code: https://github.com/smc/Chilanka
Tools used for drawing: Inkscape and fontforge

Chilanka/ചിലങ്ക is a musical anklet

A brief note on the workflow I used for font development is as follows

HOWTO: Wacom Bamboo CTH301K in Debian

Sun, 26 Oct 2014 13:53:07 +0000

This is a short documentation on getting Wacom Bamboo CTH301K working in Debian. I use Debian Sid with Linux kernel 3.16 at the time of writing this. But this should work with latest Ubuntu(14.04 or 14.10) and new kernels.

Wacom Bamboo CTH301K is an entry level touch pad with stylus – you can use it as a mouse, or drawing pad with stylus. It has multitouch features like pinch zoom and all. I got all working.

Talk at Wikimania 2014

Mon, 18 Aug 2014 03:09:17 +0000

I presented the Content Translation project of my team at Wikimania 2014 at London. Here is the video of the presentation.

Updated Swanalekha JavaScript Library

Sun, 17 Aug 2014 08:45:45 +0000

Six years back I wrote a javascript version of popular Swanalekha input method. Friends were requesting web based version that they can use in Windows platforms too. Swanalekha was initially written as a SCIM input method and later m17n input method, readily available in GNU/Linux platform. I had provided a bookmarklet version too. Later Rajiv Nair and Nishan Nasir wrote Chrome and Firefox extensions.

Yesterday I noticed that the updated Marunadan Malayali news portal using my javascript library to power Malayalam input method in their search boxes. I don’t track who else or how many use these libraries and tools. But I quickly realized how bad the code is. Or in other words, How better I can write them today. 6 years is a long span of time anyway.

Video of our presentation from 7th Multilingual Workshop by W3C

Sat, 16 Aug 2014 15:19:32 +0000

Video of our presentation from 7th Multilingual Workshop by W3C, Madrid, Spain, May 7-8

https://www.youtube.com/embed/_tNancNqFIQ

Best Practices on the Design of Translation- Pau Giner, David Chan and Santhosh Thottingal.

Abstract: Wikipedia is one of the most multilingual projects on the web today. In order to provide access to knowledge to everyone, Wikipedia is available in more than 280 languages. However, the coverage of topics and detail varies from language to language. The Language Engineering team from the Wikimedia Foundation is building open source tools to facilitate the translation of content when creating new articles to facilitate the diffusion of quality content across languages. The translation process in Wikipedia presents many different challenges. Translation tools are aimed at making the translation processes more fluent by integrating different tools such as translation services, dictionaries, and information from semantic databases as Wikidata.org. In addition to the technical challenges, ensuring content quality is one of the most important aspects considered during the design of the tool since any translation that does not read natural is not acceptable for a community focused on content quality. This talk will cover the design (from both technical and user experience perspectives) of the translation tools, and their expected impact on Wikipedia and the Web as a whole.

Typesetting Malayalam using XeTeX

Sun, 20 Jul 2014 06:05:19 +0000

XeTeX is an extension of TeX with built-in support for Unicode and OpenType. In this tutorial, we are going to learn how to typeset Malayalam using XeTeX. With some learning effort, we can produce high quality typesetting using XeTeX.

Installing XeTeX

XeTeX is packaged for all famous GNU/Linux distros. The installation method depends your distro. For ease of installation and configuration, we suggest to use a TeXLive version 2012 or above – either standalone TeXLive distribution or install from your distribution’s package manager. Windows and OSX versions are also available.

Malayalam typing using Inscript in Ubuntu 14.04

Sat, 28 Jun 2014 11:45:09 +0000

How to configure Ubuntu 14.04 for typing in Malayalam

How to install and configure swanalekha in Ubuntu 14.04

Sat, 28 Jun 2014 11:33:46 +0000

Also see Swanalekha input method documentation

Frequency modulation in gnu-octave : square wave carrier and sinusoidal message

Sat, 31 May 2014 10:18:48 +0000

Frequency modulation is a common analog modulation technique. Here the instantaneous frequency of the carrier wave is varied with the instantaneous amplitude of the message signal. That is the information regarding the message is available in the frequency of the carrier. It is a kind of more generic technique called angle modulation.

[][1]

Sinusoidal frequency modulation of square wave carrier

Gnu-octave has built-in function fmmod() available in octave-communications package for implementing frequency modulation. But this function modulates the given message signal with a sinusoidal carrier of specified frequency. If we want the carrier to be a square wave as shown in the figure, the built-in function would not help.

GSOC 2014 – Mentoring for SMC

Sun, 25 May 2014 05:17:08 +0000

I am a mentor for Google Summer of Code 2014 for SMC. I will be helping Praveen Sridhar to port input methods from jquery.ime to the Firefox OS.

We started the project and Praveen already has a proof of concept ready.

Tim Chien and Rudy Lu from Mozilla is co-mentoring the same project

Parsing CLDR plural rules in javascript

Sat, 24 May 2014 11:26:54 +0000

English and many other languages have only 2 plural forms. Singular if the count is one and anything else is plural including zero.

But for some other languages, the plural forms are more than 2. Arabic, for example has 6 plural forms, sometimes referred as ‘zero’, ‘one’, ‘two’, ‘few’, ‘many’, ‘other’ forms. Integers 11-26, 111, 1011 are of ‘many’ form, while 3,4,..10 are ‘few’ form.

While preparing the interface messages for application user interfaces, grammatically correct sentences are must. “Found 1 results” or “Found 1 result(s)” are bad interface messages. For a developer, if the language in the context is English or languages having similar plural forms, it may be a matter of an if condition to conditionally choose one of the messages.

Browser language preferences: navigator.languages is coming

Sat, 17 May 2014 15:41:08 +0000

Browsers provide an option to choose the preferred language a website to be shown, often named as “Accept language“.

[][2]

Firefox accept language preference

These preference values allows websites to deliver a suitable language version to the user.

For the developers, to read this value, the existing options is to check the Accept-Language http header value. It works and many websites use it already. But this value was never exposed at client side. Javascript cannot access the value of these preferences. There are many use cases where this is preferred. Handling i18n at client side is one of this.

W3C Workshop at Madrid

Sat, 03 May 2014 20:24:40 +0000

I will be speaking at the upcoming W3C workshop at Madrid. The workshop is on 7-8 May 2014 and the theme is “New Horizons for the Multilingual Web”.

I will be co-presenting with Pau Giner, David Chan from Wikimedia Foundation Language engineering team on best practices of translation at wikipedia. It will cover the design (from both technical and user experience perspectives) of the translation tools, and their expected impact on Wikipedia and the Web as a whole.

A laboratory manual for basic analog communication experiments

Sun, 13 Apr 2014 16:16:44 +0000

I was in need of a manual for introducing the analog communication lab experiments to students who had no prior exposure to electronic circuits or analog communication techniques. Since I found no such book which matched my needs, I planned to prepare a laboratory manual which could help students with the basic understanding of electronic circuit theory to learn and experiment the fundamentals of analog communication techniques.

Meera Tamil font in Ubuntu Trusty Tahr

Sun, 13 Apr 2014 12:29:20 +0000

Ubuntu Trusty Tahr is going to be released on April 17th 2014.

Meera Tamil font, a free licensed unicode font for Tamil will be available in this release.

The font is already available in Debian. In both Ubuntu and Debian you can install the font by

sudo apt-get install fonts-meera-taml

Thanks Vasudev for packaging it for Debian.

Configurable node logger with winston

Sun, 06 Apr 2014 06:43:21 +0000

For an advanced logging system for nodejs applications, winston is very helpful. Winston is a multi-transport async logging library for node.js. Similar to famous logging systems like log4j, we can configure the log levels and winston allows to define multiple logging targets like file, console, database etc.

I wanted to configure logging as per usual nodejs production vs development environment. Of course with development mode, I am more interested in debug level logging and at production environment I am more interested in higher level logs.

Mediawiki moves to json based localisation file format

Wed, 02 Apr 2014 11:22:18 +0000

Mediawiki is moving from PHP array based localisation file format to json format.

This is based on the RFC: https://www.mediawiki.org/wiki/Requests_for_comment/Localisation_format

A lot of extensions were also migrated to the new localisation format, thanks to Siebrand Mazeland

The json based localization file format was first introduced in our frontend javascript i18n library https://github.com/wikimedia/jquery.i18n

If you are interested in seeing some of the sample json files see https://gerrit.wikimedia.org/r/#/c/122787/ , claimed as “largest patch set in the history of MediaWiki”

Brackets, my favorite javascript IDE

Sun, 30 Mar 2014 05:18:52 +0000

I use Brackets for web development. I had tried several other IDEs but Brackets is my current favorite IDE. A few things I liked is listed below

It is free software licensed under the MIT License
written in HTML, CSS and JavaScript
Availability of large number of extensions

Some extensions I use with Brackets are:

NotoSansMalayalam and nta

Sat, 22 Mar 2014 09:22:24 +0000

NotoSansMalayalam has the following ligature rules for ന്റ (nta)- All uses Akhand Opentype feature

uni0D7B(ൻ) + uni0D4D(്) + uni0D31(റ) => ൻ + ് + റ
uni0D28(ന) + uni0D4D(്) + uni200D(ZWNJ) +uni0D31(റ) => ന്‍ + റ
uni0D28(ന) + uni0D4D(്) + uni0D31(റ) => ന് +റ

The first one is what is defined in Unicode chapter 09 section 9.9[pdf]. The second is what Microsoft Kartika used to use for /nta/ as a bug. The last one is what all other fonts follows. If this is what standards can achieve, what can I say?

Spurious glyphs in NotoSansMalayalam

Sat, 22 Mar 2014 08:50:08 +0000

NotoSansMalayalam is a font released by Google internationalization team under noto project. I was checking the glyphs of Malayalam and noted a number of spurious glyphs in the font

It is interesting because the font attempted to provide a minimal Malayalam font with reduced glyph set. While attempting that about 10% of the glyphs are either non-existing Malayalam glyphs(Glyphs with dot under consonants) or rarely used glyphs(Glyphs with U+0D62 MALAYALAM VOWEL SIGN VOCALIC L)

Collaboratively edited documentation for Indic font developers

Sat, 11 Jan 2014 08:26:02 +0000

One of the integral building blocks for providing multilingual support for digital content are fonts. In current times, OpenType fonts are the choice. With the increasing need for supporting languages beyond the Latin script, the TrueType font specification was extended to include elements for the more elaborate writing systems that exist. This effort was jointly undertaken in the 1990s by Microsoft and Adobe. The outcome of this effort was the OpenType Specification – a successor to the TrueType font specification.

Hyphenation in web

Sun, 17 Mar 2013 15:38:36 +0000

This is a follow up of a 4 year old blog post about hyphenation. Hyphenation allows the controlled splitting of words to improve the layout of paragraphs, typically splitting words at syllabic or morphemic boundaries and visually indicating the split (usually with a hyphen).

I wrote about how a webpage can use Hyphenator javascript library to achieve hyphenation for a text with ‘justify‘ style. Along with the hyphenation rules I wrote for many Indian languages, this solution works and some websites already use it. The Hyphenator library helps to insert Soft hyphens in appropriate positions inside the text.

New version of Malayalam fonts released

Sat, 10 Mar 2012 13:24:05 +0000

Swathanthra Malayalam Computing project announced the release of new version of Malayalam unicode fonts this week. In this version, there are many improvements for popular Malayalam fonts Rachana and Meera. Dyuthi font has some bug fixes. I am listing the changes below.

Meera font was small compared to other fonts. This was not really a problem in Gnome environment since fontconfig allows you to define a scaling factor to match other font size. But it was an issue in Libreoffice, KDE and mainly in Windows where this kind of scaling feature does not work. Thanks to P Suresh for a rework on glyphs and fixing this issue.
Rachana, Meera and Dyuthi had wrong glyphs used as placeholder glyphs. Bugs like these are fixed.
Virama 0D4D had a wrong LSB that cause the cursor positioning and glyph boundary go wrong. Fixed that bug

Atomic Chilu code points introduced in Unicode 5.1 was missing in all the fonts that SMC maintained because of the controversial decision by Unicode and SMC’s stand against that. Issues still exist, but content with code point is present, to avoid any difficulties to users, added those characters to Meera and Rachana fonts.

5. Rupee Symbols added to Meera and Rachana. Thanks to Hiran for designing Sans and Serif glyphs for Rupee.

SVG Fonts

Sat, 20 Aug 2011 15:56:53 +0000

This post is some notes on the current state of SVG Fonts.

SVG is not a webfont format. The purpose of SVG fonts is to be embedded inside of SVG documents (or linked to them), similar to the way you would embed standard TrueType or OpenType fonts in a PDF. SVG fonts are text files that contain the glyph outlines represented as standard SVG elements and attributes, as if they were single vector objects in the SVG image. Unlike EOT, WOFF, TTF formats , SVG is plain text uncompressed file.

Malayalam Wikisource Offline version

Sat, 11 Jun 2011 09:11:38 +0000

Malayalam Wikisource community today released the first offline version of Malayalam wikisource during the 4th annual wiki meetup of Malayalam wikimedians. To the best of our knowledge, this is the first time a wikisource project release its offline version. Malayalam wiki community had released the first version of Malayalam wikipedia one year back.

Releasing the offline version of a wikisource is a challenging project. The technical aspects of the project was designed and implemented by myself. So let me share the details of the project.

Mediawiki Berlin hackathon

Tue, 17 May 2011 16:16:36 +0000

I am just back from Mediawiki Berlin Hackathon. On May 13 to 15, Mediawiki developers attended the hackathon and squashed many bugs and discussed many features. Members of language committee had its first real-life meeting in parallel with hackathon. It was a nice event, learned a lot, talked to many awesome hackers and linguists.

Milos Rancic has written a summary of the discussions happened during language committee meeting here : http://lists.wikimedia.org/pipermail/foundation-l/2011-May/065537.html
Niklas Laxström and Siebrand reviewed the WebFonts extension and enabled at translatewiki.net. Fixed a few bugs that Niklas reported on the extension.
Purodha Blissenbach was very much interested in the WebFonts and Narayam extensions, we discussed some of the features we need to add. We have it here: Bug 28900 , Bug 28999 and Bug 29000

Creating a new Language ecosystem- Sourashtra as example

Sat, 07 May 2011 06:31:39 +0000

Sourashtra is a language spoken by Sourashtra people living in South Tamilnadu and Gujarat of India. Originated from Brahmi and then Grandha, this language is mother tongue for half a million people. But most of them are not familiar with the script of this language. Very few people knows reading and writing on Sourashtra script. Sourashtra has a ISO 639-3 language code saz and Unicode range U+A880 – U+A8DF

Recently Sourashtra wikipedia project was started in the wikimedia incubator : http://incubator.wikimedia.org/wiki/Wp/saz and Mediawiki localization started in translatewiki Since the language did not have any proper fonts or input tools, this was not going well.

Cross Language Approximate Search on Indic Languages- A demo

Sun, 03 Apr 2011 11:27:39 +0000

A demo of cross language approximate search in Indic text:

The Malayalam word സാമ്പാര്‍ is compared against a paragraph from http://ml.wikipedia.org/wiki/Sambar.
In the bottom half, words marked in yellow color are search results.
You can see that a Kannada word ಸಾಂಬಾರ್‍ is matched for Malayalam word. And that is why this is called cross-language.
The inflections of the words സാമ്പാര്‍ – സാമ്പാറും, സാമ്പാറു etc are also found as results.
This is the kind of search we need in Indic languages, not just the letter by letter comparison we do for English.

Tamil Collation in GLIBC

Sat, 26 Feb 2011 12:29:51 +0000

A few months back, we started fixing the collation rules of Indian languages in GNU C library. Pravin Satpute prepared patches for many languages and I prepared patches for Malayalam and Tamil. Later Pravin enhanced the Tamil patch.

You can read the rules used for Malayalam collation here[PDF document]. Tamil patch was applied to upstream, but the bug is still open since there is some confusion on the results.

Before reading the below discussion, please read the discussion happened in the bug report : [ta_IN] Tamil collation rules are not working in other locales

Identifiers In Indic Languages

Sat, 08 Jan 2011 11:27:00 +0000

Recently, while preparing a critique for IDN Policy for Malayalam language prepared by CDAC, I noticed that ICANN does not allow control characters in the domain names. Sometime back I noticed Python 3 identifiers also does not allow control characters in the Identifiers. This blog post attempts to analyze the issue by looking at the Unicode and ICANN specifications about these special characters.

Apart from the existing characters in Indic languages, Zero width Joiner and Zero width non joiners are widely used in Indic languages to control how the ligatures are formed. For some samples on how they are used, refer the wikipedia links. Being control characters and invisible characters, they are often removed while doing normalization , particularly before doing a string comparison, or collation (sort).

Dictionary Jabber Buddy Bots

Sat, 20 Nov 2010 17:24:05 +0000

Recently we released two Jabber buddy bots for dictionary lookup. By adding eng.mal.dict@gmail.com as a chat contact one can ask for the meaning of an English word in Malayalam by just sending a chat message. Similarly for English-Hindi or Hindi-English dictionary, we have another bot eng.hin.dict@jabber.org. Both of these dictionaries use Dict databases based on DICT protocol.

Both of these bots were well received by the users. We have 8000+ users for English-Malayalam Dictionary. Online blogs/media also gave good publicity. Thanks a lot!.

Indic Language Computing Workout, Pune

Mon, 23 Aug 2010 11:29:15 +0000

On 22nd August, I conducted a workout session with Praveen on Indic Language Computing at Red Hat Office, Pune. The plan was to solve some of the issues in Devanagari support for the encoding converter Payyans. But most of the time was spent on Introducing the concepts of Indic language computing to participants. Project Silpa was also introduced and demonstrated. Students from College of Engg, Pune and other colleges attended. Red Hat sponsored the venue at their office. It was very interesting to interact with energetic and enthusiastic students.

Wikimania 2010, Poland

Sat, 17 Jul 2010 09:25:44 +0000

I left Chennai on Wednesday(8th) and reached Frankfurt airport on Thursday morning. Rest of the people from India for wikimania- Shiju Alex, Tinu Cherian, Srinivas Gunta, Arjun Rao were already reached the airport and I joined them. We reached Gdansk Airport by 12.30 PM. Our accommodation was at a students hostel of Gdansk University. Language was a big issue since most of the people does not understand English and only know Polish Language. The lady at the reception of the hostel we stayed was using Google translate tool for communicating with us. The Gdansk city is a very beautiful city with streets of big brick made tall buildings.

Attending Wikimania 2010

Tue, 06 Jul 2010 09:32:45 +0000

I will be attending Wikimania 2010, Gdansk, Poland. This annual international conference of the Wikimedia community is from July 9 to July 11.

I will be presenting wik2cd, the tool I wrote for Malayalam wikipedia version 1.0 there in a joint workshop with wikipedia offline developers. I will be joining with Manuel Schneider, Shiju Alex, Martin Walker in the workshop titled: Creating offline version of Wiki content – Solutions and Challenges. Apart from this, I will be meeting pediapress team, the team behind wikipedia’s latest PDF/Book export feature. There are some issues in this tool for working with Indic languages, mainly because of the PDF rendering engine not capable of rendering complex scripts.

Malayalam Wikipedia releases selected articles on CD

Sat, 17 Apr 2010 05:03:47 +0000

As part of Malayalam Wikipedia Meetup 2010 , today Malayalam wikipedia releases 500 selected articles on a CD ROM. This is the first time in India, a Wikipedia on local language releasing its articles for offline usage. I handled the technology part of the project.

The idea was to get the selected articles in static form to the CD. But this is not easy as we imagine. It is not like saving each page from browser to the local machine. Following were the challenges:

Predictive text entry with ibus

Fri, 12 Mar 2010 14:39:37 +0000

A few days back I came to know about this project :Text Prediction on GNOME based on GTK+ Input Method context. Basically it is an input method with text prediction feature.

I had a similar project idea during 2009 May and had done some amount of coding for that. The project was to have an IBUS input method which can do letter prediction as well as word prediction. The prediction is based on ngrams. Since it is based on ibus, it works on all desktop applications. You can see the screenshots of prototype from here, here and here

Conferences : FOSS.IN and NCIDEEE

Sat, 28 Nov 2009 05:14:16 +0000

FOSS.IN 2009 starts on 1st December. I wanted to attend all 5 days but I have another conference on Dec 1st to 3rd at Chennai. I am attending National Conference on ICTs for the differently- abled/under privileged communities in Education, Employment and Entrepreneurship 2009 – (NCIDEEE 2009) at Loyola College, Chennai. So I will miss the first 3 days of foss.in.

We have a workout on Project Silpa during foss.in. I am also planning to have a workout with Debayan and Jinesh to get his tesseract-indic OCR work with Malayalam.

Inkscape hyphenation extension

Sat, 03 Oct 2009 14:33:03 +0000

One year back I wrote about how to use Inkscape as a workaround solution for DTP in indic scripts. Still we don’t have any DTP software which supports Indic scripts in Unicode. Scribus still does not have the Indic support.

One issue with inkscape when used as DTP for indic script was, a few indic scripts always wanted hyphenation when text is justified. For example Malayalam has lengthy words and often space is wasted in lines if the text is not automatically hyphenated. But this feature was not available in inkscape. There is a wishlist bug for adding this feature to Inkscape. I tried to develop an extension for Inkscape to achieve this.

New Hyphenation Pattern Extensions for Openoffice

Sat, 15 Aug 2009 09:35:45 +0000

Openoffice Indic Natural Language group announces the availability of the following Openoffice hyphenation dictionary extensions.

Spellchecker extension for Malayalam is also ready.

Project Silpa Updates

Tue, 11 Aug 2009 10:47:04 +0000

[Please read the Silpa project annoucement before reading this blogpost]

Project silpa is getting ready for a 0.1 version.

The web framework got many changes to support JSON based RPC calls from external applications. That means, web/desktop applications can use the APIs of Silpa through RPC calls.
Page rendering logic is moved from server to client. Web interface use javascript based synchronous JSON based RPC calls to get the results from server. Jquery is used for render the page.
Uses PyMeld Templating Engine for modules having web interface(Not all modules will not have web interface)
Framework is now Python WSGI application. Initially it was plain CGI. WSGI reduces the response time and allows the server to be executed as daemon
Many new modules are getting added- Spellchecker : which is not based on aspell or hunspell and I am going to try out some algorithms to get optimal suggestions. Not completed.
Soundex Algorithm- webbased demo and APIs as I explained in my previous blog post
An Inexact search algorithm and its implementation based on visual and phonetic distance between two words is getting ready. I will explain it in another blogpost
Hyphenation – Online tool as well as APIs
N-gram for Indic languages– API, web interface
API documentation is going on, but not completed. I have plans to make silpa as a python library for offline use too.
Moved from SMC‘s git repo to a seperate git repo. After 0.1 baseline, I will create branches for stable and development.
Application is running on a git controlled deployment workflow. Thanks to Joe Maller for nice documentation on this.

That’s all for now!. There are too many things to be done. Some of the modules does not support all languages as of now. If anybody interested in contributing to the project, please contact me. Try out the application, read the code and let me know your comments.

Phonetic Comparison Algorithm for Indian Languages

Sun, 26 Jul 2009 11:14:08 +0000

Soundex is a phonetic indexing algorithm. It is used to search/retrieve words having similar pronunciation but slightly different spelling. Soundex was developed by Robert C. Russell and Margaret K. Odell. A variation called American Soundex was used in the 1930s for a retrospective analysis of the US censuses from 1890 through 1920. It is also described in Donald Knuth’s The Art of Computer Programming. The National Archives and Records Administration (NARA) maintains the current rule set for the official implementation of Soundex used by the U.S. Government.

On Machine Translation and God

Sat, 27 Jun 2009 04:58:31 +0000

I was reading an article named “Why Can’t a Computer Translate More Like a Person?” by Alan K. Melby. The article is about the challenges that machine translation technology face to reach a acceptable quality of translation. He explains the importance of culture sensitivity required for machine translation programs. Article lists a number of examples where MT can go wrong if context , culture etc are not taken into consideration. There are very interesting arguments about how reductionalism becomes a wrong choice while designing MT. If you are interested in natural language processing or machine translation and wondering if there is any limit for computer programs to reach human’s language capabilities, please read it.

PDFBox : Extract Text from PDF

Wed, 24 Jun 2009 04:40:34 +0000

Recently I had to extract text from PDF files for indexing the content using Apache Lucene. Apache PDFBox was the obvious choice for the java library to be used.

Apache PDFBox is an opensource java library for working with PDF files. The PDFBox library allows creation of new PDF documents, manipulation of existing documents and the ability to extract content from documents. PDFBox also includes several command line utilities.

Announcing Project Silpa

Tue, 16 Jun 2009 15:13:53 +0000

Many of my friends already know about a project I am working on, this is a public announcement of that.

The project is named as Silpa, may be an acronym of Swathanthra(Mukth, Free as in Freedom) Indian Language Processing Applications. It is a web framework and a set of applications for processing Indian Languages in many ways. Or in other words, it is a platform for porting existing and upcoming language processing applications to the web.

Openoffice Indic Regional Language group

Wed, 27 May 2009 03:48:00 +0000

We just formed Indic Regional Language group for Openoffice. This is as per the Openoffice Native Language Consortium Plans. The objectives of such groups can be read from here. Basically the group is meant for better coordination among Indic languages to make Openoffice experience in our language better.

The announcement of this group is here

Thanks to Charles-H. Schulz, we got a mailing list indic@native-lang.openoffice.org. To subscribe login to http://native-lang.openoffice.org

We just started, and I will soon setup a wiki page there. To start with , I will collect the list of issues pending for Indian languages from people from various languages and will find out people from various languages as point of contacts. Feel free to contact me for anything related to Openoffice in your language.

In solidarity

Wed, 13 May 2009 22:34:00 +0000

“ക്ടാവ്” Slang converter തയാറാവുന്നു

Wed, 01 Apr 2009 02:05:00 +0000

ചങ്ങാതിമാരേ, കേരളത്തിലെ രസകരമായ പ്രാദേശിക ഭാഷാ ഭേദങ്ങളെക്കുറിച്ചു് നിങ്ങള്‍ക്കെല്ലാമറിയാമല്ലോ? തിരുവനന്തപുരം, കോട്ടയം, തൃശ്ശൂര്‍, ഷൊര്‍ണ്ണൂര്‍, പാലക്കാട്, കോഴിക്കോട് കണ്ണൂര്‍, വയനാട് തുടങ്ങി നമുക്കു് വ്യത്യസ്തങ്ങളായ മലയാളത്തിന്റെ രൂപഭേദങ്ങളുണ്ടു്. അച്ചടി മലയാളത്തില്‍ നിന്നും വളരെയേറെ വ്യത്യസ്തമാണു് അവ. അച്ചടി മലയാളം കൊടുത്തു് സ്ഥലത്തിന്റെ പേരു കൊടുത്താല്‍ ആ പ്രദേശത്തെ മലയാളത്തിന്റെ രീതിയിലേക്കു അതിനെ മാറ്റിത്തരുന്ന ഒരു സോഫ്റ്റ്‌വെയര്‍ രസകരമാവില്ലേ?

അത്തരത്തിലൊരു ശ്രമമാണു് “ക്ടാവ്” Slang converter എന്നു പേരിട്ടിരിക്കുന്ന പ്രൊജക്ട്. ഇതിന്റെ കൂടെ കൊടുത്തിരിക്കുന്ന സ്ക്രീന്‍ഷോട്ട് നോക്കൂ. ഡെവലപ്മെന്റ് പതിപ്പിന്റെ ചിത്രമാണതു്. കുറച്ചു നിയമങ്ങളുടെ അടിസ്ഥാനത്തില്‍ Natural Language Processing ന്റെ പുതിയ ശാഖയായ AMP(Ambiguous Language Processing) എന്ന വിദ്യ ഉപയോഗിച്ചാണു് ഇതു ചെയ്തിരിക്കുന്നതു്. Qt/C++ ആണു് കോഡ്. UI ചെയ്യാന്‍ Qt Creator ഉപയോഗിച്ചു.

Python isalpha is buggy

Mon, 30 Mar 2009 00:29:00 +0000

This code

#!/usr/bin/env python
# -*- coding: utf-8 -*-
ml_string=u"സന്തോഷ് हिन्दी"
for ch in ml_string:
if(ch.isalpha()):
print ch

gives this output

സ
ന
ത
ഷ
ह
न
द

And fails for all mathra signs of Indian languages. This is a known bug in glibc.

Does anybody know whether python internally use glibc functions for this basic string operations or use separate character database llke QT does?

N-gram Visualization Experiment

Sun, 29 Mar 2009 02:19:00 +0000

Following image shows the python-graphviz generated visualization of N-Gram representation of first paragraph this article from Hindi wikipedia. The image represents the possible paths through which a sentence can be constructed if we start from a word भारत.

Click to view the enlarged image

Localization: What are we missing?

Thu, 26 Mar 2009 05:19:00 +0000

[This blog post is kind of self criticism and written not forgetting the valuable contribution that l10n communities are doing. ]

Some observations on the Localized desktops in Indian Languages

Not all localization team members try the application that he/she translate at least once before working on the PO file. Result: If somebody does the localization without understanding what the application does and try the en_US interface, he/she miss the context of the strings. An example I have seen : the string “Querying” was translated to xx_IN language string which means “Questioning” instead of the required string corresponding to “Searching”. Sometimes we miss to understand how much space the string is going to take in the screen and we translate a small English word to a long xx_IN string to make the meaning clear. Result: Ugly interface.

Updates…

Sun, 11 Jan 2009 18:09:00 +0000

Praveen prepared videos from the matrix screen savers in 6 languages
This video is translated to Malayalam. For those who are interested in how to do that refer this
I prepared the glibc collation table for Malayalam . But still some more bugs to be fixed
We friends are working on adding Saka year system to KDE calendar system and it is almost ready . And here is the video : Saka calendar in KDE
Dict based english-malayalam dictionary is in developement and we are ready for a beta release. Rajeesh did a woderful job in preparing it
KDE Malayalam team is doing great job
Worked on hunspell to handle the agglutinative nature of Indian languages and found some problems with hunspell. Hunspell developer Nemth is looking into that
Sujith added Malayalam support to KLetters
Planning to attend fossmeet @ Model Engineering College, Cochin

മലയാളം അകാരാദിക്രമം

Thu, 01 Jan 2009 15:49:00 +0000

സ്വതന്ത്ര പ്രവര്‍ത്തകസംവിധാനങ്ങള്‍ക്കായി തയ്യാറാക്കിയ glibc (Gnu C Library ) അകാരാദിക്രമത്തിന്റെ(Collation) വിശദവിവരങ്ങള്‍ താഴെക്കൊടുക്കുന്നു. അഭിപ്രായങ്ങള്‍ അറിയിക്കുക.

താഴെപ്പറയുന്ന നിയമങ്ങളുടെ അടിസ്ഥാനത്തിലാണു് മലയാളം അകാരാദിക്രമം തയ്യാറാക്കിയിരിക്കുന്നതു്.

അക്ഷരമാലാക്രമം പിന്തുടരുക.
അനുസ്വാരം മയുടെ സ്വരസാന്നിദ്ധ്യമില്ലാത്ത രൂപമായി പരിഗണിച്ചു് മയുടെ തൊട്ടുമുന്നില്‍ ക്രമീകരിയ്ക്കുക. പംപ < പമ്പ എന്ന പോലെ .
ഓരോ വ്യഞ്ജനവും അതിന്റെ സ്വരസാന്നിദ്ധ്യമില്ലാത്ത രൂപത്തിന്റെ കൂടെ അകാരം ഉള്ള രൂപമായി കണക്കാക്കുക. അതായതു് ത എന്നതു് ത് എന്ന സ്വരസാന്നിദ്ധ്യമില്ലാത്ത വ്യഞ്ജനത്തിന്റെ കൂടെ അകാരം ഉള്ള രൂപമാണു്. ത = ത് + അ . താ = ത് + ആ എന്നിങ്ങനെ. ഇതില്‍ നിന്നും ത് < ത എന്നു വ്യക്തമാകുന്നു. അതുകൊണ്ടു് ത എന്നതു് ത് കഴിഞ്ഞേ വരൂ. അത് < അതല്ല < അതാണു്. അതേസമയം അത്ഭുതം > അതഭ. കൂട്ടക്ഷരങ്ങള്‍ അതിലെ ആദ്യത്തെ അക്ഷരത്തില്‍ സ്വരചിഹങ്ങള്‍ ചേര്‍ന്ന രൂപങ്ങളെല്ലാം കഴിഞ്ഞേ വരൂ. ത്ഭ = ത + ് + ഭ + ് + അ തഭ = ത + ് + അ + ഭ + ് + അ ആദ്യത്തെ രണ്ടക്ഷരങ്ങള്‍ തുല്യമായതുകൊണ്ടു്, ഇതിനെ നമുക്കു് ഭ + ് + അ അ + ഭ + ് + അ എന്നെഴുതാം. ഭ > അ ആണല്ലോ. അതുകൊണ്ടു് അത്ഭുതം എന്നതു് അതഭ എന്നതിനു ശേഷമേ വരൂ.

KDE Indic Screensavers

Mon, 22 Dec 2008 04:10:00 +0000

I ported all of the Matrix screensavers with Indian language glyphs to KDE4. For details about the screensavers please read:

Download the binary packages: Deb package, and RPM package

There are 6 screensavers in that package, for Malayalam, Hindi, Oriya , Bengali, Tamil and Gujarati. After installation, goto KDE system settings->Desktop->Screensaver and select any of this.

Screenshots(click to get the image in original size):

Hyphenation of Indian Languages in Webpages

Wed, 17 Dec 2008 05:27:00 +0000

In my last blogpost I explained hyphenation of Indian language text in openoffice. In this blogpost I will explain how hyphenation can be done in webpages.

As I explained importance of hyphenation come into picture when we justify the text. The length of the lines are controlled by the parent tags…. Unicode had defined a special character called soft hyphen for hyphenation denoted by . In HTML, the plain hyphen is represented by the “-” character (- or-). The soft hyphen is represented by the character entity reference ( or )

Hyphenation of Indian Languages and Openoffice

Sun, 14 Dec 2008 02:20:00 +0000

What is Hiphenation?

Hyphenation is the process inserting hyphens in between the syllables of a word so that when the text is justified, maximum space is utilized.

Hiphenation is an important feature that DTP softwares provide. For Indian languages there is no good DTP softwares available. XeTex is the only choice to work with unicode and professional quality page layout. But xetex and DTP are not exactly same. Inkscape can be used as temporary solution. But only for small scale works. There is a project going on to add Harfbuzz backend to Scribus, the freedomware DTP package.

Yahoo search bug

Sat, 06 Dec 2008 02:54:00 +0000

None of the search engines can handle Indian languages very well. Google removes the zero width joiners, non joiners , that are used in many languages. Yahoo doesnot remove it. But a UI bug in webpage makes the results wrong..

See the below image:

The bottom half of the image is the source code. We can clearly see that the closing bold tag is placed in between the word instead of putting at the end of the word. As a result, the word is rendered wrong in the page.

KDE spellchecker not working for Indian Languages

Mon, 01 Dec 2008 00:47:00 +0000

As I mentioned in my blog post on Language detection the sonnet spellchecker of KDE is not working. I read the code of the Sonnet and found that it fails to determine the word boundaries in a sentence (or string buffer) and passes the parts of the words to backend spellcheckers like aspell or hunspell. And eventually we get all words wrong. This is the logic used in Sonnet to recognize the word boundaries

Youtube to MPEG or Ogg video conversion

Sun, 23 Nov 2008 05:37:00 +0000

Here is the two line method to convert a youtube video to oggvorbis video.

Locate clive and ffmpeg2theora in your package and install

$clive <a href="http://in.youtube.com/watch?v=6JeZ5oeAEyU">http://in.youtube.com/watch?v=6JeZ5oeAEyU </a>(replace this with the youtube address you want)

It will create a flv file.

Convert to mpeg video file

$ffmpeg -i AmericaAmerica.flv AmericaAmerica.mpg

Convert to ogg video file

$ffmpeg2theora AmericaAmerica.mpg (replace it with the name of the flv file the previous command created)

Done. You can see the .ogg file in the directory from where you executed the above commands

Dhvani 0.94 Released

Sun, 16 Nov 2008 04:02:00 +0000

A new version of Dhvani -The Indian Language Text to Speech System is available now. The new version comes with the following improvements/features

Support for 11 languages- Hindi, Panjabi, Gujarati, Marati, Bengali, Oriya, Telugu, Kannada, Tamil , Malayalam and Pashto(Afganistan)
Pitch and Tempo modification for speech
Direct ogg-vorbis speech output and optional wav output format

C/C++ APIs for applications to use dhvani as a shared library.
Generic driver for Speech-dispatcher and Integration to Orca through speech dispatcher
Python binding through speech dispatcher
Improved language detection algorithm

Dhvani documentation is available here.

Language Detection and Spellcheckers

Fri, 14 Nov 2008 04:42:00 +0000

A few weeks back there was a discussion on #indlinux IRC channel about automatic language detection. The idea is, spellcheckers or any language tools should not ask the users to select a language. Instead, they should detect the language automatically. The idea is not new. There is a KDE bug hereand Ubuntu has this as an brainstorm idea. It seems M$ word already have this.

A sample use case can be this: “While preparing a document in Openoffice, I want to write in English as well as in Hindi. For doing spellcheck, I need to manually change the language rather than the application detect it automatically”

Gedit plugin for showing unicode codepoints

Wed, 12 Nov 2008 05:52:00 +0000

While working with Unicode text, it is often required to get the Unicode code points of text for debugging. Using python, it is very easy to get the unicode codepoints of the text. Following examples illustrates it.

“സന്തോഷ്”.decode(“utf-8”)
u’\u0d38\u0d28\u0d4d\u0d24\u0d4b\u0d37\u0d4d’
`

str=u"സന്തോഷ്"
print repr(str)
u’\u0d38\u0d28\u0d4d\u0d24\u0d4b\u0d37\u0d4d’
`

Well, But we need to take python console and type/paste the text etc..How can we make it more easy? What if pressing F12 key after selecting some text gives the codepoints?

Screensavers in your language

Mon, 27 Oct 2008 23:49:00 +0000

I had written a blog post about hacking the glmatrix screensaver with the glyphs of our languages.

Now I have those screensavers in the following languages:

Hindi : Deb Package , RPM

Gujarati : Deb Package , RPM

Bengali : Deb Package , RPM

Oriya: Deb Package , RPM

Tamil : Deb Package , RPM

Malayalam: Deb Package , RPM

Try it and enjoy !!

ps: I used the default fonts of Fedora 9 for these. If you have any specific font to be used please let me know. I used Dyuthi calligraphic font for Malayalam.

Swanalekha M17N based Input Method for 11 Languages

Mon, 27 Oct 2008 19:57:00 +0000

Swanalekha is an Input method originally designed for Malayalam. It is works with scim. as well as m17n. The input method scheme is transliteration based and it has a unique feature of candidate list menu(which I will explain shortly). Now I have extended it to 10 other Indian languages.

Before explaining how swanalekha is different from other phonetic/transliteration based input methods, let me explain some of the characteristics of transliteration. Transliteration based input methods were following a strict one to one mapping from english letters to another Indian language. For eg: The ka=क ,pa = प , ti = टि etc.. when you write bharath, you will easily transliterate it to hindi as भारत. But for a rule based transliteration system it is भरत unless the english is bhaarath. Some times it may be Bhaarat too.. See another example: Kartik. it should be transliterated to കാര്‍ത്തിക് in Malayalam. So some people write it as Karthik, and some others write it as karthick too. All these are based on personal preferences. But when it use transliteration based input methods, people find difficulty with using a strict rule based writing method. There they have to write kaa for കാ or કા or கா or কা. Users like to get what they mean without the difficulty following the strict rules of transliteration. In an Intelligent transliteration based system when somebody write linux they should be able to map it to लिनक्स . Some times a choice to select लैनक्स is also preferable. This is what google transliteration does. No rules, no learning.. just type in english…

സോഫ്റ്റ്‌വേര്‍ സ്വാതന്ത്ര്യദിനാഘോഷം 2008: ഭാഷാ കമ്പ്യൂട്ടിങ്ങ് സെമിനാറും ഇന്‍സ്റ്റാള്‍ ഫെസ്റ്റും

Fri, 19 Sep 2008 16:47:00 +0000

സോഫ്റ്റ്‌വേര്‍ സ്വാതന്ത്ര്യദിനാഘോഷം 2008
ഭാഷാ കമ്പ്യൂട്ടിങ്ങ് സെമിനാറും ഇന്‍സ്റ്റാള്‍ ഫെസ്റ്റും മലബാര്‍ ക്രിസ്ത്യന്‍ കോളേജ്, കോഴിക്കോട്

സപ്തംബര്‍ 20, രാവിലെ 10 മണി മുതല്‍ വൈകുന്നേരം 5 മണി വരെ

സംഘാടനം: സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിംഗ്, മലബാര്‍ ക്രിസ്ത്യന്‍ കോളേജ്, കോഴിക്കോട്,

ഫോസ്സ്‌സെല്‍ നാഷനല്‍ ഇന്‍സ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്ലനോളജി – കോഴിക്കോട്

വിവരസാങ്കേതികവിദ്യയുടെ മാനുഷികവും ജനാധിപത്യപരവുമായ മുഖവും ധിഷണയുടെ പ്രതീകവുമാണു് സ്വതന്ത്രസോഫ്റ്റ്‌വേറുകള്‍. പരമ്പരകളായി നാം ആര്‍ജ്ജിച്ച കഴിവുകള്‍ വിജ്ഞാനത്തിന്റെ സ്വതന്ത്ര കൈ മാറ്റത്തിലൂടെ, ചങ്ങലകളും മതിലുകളും ഇല്ലാതെ, ഡിജിറ്റല്‍ യുഗത്തില്‍ ഏവര്‍ക്കും ലഭ്യമാക്കുന്നതിനും ലോകപുരോഗതിക്കു് ഉപയുക്തമാക്കുവാനുമാണു് സ്വതന്ത്ര സോഫ്റ്റ്‌വേറുകള്‍ നിലകൊള്ളുന്നതു്. സ്വതന്ത്ര സോഫ്റ്റ്‌വേറുകള്‍ വാഗ്ദാനം ചെയ്യുന്ന മനസ്സിലാക്കാനും പകര്‍ത്താനും നവീകരിക്കാനും പങ്കുവെക്കുവാനുമുള്ള സ്വാതന്ത്ര്യമാണു് സ്വതന്ത്ര വിവരവികസന സംസ്കാരത്തിന്റെ അടിത്തറ. ഈ സ്വാതന്ത്ര്യം പൊതുജനമദ്ധ്യത്തിലേക്കു് കൊണ്ടു വരുവാനും പ്രചരിപ്പിക്കാനുമായി ഓരോ വര്‍ഷവും സപ്തംബര്‍ മാസ ത്തിലെ മൂന്നാമത് ശനിയാഴ്ച ലോകമെമ്പാടും സോഫ്റ്റ്‌വേര്‍ സ്വാതന്ത്ര്യ ദിനമായി ആചരിക്കുന്നു.

Geo-visualisation, the FOSS way

Fri, 05 Sep 2008 05:07:00 +0000

My friend Jaisen Nedumpala has been developing a Geo-visualisation system for Cheruvannoor Grama Panchayath(Page in ml_IN) of Kerala. The system, developed using FOSS tools is available here

“Development of effective geo-visualisation based decision support system (DSS) involved primarily data compilation from collateral sources, setting up appropriate hardware configuration, design of database and design of a spatial DSS. ”

Jaisen used softwares like GRASS, UMN MapServer and ka-Map. He has written a detailed documentation(English) on how he developed this and what are all the tools used.

UTF8Decoder

Mon, 01 Sep 2008 04:27:00 +0000

zabeehkhan was trying to code a Pashto (ps_AF) module for dhvani. And he told me that “it is not saying anything” :). So I took the code and found the problem. Dhvani has a UTF-8 decoder and UTF-16 converter. It was written by Dr. Ramesh Hariharan and was tested only with the unicode range of the languages in India. It was buggy for most of the other languages and there by the language detection logic and text parsing logic was failing. So I did some googling, went through the code tables of gucharmap and got some helpful information from here and here

Say NO to Software Patents

Wed, 20 Aug 2008 03:44:00 +0000

കെ.ഡി.ഇ. 4.1 പുറത്തിറങ്ങി

Tue, 29 Jul 2008 16:05:00 +0000

മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ ചരിത്രത്തിലെ ഒരു സുപ്രധാനനാഴികക്കല്ലായി KDE 4.1 പുറത്തിറങ്ങിയിരിക്കുന്നു…..! KDE യില്‍ ആദ്യമായി മലയാളത്തിനു് ഔദ്യോഗിക പിന്തുണയുമായി…..! SMC യുടെ ചരിത്രത്തിലെ നാഴികക്കല്ലുകളിലൊന്നാണിതു്. 10 ദിവസത്തിനുള്ളില്‍ രാത്രിയും പകലും 25 ല്‍ കൂടുതല്‍ കൂട്ടുകാരുടെ കഠിനപരിശ്രമത്തിന്റെ ഫലമായി 10000 ത്തില്‍ പരം വാചകങ്ങള്‍ തര്‍ജ്ജമ ചെയ്താണു് ഇതു സാധ്യമായതു്. മലയാളത്തില്‍ തന്നെയുള്ള പ്രസാധനക്കുറിപ്പു് വായിയ്ക്കൂ കൂടുതല്‍ വിവരങ്ങള്‍ : KDE 4.1 to Officially Support Malayalam- Praveen’s Blog KDE യെപ്പറ്റി. KDE 4.1 Malayalam Screenshots

say_namaskaar.c

Sun, 27 Jul 2008 05:07:00 +0000

/* say_namaskaar.c
* This is a sample C code using dhvani text to speech API which I am
* developing now and planning to release soon. New version of dhvani
* will provide a shared library libdhvani and it allows other C or C++
* applications to use dhvani synthesizer. Tamil and Marathi modules, pitch, tempo
* control etc are the features for the coming release.
* I need to prepare documentation, fix many bugs, test, commit the files in cvs ...
* Looking for some free time for all these...
* Visit http://dhvani.sourceforge.net
*/
/* compile with gcc -ldhvani -o namaskaar say_namaskaar.c */
#include <dhvani/dhvani_lib.h>
int main(int argc, char *argv[]) {
dhvani_options options;
/* Set the pitch and tempo of the speech */
options.tempo = -10.0; /* reduce the speed by 10% */
options.pitch = 2.0; /* increase the pitch b 2 semitons */
options.rate = 16000; /* 16KHz Sampling rate */
/* Initialize dhvani */
dhvani_init(&options);
/* Say Namaskar */
dhvani_say("नमसकार", &options);
/* close the synthesizer */
dhvani_close();
return ;
}

/* We can write a blog post in C too :P . Syntax highlighted by Code2HTML */

Dhvani Now Speaks Marathi

Wed, 25 Jun 2008 05:19:00 +0000

Thanks to Rahul Bhalerao , he wrote the Marathi module for dhvani– The Indian Language Text to speech System. Dhvani can speak 10 Indian languages now: Bengali, Gujarati, Hindi, Kannada, Malayalam, Marathi, Oriya, Panjabi, Tamil, and Telugu.

Rahul also gave some patches for hindi module and for some other bugs. The code is available in CVS.

The automatic language detection algorithm will not work for Marathi since it uses the devanagari script and I have assigned the unicode range used for language detection to Hindi. So it requires a langauge switch like “dhvani -l mr inputfile”

Canonical Equivalence in Unicode: Some notes

Tue, 03 Jun 2008 05:22:00 +0000

Some Notes on Canonical Equivalence in Unicode:

Unicode defines canonical equivalence as follows:

From UAX #15

Canonical Equivalence

This section describes the relationship of normalization to respecting (or preserving) canonical equivalence. A process (or function) respects canonical equivalence when canonical-equivalent inputs always produce canonical-equivalent outputs. For a function that transforms one string into another, this may also be called preserving canonical equivalence. There are a number of important aspects to this concept:

Firefox spellcheck bugs…

Tue, 03 Jun 2008 05:16:00 +0000

Firefox spellcheck feature requires some volunteers to fix the

tokenization issue. There are two bugs related to the tokenization

Bug 434044 – The tokenization of words for spellcheck is wrong when there is a ZWJ/ZWNJ/ZWS in the word. – Reported: 2008-05-16 07:49 PDT by Santhosh Thottingal
Bug 318040 – Spell checker flags words containing full stops (periods) Reported: 2005-11-28 12:45 PDT by Joseph Wright

Apt on the Road

Fri, 30 May 2008 05:51:00 +0000

Could not get a big one, since I was taking this from a bus while overtaking this vehicle.

10 GB /var/log/messages file

Wed, 28 May 2008 06:11:00 +0000

Again fedora! 🙂

After the installation of linux kernel and linux operating system, I installed some libraries, some small applications that I usually use… I have a partition for Fedora 9 with 14 GB size. After installing all those softwares, when I rebooted the system today, the gdm was not starting. GDM kept on restarting and I could not take a user session by pressing ALT + CTRL + F1. hmm… So added single at the kernel argument in the grub, and got the shell.

Linux Kernel in Linux Operating System.

Wed, 21 May 2008 05:03:00 +0000

Last night I decided to try out the new Fedora 9. I got the ISO image and I did not want to waste time and CD by burning it. I have Debian Lenny in my laptop. So edited the grub configuration and gave the path to the vmllinuz and initrd.img extracted from the iso image. Everything worked fine and it started installing packages and I was watching the blue progress bar with sleepy eyes…

Bug in Firefox Spellcheck

Mon, 19 May 2008 00:50:00 +0000

There is a bug in Firefox in the spell check functionality that affects many Indian Langauges using Zero Width [Non] Joiners in the words. Firefox uses hunspell as the spelling checker. Openoffice also uses Hunspell. The bug is not there in Openoffice and problem with firefox is with the tokenization of words in editable textfields before doing spellcheck. Firefox splits the words if there is ZWJ/ZWNJ in the word. And because of this the input to the spellchecker is wrong and it is not the actual word.

മലയാളം, യൂണീകോഡ് 5.1, ഫോണ്ടുകള്‍…

Tue, 13 May 2008 17:20:00 +0000

യൂണിക്കോഡ് 5.1 പുറത്തിറങ്ങിയ വിവരവും, അതില്‍ മലയാളത്തിലെ ഇപ്പോള്‍ ചില്ലുകള്‍ ഉപയോഗിക്കുന്ന രീതിയ്ക്കു പകരം അറ്റോമിക് ചില്ലുകള്‍ ഉള്ളതും അറിഞ്ഞിരിക്കുമല്ലോ. ഇല്ലെങ്കില്‍ അതിനേപ്പറ്റി ഇവിടെ നിന്നു വായിക്കുക. അറ്റോമിക്‍ ചില്ലു് യൂണിക്കോഡില്‍ ഉള്‍പ്പെടുത്തുന്നതിനെപ്പറ്റിയുള്ള ചര്‍ച്ചകളില്‍ സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ഉന്നയിച്ച വിയോജിപ്പുകളില്‍ ഇപ്പോഴും ഉറച്ചു നില്‍ക്കുന്നു.

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് UTC യ്ക്ക് സമര്‍പ്പിച്ച ഈ ഡോക്യുമെന്റില്‍ വിയോജിപ്പുകള്‍ പറഞ്ഞിട്ടുണ്ടു്. ഇതിനെപ്പറ്റി നടന്ന ചര്‍ച്ചകളുടെ ലിങ്കുകള്‍ ചിലതു് ഇവിടെ നിന്നും വായിക്കാം.

മലയാളത്തെ ഡുവല്‍ എന്‍കോഡിങ്ങിലേയ്ക്കും സുരക്ഷാപ്രശ്നങ്ങളിലേയ്ക്കും തള്ളിവിടുന്ന ഒരു സ്റ്റാന്‍ഡേഡ് അനുസരിക്കേണ്ട ബാദ്ധ്യത സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിനില്ല. സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ഭാഷയ്ക്കു വേണ്ടിയാണു്, യൂണിക്കോഡിനു വേണ്ടിയല്ല നിലകൊള്ളുന്നതു്. അതുകൊണ്ടു തന്നെ ഉന്നയിച്ച പ്രശ്നങ്ങള്‍ക്കു് പരിഹാരമാവാതെ 5.0 പതിപ്പില്‍ നിന്നു 5.1 പതിപ്പിലേയ്ക്കു് സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് പ്രൊജക്ടുകള്‍ മാറില്ല. പക്ഷേ ഒരു സ്റ്റാന്‍ഡേഡ് എന്ന നിലയ്ക്ക് ആര്‍ക്കും യൂണിക്കോഡ് 5.1 അപ്ലിക്കേഷനുകളില്‍ പ്രയോഗിക്കാന്‍ സ്വാതന്ത്ര്യവുമുണ്ടു്. പക്ഷേ സ്വതന്ത്ര മലയാളം കമ്പ്യുട്ടിങ്ങ് മെയിന്റെയിന്‍ ചെയ്യുന്ന/വികസിപ്പിച്ചെടുത്ത ഫോണ്ടുകളായ മീര, രചന, ദ്യുതി, തുടങ്ങിയ ഫോണ്ടുകളിലൊന്നും അറ്റോമിക് ചില്ലു് ഉണ്ടാവില്ല. അതുപോലെത്തന്നെ ഗ്നു/ലിനക്സിലെ നിവേശകരീതികളിലും മറ്റു സംരംഭങ്ങളിലും ഇവ അടുത്തൊന്നും ഉണ്ടാവില്ല. പ്രമുഖ ഗ്നു/ലിനക്സ് വിതരണങ്ങളുടെ മലയാളം ഫോണ്ടുകളുടെയും നിവേശകരീതികളുടെയും Upstream സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ആയതുകൊണ്ടു് അവയിലും അറ്റോമിക് ചില്ലുണ്ടാവില്ല.

Open Letter to Mammootty from Free Software Community

Sun, 20 Apr 2008 03:33:00 +0000

Microsoft will be signing up Malayalam movie star Mammootty as one of the brand ambassadors for the Computer Literacy programme that is to be organized soon in Kerala. FOSS community writes an open letter to Mammootty to Reconsider Promotion of Microsoft and their Proprietary Softwares.

It is available here: An open letter to Mammootty. I request all to endorse Open letter to Mammooty by adding your name there.

A nice post on ILUG-TVM on the issue: Another of M$’s dirty tactics

Using Inkscape for DTP in Indic Scripts

Fri, 11 Apr 2008 04:38:00 +0000

A good page layout package for GNU/Linux with Indic language and unicode support is one of the missing item in the list of software packages for Indic computing. Scribus gives hope but it is still not ready to serve the purpose. So what could be the solution? Should we wait or find out ‘workarounds’?

No, There is a solution. Till scribus is ready with indic support Inkscape will help us. Inkscape is not a DTP software, but it can do it if required. Using its text objects and other text/image editing features we can design pages in Unicode itself. And with Pango rendering.

പേജ് ലേയൗട്ട് യൂണിക്കോഡ് മലയാളത്തില്‍

Wed, 09 Apr 2008 00:06:00 +0000

മലയാളം കമ്പ്യൂട്ടിങ്ങ് പുരോഗമിക്കുമ്പോഴും യൂണിക്കോഡ് അടിസ്ഥാനമാക്കിയുള്ള നല്ലൊരു പേജ് ലേയൗട്ട് പാക്കേജിന്റെ അഭാവം പലരും ചൂണ്ടിക്കാണിക്കാറുണ്ടു്. സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറായ Scribus ലോ കുത്തക സോഫ്റ്റ്‌വെയറുകളായ അഡോബിയുടെ സോഫ്റ്റ്‌വെയറുകളിലോ ഇന്‍ഡിക് സ്ക്രിപ്റ്റ് പിന്തുണ ഇല്ല. ചിലതില്‍ ആസ്കി ഫോണ്ടുകള്‍ ഉപയോഗിച്ചു് ഒപ്പിയ്ക്കാമെന്നു മാത്രം. ഇതിനു് ഒരു പക്ഷേ പരിഹാരമായേക്കാവുന്ന ഒരു സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറിനെ പരിചയപ്പെടുത്തുകയാണു് ഈ ബ്ലോഗ് പോസ്റ്റിന്റെ ലക്ഷ്യം. ആദ്യമേ പറയട്ടേ, ഞാനിതു വരെ അഡോബിയുടെ പേജ് ലേയൗട്ട് സോഫ്റ്റ്‌വെയറുകളൊന്നും ഉപയോഗിച്ചിട്ടില്ല. Scribus വെറുതേ ഒന്നു തുറന്നു നോക്കിയിട്ടുണ്ടു്. അതുകൊണ്ടു് പേജ് ലേയൗട്ട് സോഫ്റ്റ്‌വെയറുകളിലുപയോഗിക്കുന്ന സാങ്കേതികപദങ്ങളത്ര പരിചയമില്ല. എന്റെ സുഹൃത്തു് അനിവറാണു് ഇത്തരം ഒരു സാധ്യതയെപ്പറ്റി എന്നോടു് പറഞ്ഞതു്.

നിങ്ങള്‍ക്കു വേണ്ടി ധ്വനി സംസാരിയ്ക്കും.

Mon, 17 Mar 2008 04:56:00 +0000

അന്ധര്‍ക്കു് ധ്വനി എങ്ങനെ ഉപയോഗപ്രദമാകും എന്നു് ഞാന്‍ എന്റെ മുന്‍പത്തെ ബ്ലോഗുകളില്‍ പറഞ്ഞിരുന്നു. അന്ധര്‍ക്കു് മാത്രമല്ല, സംസാരശേഷി നഷ്ടപ്പെട്ട വികലാംഗര്‍ക്കു് കൂടി ധ്വനി പ്രയോജനപ്പെടുത്താം. അവര്‍ക്കു വേണ്ടി ധ്വനി സംസാരിയ്ക്കും. ഇതെങ്ങനെ ചെയ്യാം എന്നതിനെപ്പറ്റി വിശദീകരിയ്ക്കാനാണീ ബ്ളോഗ് പോസ്റ്റ്. KDE യിലെ അംഗവൈകല്യമുള്ള ഉപയോക്താക്കള്‍ക്കുള്ള ഒരു സഹായക പ്രയോഗമാണു് KMouth. പേരു സൂചിപ്പിക്കുന്നതുപോലെതന്നെ ഉപയോക്താവിന്റെ വായ് ആയി ഈ അപ്ലിക്കേഷന്‍ പ്രവര്‍ത്തിയ്ക്കും. പറയേണ്ട കാര്യങ്ങള്‍ ടൈപ്പ് ചെയ്തു് കൊടുത്താല്‍ ഈ അപ്ലിക്കേഷന്‍ അതു് ഉറക്കെ വായിക്കും. സാധാരണ ഉപയോഗിയ്ക്കുന്ന വാചകങ്ങള്‍ ഒരു പുസ്തകമാക്കി സജ്ജീകരിച്ചു വെച്ചാല്‍ എപ്പോഴും എപ്പോഴും ടൈപ്പ് ചെയ്യാതെ ആ വാചകങ്ങള്‍ തിരഞ്ഞെടുത്തു് വായിപ്പിയ്ക്കാം. ഇതു കൂടാതെ ഉപയോക്താവു് ടൈപ്പ് ചെയ്യുന്ന പുതിയ വാചകങ്ങള്‍ KMouth പഠിയ്ക്കുകയും ചെയ്യും. ഉപയോഗിയ്ക്കുന്നതിന്റെ ആവൃത്തി അനുസരിച്ചു് പിന്നീടു് ടൈപ്പ് ചെയ്യുമ്പോള്‍ സൂചനകളായി ഒരു ലുക്കപ്പ് മെനുവായി ഇതു് ലഭ്യമാകും. ഇതൊക്കെയാണു് ഇതിന്റെ സവിശേഷതകള്‍. ഇനി നമുക്കു് ധ്വനി ഇതില്‍ എങ്ങനെ സജ്ജീകരിയ്ക്കാമെന്നും, മലയാളം, ഹിന്ദി, കന്നഡ, തെലുഗു, ബംഗാളി, പഞ്ചാബി, ഒറിയ ഗുജറാത്തി ഭാഷകള്‍ KMouth ഉപയോഗിച്ചു് വായിപ്പിയ്ക്കുന്നതെങ്ങനെയെന്നും നോക്കാം. ആദ്യം KMouth തുറക്കുക. KMenu->Utilities->Accessibility->Kmouth. നേരത്തേ ഇന്‍സ്റ്റാള്‍ ചെയ്തിട്ടില്ലെങ്കില്‍ പാക്കേജ് മാനേജര്‍ ഉപയോഗിച്ചു് ഇന്‍സ്റ്റാള്‍ ചെയ്യുക. നിങ്ങള്‍ ആദ്യമായി ഈ KMouth തുറക്കുകയാണെങ്കില്‍ അതു സജ്ജീകരിയ്ക്കനുള്ള ഒരു ജാലകമാണു് ആദ്യം ലഭിയ്ക്കുക. അവിടെ Command for Speaking text എന്നിടത്തു് dhvani %f എന്നു കൊടുക്കുക. Apply എന്ന ബട്ടണ്‍ അമര്‍ത്തുക. <img style=“display:block; margin:0px auto 10px; text-align:center;cursor:pointer; cursor:hand;” src=“http://2.bp.blogspot.com/_yXi4s2T6Sz4/R91EOdSFRdI/AAAAAAAAAFU/mxk9fYkh0Hk/s400/dhvani-ktts3.png" border=“0” alt=““id=“BLOGGER_PHOTO_ID_5178370161715267026” />

ധ്വനി-കെ.ഡി.ഇ സംയോജനം

Mon, 17 Mar 2008 04:46:00 +0000

KDE ഡെസ്ക്ടോപ്പില്‍ ധ്വനി ടെക്സ്റ്റ് ടു സ്പീച്ച് സിസ്റ്റം ചേര്‍ത്തു് kedit, kate, kwrite, konqueror എന്നിവയിലുള്ള മലയാളം(ധ്വനി പിന്തുണയ്ക്കുന്ന മറ്റു ഭാഷകളും) വായിക്കാം. കോണ്‍ക്വറര്‍ വെബ് ബ്രൌസറിലും മലയാളം വെബ് പേജുകള്‍ വായിക്കാന്‍ ധ്വനി ഉപയോഗിക്കാം. ഇതിനായി ഞാന്‍ പ്രത്യേകം കോഡൊന്നും എഴുതിയിട്ടില്ല. :). ktts(KDE യുടെ TTS system) കമാന്റ് പ്ലഗിന്‍ എന്ന ഒരു സൌകര്യം ഉപയോഗിച്ചാണു് ഇതു ചെയ്യാന്‍ കഴിയുന്നതു്. Kontrol center ല്‍ പോയി Regional and Accessibility എന്ന വിഭാഗത്തിലെ Text-to-speech എടുക്കുക. അവിടെ Talkers tab ല്‍ Add എന്ന ബട്ടണ്‍ ക്ലിക്ക് ചെയ്യുക. Synthesizer എന്നതിന്റെ Show All തിരഞ്ഞെടുത്ത് Command എന്നെടുക്കുക. Language എന്നതു് Other എന്നും. ഇപ്പോള്‍ നിങ്ങള്‍ക്ക് സിന്തസൈസറിന്റെ കമാന്റ് ചേര്‍ക്കാനുള്ള ഒരു ജാലകം കിട്ടും. അവിടെ dhvani %f <img style=“display:block; margin:0px auto 10px; text-align:center;cursor:pointer; cursor:hand;” src=“http://4.bp.blogspot.com/_yXi4s2T6Sz4/R91CC9SFRaI/AAAAAAAAAE8/ktvgwuoJVqI/s400/dhvani-ktts1.png" border=“0” alt=““id=“BLOGGER_PHOTO_ID_5178367765123515810” />

Can’t Speak? Dhvani will speak for you!

Mon, 17 Mar 2008 04:22:00 +0000

Dhvani can help not only blind users but also dumb users. I will explain how dhvani act as your mouth using KMouth.

Kmouth is as KDE Accessibility Appllication and it act as a test to speech front end. KMouth is a program that enables persons that cannot speak to let their computers speak. It includes a history of spoken sentences from which the user can select sentences to be re-spoken. It learns the words the user wrote and have autocompletion. It also includes a phrasebook, using that you can store the commonly used phrases for quick access.

Dhvani – KDE Integration.

Mon, 17 Mar 2008 04:06:00 +0000

It is possible integrate Dhvani Indian Langauge TTS to KDE desktop through its TTS system KTTS. Using this you can dhvani can read the text in kate,kedit,kwrite, Konqueror. You can even listen to the text in the webpages in Konqueror

Dhvani can be itegrated to KTTS using its Command plugin feature. To do this go to control center–>Regional and Accessibility –>Text-to-speech –>Talker Tab. Add a new Synthesizer.

Select the syntesizer type as Command and Langauge as Other. You can select any language since Dhvani doesn’t want langauge parameter and it detects the language automatically.

ഗ്നോം 2.22 പുറത്തിറങ്ങി.

Sat, 15 Mar 2008 05:48:00 +0000

ഗ്നോം 2.22 പുറത്തിറങ്ങി. ഗ്നോം ഔദ്യോഗികമായി പിന്തുണയ്ക്കുന്ന 46ഭാഷകളില്‍ ഇത്തവണയും മലയാളം ഉള്‍പ്പെടുന്നു. ഇന്ത്യയില്‍ നിന്നു് മലയാളം കൂടാതെ തമിഴ്, പഞ്ചാബി, ഗുജറാത്തി, മറാത്തി എന്നീ ഭാഷകളുമുണ്ടു്. ഹിന്ദിയും ബംഗാളിയും ഇത്തവണ 80% പരിഭാഷ പൂര്‍ത്തിയാക്കിയില്ല.

പുത്തന്‍ പതിപ്പിനെക്കുറിച്ചു് ഇവിടെ വായിക്കൂ:

ഈ നേട്ടം സ്വന്തമാക്കാന്‍ സഹായിച്ച സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിലെ എല്ലാവര്‍ക്കും നന്ദി, അഭിനന്ദനങ്ങള്‍….

Ubuntu 8.04, RHEL 6, SLES 11 എന്നിവയില്‍ ഈ പതിപ്പുണ്ടാകുമെന്നു് കേള്‍ക്കുന്നു:

GNOME 2.22 Released

Sat, 15 Mar 2008 04:07:00 +0000

Gnome released its 2.22 version . The GNOME desktop and platform received many improvements and new features.

It has official support for 46 languages. Malayalam, Marathi, Tamil, Gujarati and Punjabi completed more than 80% of translations and present in the supported languages.

Read the release notes to know the new features

ബഷീറിന്റെ മാന്ത്രികപ്പൂച്ച ധ്വനി വായിച്ചപ്പോള്‍

Tue, 04 Mar 2008 06:26:00 +0000

ഇക്കൊല്ലത്തെ ഫോസ് ഇന്ത്യാ അവാര്‍ഡ് നേടിയ ധ്വനി എന്ന ടെക്സ്റ്റ് റ്റു സ്പീച്ച് സോഫ്റ്റ്‌വെയര്‍ ഉപയോഗിച്ചു് വൈക്കം മുഹമ്മദ് ബഷീറിന്റെ മാന്ത്രികപ്പൂച്ച എന്ന നോവലിന്റെ ആദ്യഭാഗം വായിപ്പിക്കാന്‍ ശ്രമിച്ചപ്പോള്‍ കിട്ടിയ സൌണ്ട് ഫയലുകള്‍ താഴെക്കൊടുക്കുന്നു.

mp3 format (1.3 MB) ogg format (402 KB)

ഇതിലേതെങ്കിലും ഒന്നു് ഡൗണ്‍ലോഡ് ചെയ്തു് കേട്ടുനോക്കൂ…

എന്താ ചങ്ങാതിമാരേ, കമ്പ്യൂട്ടര്‍ മലയാളം പറയുന്നതു് കേട്ടു് വല്ലതും മനസ്സിലായോ? 🙂 ഇതാണു് ധ്വനി വായിയ്ക്കാന്‍ ശ്രമിച്ചതു്:

“ബഷീറിന്റെ മാന്ത്രികപ്പൂച്ച എന്ന നോവലിന്റെ ആദ്യഭാഗം ധ്വനി വായിക്കുന്നു.

ഒരു മാന്ത്രിക പൂച്ചയുടെ അവതാരത്തെപ്പറ്റിയാകുന്നു പറയാന്‍ പോകുന്നതു്. പണ്ടു പണ്ടു മുതല്‍ക്കേ അത്ഭുതങ്ങള്‍ ഒരുപാടു് ഒരുപാടു് ഈ ഭൂലോകത്തു് സംഭവിച്ചിട്ടുണ്ടല്ലോ. അത്തരം ഗൌരവമുള്ള കാര്യമല്ലിതു്. ഇതൊരു സാധാരണ പൂച്ചയായി ജനിച്ചു. പിന്നെങ്ങനെയാണു് ഇതൊരു മാന്ത്രിക പൂച്ചയായതു്? പ്രശ്നത്തിന്റെ അകത്തു ലേശം തമാശയുണ്ടു്. ഇതു ലോകത്തിലെ ആദ്യത്തെ മാന്ത്രിക പൂച്ചയാണോ? സംശയമാണു്. പ്രപഞ്ചചരിത്രത്തിന്റെ ഏടുകള്‍ ക്ഷമയോടെ മറിച്ചു നോക്കിയാല്‍ ഇത്തരം സംഭവങ്ങള്‍ ഒത്തിരി ഒത്തിരി കണ്ടെന്നുവരാം. അന്നൊരു പക്ഷേ ആരും ശ്രദ്ധിച്ചു കാണുകയില്ല. ഇപ്പോള്‍, ദാ, ഒരു സുവര്‍ണാവസരം. ശ്രദ്ധിക്കുക: ചുവന്ന കണ്ണുകള്‍, ചിരിക്കുന്ന മുഖഭാവം, ചെവികളിലും മുതുകിലും വാലിലും ലേശം ചുമപ്പു രാശിയുണ്ടു്. ബാക്കി എല്ലാം തൂവെള്ള. തറച്ചു മുഖത്തു നോക്കി മ്യാഓ എന്നു പറയുന്നതു കേട്ടാല്‍ വാരിയെടുത്ത് ഓമനിക്കാന്‍ തോന്നും.”

സ്വനലേഖ ബുക്ക്‌മാര്‍ക്ക്‌ലെറ്റ്

Sun, 02 Mar 2008 19:21:00 +0000

ഗ്നു/ലിനക്സിലെ സ്കിം ഉപയോഗിച്ചുള്ള ലിപ്യന്തരണ നിവേശകരീതിയായ സ്വനലേഖയുടെ ബുക്ക്‌മാര്‍ക്ക്‌ലെറ്റ് ഇവിടെ. ഫയര്‍ഫോക്സില്‍ ഉപയോഗിക്കാവുന്ന ഇതു് ഏതു് വെബ് പേജുകളിലേയും ടെസ്ക്റ്റ് ഏരിയകളില്‍ ഉപയോഗിക്കാം. വിശദവിവരങ്ങള്‍ അവിടെ കൊടുത്തിട്ടുണ്ടു്.

കൃഷ്ണകാന്ത് മനേ എന്ന അന്ധപ്രോഗ്രാമ്മര്‍

Sun, 02 Mar 2008 18:06:00 +0000

അന്ധനായ ഒരാള്‍ക്കു് ഒരു പ്രോഗ്രാമ്മറാവാമോ? കൃഷ്ണകാന്ത് മനേ ഒരു അന്ധ പ്രോഗ്രാമ്മറാണു്. മുംബൈയിലെ ടാറ്റാ ഇന്‍സ്റ്റിട്യൂട്ട് ഓഫ് ഫണ്ടമെന്റല്‍ റിസര്‍ച്ച് സെന്ററിലെ ഗവേഷകനുമാണു്. കൂടാതെ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ പ്രചാരകനും, അന്ധരായ വിദ്യാര്‍ത്ഥികളെ പരിശീലിപ്പിക്കുന്ന വിദഗ്ദ്ധനും, പല സംസ്ഥാന സര്‍ക്കാറുകളുടെയും അന്ധര്‍ക്കായുള്ള വിദ്യാഭ്യാസ പദ്ധതികളുടെ ഉപദേശകനുമാണു്. കുറച്ചുമാസങ്ങള്‍ക്കു് മുന്‍പ്, ബാംഗ്ലൂരില്‍ വച്ചാണു് ഞാന്‍ മനേയെ പരിചയപ്പെടുന്നതു്. തന്റെ IBM thinkpad ലാപ്‌ടോപ്പില്‍ ഉബുണ്ടു ഗ്നു/ലിനക്സും ഓര്‍ക്ക(Orca) എന്ന സ്ക്രീന്‍ റീഡര്‍ സോഫ്റ്റ്‌വെയറും ഉപയോഗിച്ചു് അദ്ദേഹം നെറ്റ് ബ്രൗസ് ചെയ്യുന്നതും, മെയില്‍ നോക്കുന്നതും, പ്രോഗ്രാം ചെയ്യുന്നതും കണ്ടു് ഞാന്‍ അത്ഭുതപ്പെടുപോയി. കാഴ്ചയുള്ള ആരും ചെയ്യുന്ന അതേ ലാളിത്യത്തോടുകൂടിത്തന്നെ അദ്ദേഹം അതെല്ലാം ചെയ്യുന്നു. Orca ഒരു സ്വതന്ത്ര സ്ക്രീന്‍ റീഡര്‍ സോഫ്റ്റ്‌വെയറാണു്. അതു് സ്ക്രീനിലെ വാചകങ്ങളെ ശബ്ദമാക്കിത്തരുന്നു. ഇംഗ്ലീഷിലാണു് അദ്ദേഹം അതുപയോഗിച്ചിരുന്നതു്. ഫെസ്റ്റിവല്‍ എന്ന ടെക്സ്റ്റ് ടു സ്പീച്ച് സോഫ്റ്റ്‌വെയറിന്റെ സഹായത്തോടെ. അദ്ദേഹത്തെപ്പറ്റിയും തമിഴ്‌നാട് സര്‍ക്കാറിന്റെ ഓര്‍ക്കയും ഉബുണ്ടുവും ഉപയോഗിച്ചുള്ള അന്ധവിദ്യാര്‍ത്ഥികള്‍ക്കായുള്ള പരിപാടിയെക്കുറിച്ചുമുള്ള ഒരു വീഡിയോ താഴെക്കൊടുത്തിരിക്കുന്നു.

Creating audio books using Dhvani

Thu, 28 Feb 2008 16:44:00 +0000

Dhvani can be used for creating audiobooks in any of the supported languages(Hindi, Malayalam, Telugu, Kannada, Oriya, Bengali, Gujarati, Panjabi).

First of all you should get the latest dhvani source code from CVS in sourceforge. Compile it and install.

To create an audiobook follow these steps

You need the text in utf-8 format. No need to specify the langauge. Dhvani will detect the langauge automatically.

<br /> dhvani -o audiobook.wav textfile<br /> oggenc -B 16 -C 1 -R 16000 audiobook.wav<br />

FOSS India Awards

Wed, 20 Feb 2008 17:59:00 +0000

Dhvani is a winner of FOSS India Awards 2008.

There are 20 winners and more details here.

Indic support for Tuxtype project by Mobin and friends is also a winner. Congrats Mobin and Congrats to all winners!!!

And Thanks to LFY and NRCFOSS

ആണവചില്ലും സ്പൂഫിങ്ങും

Thu, 24 Jan 2008 22:45:00 +0000

ന്‍, ര്‍,ല്‍, ള്‍,ണ്‍ എന്നീ ചില്ലക്ഷരങ്ങള്‍ക്ക് ഇപ്പോളുള്ള യഥാക്രമം ന+ചന്ദ്രക്കല+ZWJ, ര+ചന്ദ്രക്കല+ZWJ ,ല+ചന്ദ്രക്കല+ZWJ ,ള+ചന്ദ്രക്കല+ZWJ ണ+ചന്ദ്രക്കല+ZWJ എന്നീ യൂണിക്കോഡ് എന്‍‌കോഡിങ്ങിനു് പകരം ഒരൊറ്റ കോഡ് പോയിന്റ് മാത്രം ഉപയോഗിക്കുന്നതിനെയാണ് ആണവചില്ലു് അഥവാ അറ്റോമിക് ചില്ലെന്നു പറയുന്നത്. ഈ വസ്തുത എല്ലാവര്‍ക്കുമറിയാമെന്നു വിചാരിക്കുന്നു. ഇതെങ്ങനെ സ്പൂഫിങിന് കാരണമാകും എന്ന് വിശദമാക്കുകയാണ് ഈ ലേഖനത്തിന്റെ വിഷയം. പലര്‍ക്കുമറിയാവുന്ന കാര്യമായിരിയ്ക്കും. എന്നാലും അറിയാത്തവരുടെ അറിവിലേയ്ക്കായി എഴുതുന്നു.

ആദ്യം സ്പൂഫിങ് എന്താണെന്നു് ആദ്യം നോക്കാം ഒരു പോലെയെന്നു് തോന്നിക്കുന്ന വിലാസം ഉള്ള വ്യാജസൈറ്റുകളുണ്ടാക്കുന്നതിനെയാണു് സ്പൂഫിങ് എന്നതുകൊണ്ട് ഉദ്ദേശിക്കുന്നതു്. ഇതിനെക്കുറിച്ച് വിശദമായി Spoofed URL,Spoofing Attack എന്നീ വിക്കിപ്പീഡിയ പേജുകളില്‍ നിന്നു് മനസ്സിലാക്കാം. ഇത്തരം തട്ടിപ്പുകളിലൂടെ ഉപയോക്താക്കളെ വ്യാജസൈറ്റിലേക്കു് ആ‍കര്‍ഷിച്ചു് പണം തട്ടുന്നത് പതിവാ‍ണു്. ICICI Bank ഉപയോക്താക്കളോട് സ്പൂഫിങ്ങിനെക്കുറിച്ചു് മുന്നറിയിപ്പു നല്‍കുന്ന ഈ പേജ് കാണൂ..

വേഗനിയന്ത്രണത്തിനായി പുതിയൊരു മാര്‍ഗ്ഗം!

Wed, 23 Jan 2008 21:22:00 +0000

കേരളത്തിലെ റോഡുകളില്‍ നിന്നു് പ്രചോദനമുള്‍ക്കൊണ്ടു് വാഹനങ്ങളുടെ വേഗനിയന്ത്രണത്തിനായി പുതിയൊരു മാര്‍ഗ്ഗം! താഴെക്കൊടുത്തിരിക്കുന്ന ചിത്രങ്ങളൊന്നു നോക്കൂ!!!

ചിത്രങ്ങള്‍ക്ക് കടപ്പാട്: http://tides.ws/2008/01/20/new-speed-controlling-device/

മൈക്രോസോഫ്റ്റാണോ വലിയ ചെകുത്താന്‍?

Mon, 21 Jan 2008 21:55:00 +0000

ഇംഗ്ലീഷ് ലേഖനം Is Microsoft the Great Satan? പരിഭാഷ: സന്തോഷ് തോട്ടിങ്ങല്‍

സോഫ്റ്റ്‌വെയര്‍ വ്യവസായത്തിനാകെ നാശം വരുത്തുന്ന ചെകുത്താനായിട്ടാണു് മൈക്രോസോഫ്റ്റിനെ പലരും കരുതുന്നതു്. മൈക്രോസോഫ്റ്റിനെ ബഹിഷ്കരിയ്ക്കുക എന്നൊരു പ്രചരണവമുണ്ടു്. സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറിനോടു് വിരോധം കാണിയ്ക്കുക വഴി മൈക്രോസോഫ്റ്റ് ഈ വിശ്വാസത്തെ ഊട്ടിയുറപ്പിയ്ക്കുകയും ചെയ്തു.

സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ പ്രസ്ഥാനത്തിലെ ഞങ്ങളുടെ വീക്ഷണം പക്ഷേ വ്യത്യസ്തമാണു്. സോഫ്റ്റ്‌വെയര്‍ ഉപയോക്താക്കള്‍ക്കാകമാനം മോശമായ രീതിയില്‍ മൈക്രോസോഫ്റ്റ് പലതും ചെയ്യുന്നതായാണു് ഞങ്ങള്‍ കാണുന്നത്: സോഫ്റ്റ്‌വെയര്‍ കുത്തകയാക്കുകയും അതുവഴി അവരുടെ അവകാശപ്പെട്ട സ്വാതന്ത്യം നിഷേധിയ്ക്കുകയും വഴി.

പക്ഷേ മൈക്രോസോഫ്റ്റ് മാത്രമല്ല ഇതെല്ലാം ചെയ്യുന്നതു്. മിക്ക സോഫ്റ്റ്‌വെയര്‍ കമ്പനികളും ഉപയോക്താക്കളോടു് ചെയ്യുന്നതിതു തന്നെയാണു്. മൈക്രോസോഫ്റ്റിനെക്കാള്‍ കുറച്ചു ഉപയോക്താക്കളുടെ മേല്‍ ആധിപത്യം നേടാനേ മറ്റുള്ളവര്‍ക്കു് കഴിഞ്ഞുള്ളൂ എന്നതു് അവര്‍ ശ്രമിയ്ക്കാഞ്ഞിട്ടല്ല.

കല കലയ്ക്കു് വേണ്ടിയോ?

Sun, 13 Jan 2008 01:48:00 +0000

ചെന്നൈ കോടമ്പാക്കം റെയില്‍വേ സ്റ്റേഷന്‍ പരിസരത്തുനിന്നൊരു ദൃശ്യം

കെ.ഡി.ഇ. 4.0 പുറത്തിറങ്ങി

Sat, 12 Jan 2008 04:45:00 +0000

കെഡിഇ സംരംഭം അതിനൂതനമായ സ്വതന്ത്ര സോഫ്റ്റുവെയര്‍ പണിയിടത്തിന്റെ നാലാമത്തെ പ്രധാന പതിപ്പു് പുറത്തിറക്കുന്നു.

“നിത്യോപയോഗത്തിനും പ്രത്യേകാവശ്യത്തിനുമൊരുപോലെ ഉപയോഗിയ്ക്കാവുന്ന വളരെയധികം പ്രയോഗങ്ങളുള്‍പ്പെടുന്ന ഒരു പുത്തനാശയമുള്‍ക്കൊള്ളുന്ന സ്വതന്ത്ര സോഫ്റ്റുവെയര്‍ പണിയിടമാണു് കെഡിഇ 4.0. പണിയിടവുമായും പ്രയോഗങ്ങളുമായും ഇടപഴകാനായി വളരെ എളുപ്പത്തില്‍ മനസ്സിലാകുന്ന വിനിമയതലം നല്‍കുന്ന കെഡിഇ 4 നു് വേണ്ടി വികസിപ്പിച്ച പണിയിടത്തിന്റെ ആവരണമാണു് പ്ലാസ്മ. കൊണ്‍ക്വറര്‍ വെബ് ബ്രൈസര്‍ പണിയിടത്തെ വെബുമായി ഏകീകരിയ്ക്കുന്നു. ഡോള്‍ഫിനെന്ന ഫയലുകളുടെ നടത്തിപ്പുകാരന്‍, ഒക്യുലാര്‍ എന്ന രചനകളുടെ നിരീക്ഷകന്‍ പിന്നെ സിസ്റ്റം സജ്ജീകരണങ്ങള്‍ എന്ന നിയന്ത്രണ കേന്ദ്രം അടിസ്ഥാനമായ പണിയിട ഗണം പൂര്‍ത്തിയാക്കുന്നു. നൂതന ദൃശ്യങ്ങള്‍ക്കുള്ള കഴിവു് നല്‍കുന്ന ക്യൂട്ടി4ഉം ശൃംഖലയിലെ വിഭവങ്ങള്‍ എളുപ്പത്തില്‍ ലഭ്യമാക്കുന്ന കെഐഒ തുടങ്ങിയ ഉള്‍ക്കൊള്ളുന്ന കെഡിഇ ലൈബ്രറികളുപയോഗിച്ചാണു് കെഡിഇ തയ്യാറാക്കിയിരിയ്ക്കുന്നതു്. കെഡിഇ ലൈബ്രറികളുടെ ഭാഗമായ ഫോനോണ്‍ സോളിഡ് എന്നിവ എല്ലാ കെഡിഇ പ്രയോഗങ്ങള്‍ക്കും മള്‍ട്ടിമീഡിയ ചട്ടക്കൂടും കൂടുതല്‍ മെച്ചപ്പെട്ട ഹാര്‍ഡുവെയര്‍ ഏകീകരണവും നല്‍കുന്നു.”

നോ സ്ത്രീ സ്വാതന്ത്ര്യമര്‍ഹതി?!

Fri, 11 Jan 2008 05:43:00 +0000

മനുസ്മൃതിയില്‍ മനു ഇങ്ങനെയെഴുതി:

പിതാ രക്ഷതി കൌമാരേ
ഭര്‍ത്താ രക്ഷതി യൌവനേ
പുത്രോ രക്ഷതി വാര്‍ദ്ധക്യേ
ന സ്ത്രീ സ്വാതന്ത്ര്യമര്‍ഹതി

എന്നുവച്ചാല്‍: അച്ഛനും, ഭര്‍ത്താവും, മകനും പലപ്പോഴും രക്ഷിച്ചെന്നിരിയിയ്ക്കും. ന്നാലും ന സ്ത്രീ സ്വാതന്ത്ര്യമര്‍ഹതി. ‘ന’ എന്നു പറഞ്ഞാല്‍ No ന്നു്. ഇതില്‍പ്പിടിച്ചു് പലരും സ്ത്രീ സ്വാതന്ത്ര്യത്തെ വ്യാഖ്യാനിയ്ക്കാന്‍ ശ്രമിച്ചിട്ടുണ്ടു്. പലരീതിയിലും ഇതിനെ വ്യഖ്യാനിയ്ക്കാമെന്നു് പറയപ്പെടുന്നു. കുറച്ചുകാലം മുമ്പു് വേറൊരു വ്യാഖ്യാനം ഞാന്‍ വായിക്കുകയുണ്ടായി. ആ ലാസ്റ്റ് ലൈനെഴുതുമ്പോള്‍ മനു അറിയാതെ (അതോ മനപൂര്‍വ്വമായോ) എന്റര്‍ കീ മാറി അടിച്ചുപോയീതാണെന്നു്. അതായതു്,

പുത്രോ രക്ഷതി വാര്‍ദ്ധക്യേന
സ്ത്രീ സ്വാതന്ത്ര്യമര്‍ഹതി

എന്നു്. അച്ഛന്‍ കൌമാരത്തിലും ഭര്‍ത്താവു യൌവനത്തിലും പുത്രന്‍ വാര്‍ദ്ധക്യത്തിലും രക്ഷിക്കുന്നു, ‘ഇവ്വിധം’ സ്ത്രീ സ്വാതന്ത്ര്യമര്‍ഹിക്കുന്നു എന്നു്. ‘ഏന’ എന്ന സംസ്കൃതരൂപത്തിനു് ഇവ്വിധം, ഇതുപോലെ എന്നൊക്കെ അര്‍ത്ഥമുണ്ടത്രേ.. എന്തോ എനിയ്ക്കറിയില്ല.

നിഘണ്ടുക്കള്‍ ഗ്നു/ലിനക്സില്‍

Wed, 09 Jan 2008 17:15:00 +0000

വി.കെ ആദര്‍ശ് എഴുതിയ ഇത് ഇ-നിഘണ്ടുവിന്റെ കാലം എന്ന ലേഖനം വായിച്ചു. ഗ്നു/ലിനക്സു് പ്രവര്‍ത്തകസംവിധാനത്തില്‍ നിഘണ്ടുക്കള്‍ ഉപയോഗിയ്ക്കുന്നതെങ്ങനെയെന്നു് വിശദീകരിയ്ക്കാം.

പ്രയോഗങ്ങള്‍-> ഉപകരണങ്ങള്‍->നിഘണ്ടു എന്ന മെനുവില്‍ നിന്നു് നിങ്ങള്‍ക്കു് നിഘണ്ടു എടുക്കാം. ഇതു് പ്രത്യേകിച്ച് ഇന്‍സ്റ്റാള്‍ ചെയ്യേണ്ട ആവശ്യമില്ല. ഒരു പണിയിടത്തില്‍ ആദ്യം മുതലേ ഉണ്ടായിരിയ്ക്കുന്ന ഒരു പ്രയോഗമാണിതു്. കാല്‍കുലേറ്റര്‍, ടെക്സ്റ്റ് എഡിറ്റര്‍ എന്നിവ പോലെ.

ഈ നിഘണ്ടു ഒരു ക്ലയന്റ് -സെര്‍വര്‍ മോഡലില്‍ ഉള്ളതാണു്. ഡിക്ട് പ്രോട്ടോക്കോള്‍ ഉപയോഗിച്ചാണു് ഇതു് പ്രവര്‍ത്തിയ്ക്കുന്നതു്. ഒരു സെര്‍വറില്‍ ഡിക്ട് പ്രവര്‍ത്തിയ്ക്കുന്നു. ഒന്നോ അതിലധികമോ ക്ലയന്റുകള്‍ക്ക് ഇതിന്റെ സേവനം നെറ്റ്‌‌വര്‍ക്കിലൂടെ കിട്ടുന്നു. 2628-ാം പോര്‍ട്ടിലൂടെ ടിസിപി ഉപയോഗിച്ചാണു് വിവരങ്ങളുടെ വിനിമയം. നമ്മുടെ നിഘണ്ടുവിന്റെ സ്വതേയുള്ള സെര്‍വര്‍ സജ്ജീകരിച്ചിരിയ്ക്കുന്നത് dict.org എന്ന വെബ്‌സൈറ്റിലാണു്. പക്ഷേ അതു് ഉപയോഗപ്പെടുത്തണമെങ്കില്‍ ഇന്റര്‍നെറ്റ് വേണമല്ലോ. അപ്പോള്‍ ഇന്റര്‍നെറ്റ് കണക്ഷനില്ലാതെത്തന്നെ ഇതെങ്ങനെ ഉപയോഗിയ്ക്കാമെന്നു നോക്കാം.

Hackers or Crackers?

Wed, 09 Jan 2008 16:32:00 +0000

When will these journalists understand the difference between the _Hacker_ and Cracker?

See these two news

Dear journalists, Could you please find time to read these?

http://fci.wikia.com/wiki/IfYouAre#journalist

http://en.wikipedia.org/wiki/Hacker

http://fci.wikia.com/wiki/Hackers

Hackers are not Crackers

ബന്ധുക്കളെയറിയാന്‍ സ്വതന്ത്രസോഫ്റ്റ്‌വെയര്‍

Fri, 04 Jan 2008 06:30:00 +0000

കഴിഞ്ഞ ഞായറാഴ്ച എന്റെ പുതിയ വീടിന്റെ ഗൃഹപ്രവേശനമായിരുന്നു. ധാരാളം ബന്ധുക്കളെ നേരില്‍ കാണാന്‍പറ്റി. നാട്ടില്‍ വല്ലപ്പോഴുമേ ഉണ്ടാവാറുള്ളൂ എന്നതുകൊണ്ട് അകലെയുള്ള ബന്ധുക്കളെയൊക്കെ ചോദിച്ചുപരിചയപ്പെട്ടു. അമ്മാവന്റെ അളിയന്റെ അനുജന്റെ ചെറിച്ചന്റെ മകളുടെ…വലിയച്ചന്റെ മകന്റെ ഭാര്യയുടെ അമ്മാവന്റെ അമ്മായിയുടെ… ഹൊ വലിയ കുടുംബമായാലുള്ള ബുദ്ധിമുട്ടേയ്…!!! ഇതൊക്കെ എങ്ങനെ ഓര്‍ത്തു വയ്ക്കും? ഹും…വഴിയുണ്ട്…!!!

കുടുംബവൃക്ഷത്തിലെ ആളുകളുടെ വിവരങ്ങളെ ശേഖരിയ്ക്കാനും അവയെ വിശകലനം ചെയ്യാനുമുള്ള സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറാണു് ഗ്രാമ്പ്സ് (GRAMPS – Genealogical Research and Analysis Management Programming System) ഗ്രാമ്പ്സ് ഉപയോഗിച്ച് നിങ്ങളുടെ കുടുംബവൃക്ഷത്തിലെ ഓരോ ബന്ധുക്കളുടെയും പേരു്, ബന്ധം, ജനനത്തീയതി, വിലാസം, പടം, കുറിപ്പുകള്‍, ഭാര്യ, ഭര്‍ത്താവു് , കുട്ടികള്‍ , അവരുടെ ബന്ധുക്കളുടെ വിശദാംശങ്ങള്‍ തുടങ്ങിയ മിക്ക വിവരങ്ങളും ശേഖരിയ്ക്കാം. ഒരാളെ തിരഞ്ഞെടുത്ത് അയാളുടെ വംശവൃക്ഷം ഗ്രാഫിക്കലായി കാണാം(pedigree). പലരീതിയിലുള്ള റിപ്പോര്‍ട്ടുകള്‍ ഉണ്ടാക്കാം. യുണിക്കോഡ് സപ്പോര്‍ട്ടുള്ളതുകൊണ്ട്, മലയാളത്തില്‍തന്നെ നിങ്ങള്‍ക്ക് വിവരങ്ങള്‍ ശേഖരിയ്ക്കാം. കുറച്ചു ഭാഷകളില്‍ റിലേഷന്‍ഷിപ്പ് കാല്‍ക്കുലേറ്ററുണ്ട്. ഇതു് മലയാളത്തിന് ഇപ്പോള്‍ ലഭ്യമല്ല(രണ്ട് പേരെ തിരഞ്ഞെടുത്താല്‍ ഒരാള്‍ മറ്റേയാളുടെ അച്ഛനാണു് അല്ലെങ്കില്‍ അമ്മായിയപ്പനാണെന്നു് പറയുന്ന വിദ്യ! എങ്ങനെയൂണ്ടു്? ആര്‍ക്കെങ്കിലും മലയാളം പിന്തുണ ചേര്‍ക്കണമെന്നു് തോന്നുന്നോ?) ഇന്‍സ്റ്റാള്‍ ചെയ്യാന്‍: ഡെബിയന്‍/ഉബുണ്ടു ഉപയോക്താക്കള്‍: a)സിനാപ്ടിക് ഉപയോഗിച്ചു് gramps എന്ന പാക്കേജ് ഇന്‍സ്റ്റാള്‍ ചെയ്യുക അല്ലെങ്കില്‍ b)apt-get install gramps മറ്റു ഡിസ്ട്രിബ്യൂഷനുകള്‍ ഉപയോഗിയ്ക്കുന്നവര്‍ യം മുതലായ പാക്കേജ് മാനേജ്മെന്റ് സോഫ്റ്റ്‌വെയറുകള്‍ ഉപയോഗിയ്ക്കുക

വരികള്‍ നഷ്ടപ്പെടുന്ന പാട്ടുകള്‍

Thu, 27 Dec 2007 07:00:00 +0000

ഡൈലാമോ, ജുംബലക്ക, ഹമ്മ ഹമ്മ, ഛയ്യ ഛയ്യ, മക്കസായി, ഷക്കലക്ക ബേബി, ബംബാട്ടു ഹുഡുഗി, ഓസലാമ,ഷാബഷാബ, ഹോസൈന, ഡിങ്കിരി ഡിങ്കിരി,അത്തള പിത്തള, സഡക്ക് സഡക്ക്, ധൂംതനക്കടി, ഓക്കേല, ജുംബാ ജുംബാ, അക്കിക്കൊക്കി, ദേവൂഡ, ബല്ലേലിക്കാ, ജില്ലേല ജില്ലേല, സിങ്കാര സിങ്കാര…ഇത്തരം വാക്കുകള്‍ കൊണ്ട് ഹിറ്റുകളായ പാട്ടുകളെക്കുറിച്ചും, അവയുടെ അര്‍ത്ഥമില്ലായ്മയെക്കുറിച്ചും രവിമേനോന്‍ മാതൃഭൂമി ആഴ്ചപ്പതിപ്പില്‍ എഴുതിയിരുന്നു. റൈമിങ്ങിനു് വേണ്ടി ചേര്‍ക്കുന്ന ഇത്തരം യുക്തിരഹിതവാക്കുകള്‍ പാട്ടുകളുടെ, പലപ്പോഴും സിനിമകളുടെ തന്നെ വിജയത്തിനു് കാരണമാകാറുമുണ്ടു്.

ഗാനങ്ങളിലെ കാവ്യഭംഗിയ്ക്ക് പ്രാധാന്യം കുറഞ്ഞുവരുന്നതും ശ്രാവ്യഭംഗിയ്ക്ക് മുന്‍തൂക്കം വരുന്നതും സാധാരണയായിക്കൊണ്ടിരിയ്ക്കുകയാണു്. മലയാള സാഹിത്യത്തിലെ കവിതാശാഖയെ ജനകീയമാക്കുന്നതില്‍ ചലച്ചിത്രഗാനങ്ങള്‍ വഹിച്ച പങ്ക് വളരെ വലുതാണ്. നാടകഗാനങ്ങള്‍ മലയാളികളുടെ ചുണ്ടില്‍തത്തിക്കളിച്ചിരുന്ന ഒരു ചരിത്രം നമുക്കുണ്ടു്. ഇപ്പോള്‍ അത് ചലച്ചിത്രഗാനങ്ങളാണ്. നാടകഗാനങ്ങള്‍ നിറഞ്ഞുനിന്നിരുന്ന സമയത്ത് ജനങ്ങളെ ആകര്‍ഷിച്ചത് തീര്‍ച്ചയായും വരികള്‍ തന്നെ. ഈണത്തിന് സംഗീതത്തില്‍ നിന്ന് വേറിട്ടു നില്‍ക്കാന്‍ കഴിയില്ലെന്നു മറക്കുന്നില്ല. ഒ.എന്‍.വി. പി. ഭാസ്കരന്‍, വയലാര്‍ എന്നിവരുടെയെല്ലാം അനശ്വരങ്ങളായിത്തീര്‍ന്ന ഗാനങ്ങളിലെല്ലാം വരികള്‍ക്കതിന്റേതായ സ്ഥാനം ഉണ്ടായിരുന്നു.പലപ്പോഴും സാമൂഹ്യപരിഷ്കരണത്തിന്റെ കാഹളമൂതുന്നവയുമായിരുന്നു അവ.

ഗ്നു/ലിനക്സില്‍ നിന്നു് ബ്ലോഗെഴുതാന്‍

Sun, 23 Dec 2007 15:58:00 +0000

ഗ്നു/ലിനക്സ് ഉപയോക്താക്കള്‍ക്ക് ലൈവ്ജേര്‍ണല്‍, ബ്ലോഗ്ഗര്‍, വേര്‍ഡ്പ്രേസ്സ് എന്നിവയിലേയ്ക്ക് ബ്ലോഗ് എഡിറ്റ് ചെയ്യാനുള്ള കുറച്ചു സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറുകളെ പരിചയപ്പെടാം. ബ്ലോഗെഴുതാന്‍ വെറും ടെക്സ്റ്റ് എഡിറ്റര്‍ മതിയെങ്കിലും ഈ അപ്ലിക്കേഷനുകള്‍ ബ്ലോഗ് എഡിറ്റിങ്ങിനു മാത്രമായി ചില സൗകര്യങ്ങള്‍ തരുന്നു. ലിങ്ക് ചേര്‍ക്കല്‍, ചിത്രം ചേര്‍ക്കല്‍, ഫോര്‍മാറ്റിങ്ങ് , സ്പെല്‍ചെക്ക്, പ്രിവ്യു മുതലായവ. ഓഫ്‌ലൈന്‍ ബ്ലോഗ് എഡിറ്റിങ്ങിനാണു് ഇവ പ്രയോജനപ്പെടുക.

GNOME Blog Entry Poster വളരെ ലളിതമായ ഒരു അപ്ലിക്കേഷനാണിതു്. ഗ്നോം പാനലില്‍ ഒരു ആപ്‌ലെറ്റ് ആയി ഇതു പ്രവര്‍ത്തിയ്ക്കും. Blog എന്നെ ടോഗിള്‍ ബട്ടണില്‍ ക്ലിക്കിയാല്‍ നിങ്ങള്‍ക്കു് ഒരു എഡിറ്റര്‍ കിട്ടുന്നു. ബോള്‍ഡ്, ലിങ്ക് എന്നീ ഫീചറുകള്‍ മാത്രമേ ഇതു് തരുന്നുള്ളൂ. പക്ഷേ നിങ്ങള്‍ക്ക് സ്വയം HTML ചേര്‍ക്കുകയുമാകാം..ബ്ലോഗ് അക്കൗണ്ടുകള്‍ ബ്ലോഗ്ഗര്‍, ലൈവ്‌ജേര്‍ണല്‍, ഗ്നോം ബ്ലോഗ് എന്നിവ ഇതു് സപ്പോര്‍ട്ട് ചെയ്യും. താഴെകൊടുത്തിരിയ്ക്കുന്ന സ്ക്രീന്‍ ഷോട്ട് കാണുക. ഇന്‍സ്റ്റാള്‍ ചെയ്യാന്‍ (ഡെബിയന്‍/ഉബുണ്ടു എന്നിവയില്‍) a) സിനാപ്റ്റിക് ഉപയോഗിച്ചു് gnome-blog എന്ന പാക്കേജ് ഇന്‍സ്റ്റാള്‍ ചെയ്യുക. അല്ലെങ്കില്‍ b) apt-get install gnome-blog ഇന്‍സ്റ്റാള്‍ ചെയ്ത ശേഷം ഗ്നോം പാനലില്‍ റൈറ്റ് ക്ലിക്ക് ചെയ്ത്, Add to Panel എടുത്ത് Blog Entry Poster തിരഞ്ഞെടുത്ത് പാനലിലേയ്ക്ക് ചേര്‍ക്കുക

Pirated Softwares: MS Raid In Kerala

Sat, 22 Dec 2007 05:50:00 +0000

Microsoft legal department team members inspected the computer shops in Trivandrum and Kollam districts , Kerala for ‘pirated Microsoft softwares ‘ with the help of police on Dec 20.

More details:

here and here

ഓരോ കുട്ടിയ്ക്കും ഓരോ ലാപ്‌‌ടോപ്പ്

Sat, 15 Dec 2007 06:09:00 +0000

OLPC – One Laptop per Child എന്ന സംരംഭത്തെപ്പറ്റി നേരത്തേ തന്നേ കേട്ടിരുന്നുവെങ്കിലും ഫോസ്സ്.ഇന്‍ പരിപാടിയ്ക്കിടയിലാണ് സംഗതി നേരിട്ട് കാണാന്‍ കഴിഞ്ഞത്. ടോം കളവേയ്(Tom Callaway) പച്ചയും വെള്ളയും നിറത്തിലുള്ള കൊച്ചുലാപ്‌ടോപ് തന്റെ ചോറ്റുപാത്രമാണെന്ന് പറഞ്ഞ് എല്ലാവരെയും പരിചയപ്പെടുത്തി നടക്കുന്നുണ്ടായിരുന്നു. വളരെപ്പെട്ടെന്ന് തന്നെ ടോമും കൊച്ചു ലാപ്‌ടോപ്പും പരിപാടിയിലെ ഒരു ശ്രദ്ധാകേന്ദ്രമായി

ടോം തന്റെ ലാപ്‌ടോപ്പുമായി

2005 ജനുവരിയില്‍ MIT യിലാണ് OLPC പ്രൊജക്ട് തുടങ്ങുന്നത്. Nicholas Negroponte ആണ് ഇതിന് തുടക്കമിട്ടത് വികസ്വര, ദരിദ്ര രാജ്യങ്ങളിലെ പാവപ്പെട്ട വിദ്യാര്‍ത്ഥികള്‍ക്ക് കമ്പ്യൂട്ടര്‍ സാങ്കേതികവിദ്യ എത്തിയ്ക്കുക എന്നതാണ് പ്രൊജക്ടിന്റെ ലക്ഷ്യം. ഇത് ഒരു ലാപ്‌ടോപ് പ്രൊജക്ടല്ല, മറിച്ച് ഒരു വിദ്യാഭ്യാസ പ്രൊജക്ടാണ് എന്ന് പ്രൊജക്ടിന്റെ വക്താക്കള്‍ പറയുന്നു. ഈ പ്രൊജക്ട് നടത്താന്‍ MIT യില്‍ നിന്ന് സ്വതന്ത്രമായി OLPC എന്ന സംഘടന ഉണ്ടാക്കുകയും ചെയ്തു.

മലയാളം നിവേശകരീതികള്‍ ഒരു വിശകലനം

Mon, 10 Dec 2007 17:19:00 +0000

സെബിന്റെ ബ്ലോഗിലെ മലയാളം മലയാളത്തിലെഴുതാന്‍ എന്ന പോസ്റ്റിന്റെ പശ്ചാത്തലത്തില്‍ നിവേശകരീതികളെപ്പറ്റി ഒരു വിശകലനത്തിന് ശ്രമിയ്ക്കുന്നു

മലയാളം എഴുതാന്‍ നല്ലത് ഇന്‍സ്ക്രിപ്റ്റ്, വരമൊഴി എന്നിവയിലേത് ഉപയോഗിയ്ക്കണമെന്ന് വിശകലനം ചെയ്യുന്നത് എവിടെയും എത്താത്ത ഇടുങ്ങിയ വിശകലനമായിരിയ്ക്കും. നിവേശകരീതികളെ ഞാന്‍ വേറൊരു രീതിയിലാണ് തരംതിരിയ്ക്കാനിഷ്ടപ്പെടുന്നത്.

നോണ്‍ഫൊണറ്റിക് – ശബ്ദാത്മകം അല്ലാത്തത്.
ഫൊണറ്റിക് – ശബ്ദാത്മകം നോണ്‍ഫൊണറ്റിക് – ശബ്ദാത്മകം അല്ലാത്തത് ഇംഗ്ലീഷ് അക്ഷരങ്ങള്‍ ഉള്ള ഒരു കീബോര്‍ഡ് ഉപയോഗിയ്ക്കുമ്പോള്‍ ഇംഗ്ലീഷ് അക്ഷരങ്ങളുടെ ഫൊണറ്റിക് മൂല്യങ്ങളോട് ഒട്ടും ചേരാതെ ഒരു ഭാഷയിലെ അക്ഷരങ്ങളെ മാപ്പ് ചെയ്യുന്ന നിവേശകരീതികളെ ഇങ്ങനെ വിശേഷിപ്പിയ്ക്കാം. ഇന്‍സ്ക്രിപ്റ്റാണ് ഇതിന്റെ നല്ല ഉദാഹരണം. L എന്ന കീയുടെ സ്ഥാനത്ത് ത , ഥ എന്നീ അക്ഷരങ്ങളെ ചേര്‍ക്കുമ്പോള്‍ സംഭവിയ്ക്കുന്നത് , കീബോര്‍ഡില്‍ മലയാളം കട്ടകളാണെന്ന് മനസ്സില്‍ വിചാരിച്ച് ടൈപ്പ് ചെയ്യണം എന്നാണ്. ഈ മാപ്പിങ്ങ് ഇങ്ങനെ മനസ്സില്‍ വിചാരിയ്ക്കാന്‍ പഠിയ്ക്കുന്നതിനെ ഇന്‍സ്ക്രിപ്റ്റ് ടൈപ്പിങ്ങ് പഠനം എന്ന് നമുക്ക് പറയാം. നമുക്കറിയാം ഈ പഠനം സമയമെടുക്കുന്നതിന്റെ കാരണം, L ന്റെ ലയുടെ അടുത്തു വരുന്ന ഫൊണറ്റിക് സവിശേഷത തയുടെയോ , ഥയുടെയോ അടുത്തെവിടെയും വരാത്തതാണ്. ഈ ബുദ്ധിമുട്ടിന്റെ പശ്ചാത്തലമായി മലയാളത്തിന് പൊതുവേ ഭാരതീയ ഭാഷകള്‍ക്കൊക്കെയുള്ള എഴുതുന്നതു പോലെ വായിയ്ക്കുന്നതും , ഒരക്ഷരവും അതിനു മാത്രം സ്വന്തമായ ഉച്ചാരണവുമെന്ന പ്രത്യേകതയുണ്ട്. ഭാഷാവിദഗ്ധര്‍ ഇതിനെ one to one grapheme to phonetic mapping എന്നു പറയും. ഇന്‍സ്ക്രിപ്റ്റ് രൂപകല്പന ചെയ്തിരിയ്ക്കുന്നത് പ്രാഥമികമായി ഭാരതീയ ഭാഷകള്‍ ഉപയോഗിയ്ക്കുന്ന ഒരു ഉപയോക്താവിനെ മനസ്സില്‍ കണ്ടു കൊണ്ടാണ്. ആ ഭാഷ മാത്രമായി ഉപയോഗിയ്ക്കുന്ന ഒരാള്‍ക്ക് ഇംഗ്ലീഷ് കട്ടകള്‍ക്ക് പകരം സ്വന്തം ഭാഷയിലെ അക്ഷരങ്ങളാണ് കീബോര്‍ഡില്‍ വേണ്ടതെന്ന സങ്കല്‍പവും ഉണ്ട്. അക്ഷരങ്ങളെ കീബോര്‍ഡില്‍ വിന്യസിയ്ക്കുമ്പോള്‍ ഇംഗ്ലീഷ് അനുവര്‍ത്തിച്ചിരിയ്ക്കുന്ന ശാസ്ത്രീയതയും അതിനുണ്ട്. ഒരു ഭാഷ ടൈപ്പ് ചെയ്യാന്‍ പഠിച്ചാല്‍ ബാക്കി എല്ലാ ഭാരതീയ ഭാഷകളും വിഷമം കൂടാതെ പഠിയ്ക്കാമെന്നുള്ള പ്രത്യേകതയുണ്ട്. ഇന്‍സ്ക്രിപ്റ്റ് എന്ന സ്റ്റാന്‍ഡേര്‍ഡ് മറ്റു നിവേശകരീതികളെ അപേക്ഷിച്ച് കുറച്ചുകൂടി ഉറച്ചതാണെന്ന് വാദവും ഉണ്ട്.

ഫൊണറ്റിക് – ശബ്ദാത്മകം ഇംഗ്ലീഷ് അക്ഷരങ്ങളുടെ സാമാന്യമായ ഫൊണറ്റിക് സവിശേഷതകളുടെ സ്വന്തം ഭാഷയിലേയ്ക്കുള്ള പകര്‍ത്തലിലൂടെയുള്ള കീബോര്‍ഡ് വിന്യാസത്തെയാണ് ഇതുകൊണ്ട് അര്‍ത്ഥമാക്കുന്നത്. ഇത്തരം കീ വിന്യാസങ്ങളെ വീണ്ടും രണ്ട് രീതിയില്‍ തരംതിരിയ്ക്കാം.

കേള്‍വി ഒരു കല, സംഭാഷണം സംഗീതവും

Sun, 09 Dec 2007 15:39:00 +0000

“കേള്‍വി ഒരു കലയാണ്. നാക്ക് നമ്മുടെ ചെവിയിലായിരുന്നെങ്കില്‍ ശബ്ദത്തെ രുചിയ്ക്കാമായിരുന്നു” ഫോസ്.ഇന്‍ പരിപാടിയ്ക്കിടയില്‍ ഉണ്ടായ ഒരു സംഭാഷണമദ്ധ്യേ പ്രശസ്ത ഡിസൈനറും കോളമിസ്റ്റൂം സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ പ്രചാരകനുമായ നിയാം ഭൂഷണ്‍ എന്നോടു പറഞ്ഞു. ഫോസ്.ഇന്‍ പരിപാടിയില്‍ എന്റെ ഭാരതീയ ഭാഷാ സംഭാഷണവിശ്ലേഷിണിയെപ്പറ്റിയുള്ള(Speech Synthesizer) അവതരണത്തില്‍ നിയാം ഭൂഷണും ശ്രോതാവായി വന്നിരുന്നു. വാക്കുകളെ ശബ്ദമാക്കുമ്പോള്‍ ശാസ്ത്രം അഭിമുഖീകരിയ്ക്കുന്ന ഒരു വെല്ലുവിളിയാണ് വായിക്കുന്നതിന്റെ താളഭംഗിയും അതിന്റെ സ്വാഭാവികതയും. ധ്വനി എന്ന എന്റെ സോഫ്റ്റ്‌വെയര്‍ തികച്ചും യാന്ത്രികമായിട്ടാണ് 8 ഭാഷകള്‍ വായിക്കുന്നത്. കേട്ടാല്‍ മനസ്സിലാവുമെങ്കിലും അതിന്റെ റോബോട്ടിക് സംസാരശൈലി പലപ്പോഴും അരോചകമാണെന്നത് സത്യമാണ്. ശബ്ദങ്ങളെ കൂട്ടിയിണക്കിയുള്ള സംസാരവിശ്ലേഷിണികളാണ് ഏറെയും പ്രചാരത്തിലുള്ളത്. അവയില്‍ താളവും സ്വാഭാവികതയും കൊണ്ടു വരുന്നതിനെപ്പറ്റിയുള്ള ഗവേഷണങ്ങള്‍ ഇപ്പോളും പൂര്‍ണ്ണവിജയത്തിലെത്തിയിട്ടില്ല. പലരും അങ്ങനെയൊരു സംരംഭം പൂര്‍ണ്ണവിജയം കാണില്ലെന്ന് വാദിയ്ക്കുന്നുണ്ടു താനും. ഈ ഗവേഷണം ലാറ്റിന്‍ ഭാഷകളില്‍ ഏറെക്കുറെ പുരോഗതി നേടിയിട്ടുണ്ട്. ഫെസ്റ്റിവല്‍ എന്ന സോഫ്റ്റ്‌വെയര്‍ ഇംഗ്ലീഷിനു വേണ്ടി ഉപയോഗിച്ചു നോക്കിയാല്‍ ഇതു മനസ്സിലാക്കാന്‍ പറ്റും. രണ്ട് പ്രശ്നങ്ങളാണ് ഈ ഗവേഷണങ്ങള്‍ക്ക് മുന്നിലുള്ളത്.

Sulekha: Transliteration Based Indic Texteditor

Tue, 20 Nov 2007 04:47:00 +0000

Learning how to type in our own Mother tongue is always a problem for newbies. Usually we will just use English as “yeh kya hey” while chatting/mailing. It is because of this reason the transliteration based input methods are more popular than the Inscript in some languages. Google recently released their Indic transliterate service, a web based text editor which will take English words and convert to Indic languages with the help of some machine learning.

ഇതാ വരുന്നൂ, സുലേഖ

Thu, 15 Nov 2007 04:41:00 +0000

ഗൂഗിള്‍ ഈയിടെ പുറത്തിറക്കിയ ഗൂഗിള്‍ ട്രാന്‍സ്ലിറ്ററേറ്റ് എന്ന സേവനത്തില്‍ നിന്ന് പ്രചോദനമുള്‍‌ക്കൊണ്ട് സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് അവതരിപ്പിയ്ക്കുന്നു, പുതിയ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ സംരംഭം: “സുലേഖ ”

എന്താണ് സുലേഖ?

സുലേഖ gtk യില്‍ തീര്‍ത്ത ഒരു GUI ടെക്സ്റ്റ് എഡിറ്ററാണ്. വരമൊഴി, സ്വനലേഖ തുടങ്ങിയവ ഓരോ അക്ഷരത്തിനെയും ലിപ്യന്തരണം ചെയ്യുമ്പോള്‍ പദാനുപദ ലിപ്യന്തരണമാണ് സുലേഖ ചെയ്യുന്നത്. ഓരോ വാക്കും കഴിഞ്ഞ് സ്പേസ് അടിയ്ക്കുമ്പോള്‍ തൊട്ടുമുമ്പ് ടൈപ്പ് ചെയ്ത മംഗ്ലീഷ് മലയാളമായി മാറുന്നു. എഴുതിയ മംഗ്ലീഷ് ആശയക്കുഴപ്പമില്ലാതെ ഒരു മലയാളം വാക്കിന് തത്തുല്യമാണെങ്കില്‍ ആ മലയാളം വാക്ക് വരുന്നു. അല്ലെങ്കില്‍ മംഗ്ലീഷിന്റെ ഏകദേശ ലിപ്യന്തരണം നടത്തി, ആ വാക്ക് ഒരു ചുവപ്പ് അടിവരയോടു കൂടി കാണിയ്ക്കുന്നു. റൈറ്റ് ക്ലിക്ക് ചെയ്യുമ്പോള്‍ ഏറ്റവും യോജിച്ച മലയാളം വാക്കുകള്‍ മെനുവില്‍ കാണിയ്ക്കുന്നു. എന്നിട്ടും ഉദ്ദേശിച്ച വാക്ക് വന്നില്ലെങ്കില്‍ ഒരു ഓണ്‍സ്ക്രീന്‍ കീബോര്‍ഡിന്റെ സഹായത്തോടെ മൗസ് ഉപയോഗിച്ച് വാക്ക് ടൈപ്പ് ചെയ്യാം. ഇങ്ങനെ ചേര്‍ക്കുന്ന പുതിയ വാക്കുകള്‍ സുലേഖ പഠിയ്ക്കുന്നു.

Hacking the GLMatrix screensaver

Tue, 06 Nov 2007 05:51:00 +0000

I am sure that many of you are fans of “The Matrix” series. And many of you might be using the Matrix Screensavers in your system.

But did you ever think like this: “Why cant that glowing green glyphs that rains in black screen be Indic ?”

Well, Not a bad Idea. Right?

Ok, Shall we try to hack the glmatrix screen saver? Here you go!

Download the xscreensaver sourcecode from http://www.jwz.org/xscreensaver/download.html

വരമൊഴിയിലും മൊഴി കീമാനിലും എന്‍കോഡിങ്ങ് ബഗ്ഗുകള്‍

Fri, 12 Oct 2007 05:14:00 +0000

വരമൊഴിയിലും മൊഴി കീമാനിലും ( Tavultesoft keyboard) എന്‍കോഡിങ്ങ് പിശകുകള്‍. മലയാളം വിക്കിപ്പീഡിയയിലുള്ള മൊഴി കീമാപ്പിലും ഈ പിശക് ഉണ്ട്. വാക്കുകളുടെ യൂണിക്കോഡ് കോഡ് മൂല്യങ്ങളുടെ വിന്യാസത്തിലാണ് പിശക്. അനാവശ്യമായ ZWNJ ആണ് പ്രശ്നം

കുറച്ച് ഉദാഹരണങ്ങളിലൂടെ ഇത് വിശദമാക്കാം.

മൊഴി

പൊന്‍നിലാവ് (pon_nilaav): ഈ വാക്കിന്റെ ആന്തരിക യൂണിക്കോഡ് റെപ്രസന്റേഷന്‍ എന്താണെന്നറിയാന്‍ പൈത്തണ്‍ പ്രോഗ്രാമ്മിങ്ങ് ഭാഷ ഉപയോഗിക്കാം.

str=u”പൊന്‍‌നിലാവ്”

print repr(str)

u’\u0d2a\u0d4a\u0d28\u0d4d\u200d\u200c\u0d28\u0d3f\u0d32\u0d3e\u0d35\u0d4d’

\u200c(ZWNJ) എന്ന കോഡ് ഇവിടെ അനാവശ്യമാണ്. പൊന്‍നിലാവ് എന്ന വാക്കിന്റെ യഥാര്‍ത്ഥ യൂണിക്കോഡ് ശ്രേണി ഇതാണ്:

u’\u0d2a\u0d4a\u0d28\u0d4d\u200d\u0d28\u0d3f\u0d32\u0d3e\u0d35\u0d4d’

ഇത്തരത്തിലുള്ള മറ്റു ചില വാക്കുകളിതാ:(മൊഴി കീമാന്‍ ഉപയോഗിച്ചെഴുതിയത്)- വാക്കുകള്‍ക്കിടയില്‍ ചില്ലക്ഷരം വരുന്നവ:

മുന്‍‌തൂക്കം, എന്‍‌കോഡിംഗ്, ചാരന്‍‌മാരാണ് ,നന്‍‌മ,പാന്‍‌ഗോ,പിന്‍‌താങ്ങുന്നുവെന്നു,പിന്‍‌തിരിയണമെന്നും,പിന്‍‌പക്കത്തില്‍,പിന്‍‌വലിഞ്ഞു ,പൊന്‍‌വീണ,പൗരന്‍‌മാര്‍,മന്‍‌മോഹന്‍,മുന്‍‌കൂട്ടി,മുന്‍‌കൈ,

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ്, GSOC Mentor Summit ല്‍ പങ്കെടുക്കുന്നു.

Tue, 02 Oct 2007 21:57:00 +0000

2007 ലെ ഗൂഗിള്‍ സമ്മര്‍ ഓഫ് കോഡ് പരിപാടിയുടെ ഭാഗമായി കാലിഫോര്‍ണിയയില്‍ ഒക്ടോബര്‍ ആറിന് ഗൂഗിള്‍ ഹെഡ് ക്വാര്‍ട്ടേഴ്സില്‍ നടക്കുന്ന Google summer of code Mentors Summit പരിപാടിയില്‍ SMC യുടെ പ്രതിനിധിയായി പ്രവീണ്‍ പങ്കെടുക്കുന്നു. GSOC 2007 ല്‍ പങ്കെടുത്ത മെന്റര്‍മാരുടെ സമ്മേളനമാണിത്. ഈ വര്‍ഷം ഇന്ത്യയില്‍ നിന്ന് ഈ പരിപാടിക്ക് തെരഞ്ഞെടുക്കപ്പെട്ട ഏക സ്വതന്ത്ര കൂട്ടായ്മ SMC ആയതു കൊണ്ട് SMC ഇന്ത്യയെക്കൂടി ഈ പരിപാടിയില്‍ പ്രതിനിധാനം ചെയ്യുന്നു.

പ്രവീണിന് യാത്രാമംഗളങ്ങള്‍ നേരുന്നു.

വിദ്യാര്‍ത്ഥികളെ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ വികസനരീതികള്‍ പരിചയപ്പെടുത്തുന്നതിനും അവരുടെ സര്‍ഗ്ഗാത്മകമായ സോഫ്റ്റ്‌‌വെയര്‍ സംരംഭ ആശയങ്ങളെ പ്രോത്സാഹിപ്പിക്കുന്നതിനും വേണ്ടി എല്ലാ വര്‍ഷവും ഗൂഗിള്‍ ലോകമെങ്ങും നടത്തുന്ന പരിപാടിയാണ് ഗൂഗിള്‍ സമ്മര്‍ ഓഫ് കോഡ്. സ്വതന്ത്ര സോഫ്റ്റ്‌വെയര്‍ മേഖലയില്‍ പ്രവര്‍ത്തിക്കുന്ന കൂട്ടായ്മകളുടെ കീഴിലാണ് വിദ്യാര്‍ത്ഥികള്‍ സോഫ്റ്റ്‌വെയറുകള്‍ വികസിപ്പിക്കേണ്ടത്. ഓരോ വിദ്യാര്‍ത്ഥിക്കും ഒരു മാര്‍ഗ്ഗദര്‍ശിയെ ഈ സംഘടനയില്‍ നിന്ന് തിരഞ്ഞെടുക്കുന്നു. തെരഞ്ഞെടുക്കുന്ന സോഫ്റ്റ്‌വെയര്‍ സംരംഭ ആശയങ്ങള്‍ക്ക് ഗൂഗിള്‍ 4500 ഡോളര്‍ (ഏകദേശം 2 ലക്ഷം രൂപ) വീതം നല്‍കുന്നു. 4 മാസത്തെ സമയമാണ് അനുവദിക്കുക. ഇതിനിടയില്‍ 2 തവണ മൂല്യനിര്‍ണ്ണയം ഉണ്ട്. ഒന്നാം ഘട്ട മൂല്യ നിര്‍ണ്ണയം വിജയകരമായി പൂര്‍ത്തീകരിച്ചാല്‍ 1 ലക്ഷം രൂപ ലഭിക്കും, ബാക്കി അവസാന മൂല്യ നിര്‍ണ്ണയം പൂര്‍ത്തീകരിച്ചാലും. വികസിപ്പിച്ചെടുത്ത സോഫ്റ്റ്‌വെയറുകള്‍ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറുകളാവണമെന്ന നിര്‍ബന്ധമുണ്ട്. സംരംഭ ആശയങ്ങള്‍ സംഘടകള്‍ക്കും വിദ്യാര്‍ത്ഥികള്‍ക്കും ചേര്‍ന്ന് തീരുമാനിക്കാം.

കമ്പ്യൂട്ടറിന് മലയാളം പറഞ്ഞാല്‍ മനസ്സിലാകുമോ?

Thu, 20 Sep 2007 05:23:00 +0000

“വൈകീട്ടെന്താ പരിപാടി ?” ഇങ്ങനെ കമ്പ്യൂട്ടറിനോടു ചോദിച്ചാല്‍ അത് ഉത്തരം പറയും.. ഇങ്ങനെയായിരുന്നു കേരള കൗമുദിയുടെ സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ സോഫ്റ്റ്‌വെയര്‍ സ്വാതന്ത്ര്യദിന പരിപാടികളുടെ 15-ാം തിയ്യതിയിലെ റിപ്പോര്‍ട്ട് ആരംഭിച്ചത്. വായനക്കാര്‍ക്ക് കൗതുകം തോന്നിക്കാണും. മലയാളം കേട്ടാല്‍ മനസ്സിലാവുന്ന കമ്പ്യൂട്ടറോ ഏയ്… ഇവര്‍ വെറുതേ പറയുന്നതാ…

മലയാളത്തിലുള്ള ആജ്ഞകള്‍ക്ക് കാതോര്‍ത്തിരിക്കുന്ന കമ്പ്യൂട്ടര്‍… മുന്നിലിരിക്കുന്നയാള്‍ പറയുന്നതിനനുസരിച്ച് പ്രവര്‍ത്തിക്കുന്ന അപ്ലിക്കേഷനുകള്‍…. പാട്ട് പാടാന്‍ പറയാന്‍ പറയുമ്പോള്‍ പാടുന്ന കമ്പ്യൂട്ടര്‍.(ആരവിടെ, ആ പാട്ടൊന്നു വയ്ക്കൂ 🙂 ) .. അത്യാവശ്യ വിവരങ്ങള്‍ മലയാളത്തില്‍ ചോദിച്ചാല്‍ മലയാളത്തില്‍ തന്നെ തിരിച്ചു മറുപടി പറയുന്ന കമ്പ്യൂട്ടര്‍….ടൈപ്പ് ചെയ്യുന്നതിന് പകരം മലയാളത്തില്‍ പറഞ്ഞു കൊടുത്താല്‍ എഴുതി തരുന്ന കമ്പ്യൂട്ടര്‍… മലയാളം ഫയലുകള്‍ വായിച്ചു തരുന്ന കമ്പ്യൂട്ടര്‍….നേരമ്പോക്ക് പറഞ്ഞിരിക്കാന്‍ കൂട്ടിന് കമ്പ്യൂട്ടര്‍… അസാദ്ധ്യമെന്നു തോന്നുന്നുണ്ടോ?! അതും നമ്മുടെ ഈ കൊച്ചു മലയാളത്തില്‍…..

മലയാളത്തിന് സ്വന്തമായി ഒരു വേര്‍ഡ് പ്രൊസസ്സര്‍

Wed, 12 Sep 2007 16:06:00 +0000

പരിപൂര്‍ണ്ണ മലയാളം പിന്തുണയുമായി സ്വതന്ത്ര വേര്‍ഡ് പ്രൊസസ്സര്‍ അബിവേര്‍ഡ് വരുന്നു. പാംഗോ ചിത്രീകരണ സംവിധാനത്തിന്റെ പിന്‍ബലത്തോടെ ഗ്നു ലിനക്സ് പ്രവര്‍ത്തക സംവിധാനത്തില്‍ ഉപയോഗിക്കാവുന്ന ഇതിന്റെ സോഴ്സ് കോഡ് കമ്പൈല്‍ ചെയ്തെടുത്ത ചില ചിത്രങ്ങളിതാ..

അബിവേര്‍ഡ് വികസിപ്പിച്ചെടുത്തവര്‍ക്ക് അഭിവാദ്യങ്ങള്‍….

ഗ്നോം 2.20 ലക്കത്തില്‍ മലയാളം ഔദ്യോഗികമായി ചേര്‍ക്കപ്പെട്ടു.

Tue, 11 Sep 2007 05:36:00 +0000

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ കിരീടത്തില്‍ ഒരു പൊന്‍തൂവല്‍ കൂട്. ഗ്നോം 2.20 ലക്കത്തില്‍ മലയാളം ഔദ്യോഗികമായി ചേര്‍ക്കപ്പെട്ടു.

GNOME 2.20 offers support for 45 languages (at least 80 percent of strings translated).

മറ്റൊരു സന്തോഷ വാര്‍ത്ത കൂടി . ഗ്നു ആസെല്‍ മലയാളം സ്പെല്‍ ചെക്കര്‍ ഡെബിയന്‍ ഗ്നു ലിനക്സില്‍ ചേര്‍ക്കപ്പെട്ടു, കാണുക http://bugs.debian.org/cgi-bin/bugreport.cgi?bug=440295

സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങ് ഇതു വരെ വികസിപ്പിച്ച് സോഫ്ട്‌വെയറുകള്‍ പൊതുജനങ്ങള്‍ക്കായി പ്രദര്‍ശിപ്പിക്കുന്നു. കാണുക http://fci.wikia.com/wiki/SFD/SMC

സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറും മലയാളം കമ്പ്യൂട്ടിങ്ങും: സോഫ്റ്റ്‌വെയര്‍ സ്വാതന്ത്യ ദിനാഘോഷം

Mon, 10 Sep 2007 05:29:00 +0000

സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറും മലയാളം കമ്പ്യൂട്ടിങ്ങും

സോഫ്റ്റ്‌വെയര്‍ സ്വാതന്ത്യ ദിനാഘോഷം

സെപ്റ്റംബര്‍ 14-15, ചേംബര്‍ ഓഫ് കൊമേഴ്‌സ് ഹാള്‍, തൃശ്ശൂര്‍

പ്രിയ സുഹൃത്തുക്കളെ,

നമ്മുടെ നിത്യജീവിതത്തിന്റെ ഭാഗമായിക്കൊണ്ടിരിക്കുന്ന വിവരസാങ്കേതിക വിദ്യയുടെ മാനുഷികവും ജനാധിപത്യപരവുമായ മുഖവും മനുഷ്യധിഷണയുടെ പ്രതീകവുമാണ് സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറുകള്‍. വിജ്ഞാനത്തിന്റെ സ്വതന്ത്ര കൈമാറ്റത്തിലൂടെ പരമ്പരകളായി നാം ആര്‍ജ്ജിച്ച കഴിവുകള്‍ ഡിജിറ്റല്‍ യുഗത്തില്‍ ചങ്ങലകളും മതിലുകളും ഇല്ലാതെ ഏവര്‍ക്കും ലഭ്യമാക്കുന്നതിനും അത് ലോകപുരോഗതിയ്ക്ക് വേണ്ടി ഉപകാരപ്പെടുത്താനും സ്വതന്ത്ര സോഫ്റ്റ്‌അതിവേഗത്തില്‍വെയറുകള്‍ നിലകൊള്ളുന്നു. സ്വതന്ത്രമായ ഈ വിവര വികസന സമ്പ്രദായത്തിന്റെ അടിത്തറ, ഓരോ സ്വതന്ത്ര സോഫ്റ്റ്‌വെയറുകളും വാഗ്ദാനം ചെയ്യുന്ന മനസ്സിലാക്കാനും, പകര്‍ത്താനും നവീകരിയ്ക്കാനും, പങ്കു വെയ്ക്കാനുമുള്ള സ്വാതന്ത്യമാണ്. ഈ സ്വാതന്ത്ര്യങ്ങളെ ജനമദ്ധ്യത്തിലേയ്ക്ക് കൊണ്ടുവരാനും പ്രചരിപ്പിക്കാനും ഓരോ വര്‍ഷവും സെപ്റ്റംബര്‍ 15 സോഫ്റ്റ്‌വെയര്‍ സ്വാതന്ത്ര്യ ദിനമായി ലോകമെങ്ങും ആഘോഷിയ്ക്കപ്പെടുന്നു.

Aspell Malayalam Spelling checker Version 0.01-1 Released

Mon, 27 Aug 2007 18:32:00 +0000

മലയാളത്തിന് സ്വതന്ത്ര മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ തിരുവോണ സമ്മാനം: ആസ്പെല്‍ മലയാളം സ്പെല്ലിങ്ങ് ചെക്കര്‍(version 0.01-1)

1,37,348 മലയാളം വാക്കുകളടങ്ങിയ മലയാളം സ്പെല്ലിങ്ങ് ചെക്കറിന്റെ ആദ്യ ലക്കം മലയാളത്തിന് സമര്‍പ്പിക്കുന്നു. സ്വതന്ത്ര ഡെസ്ക്ടോപ്പുകളായ ഗ്നോം, കെഡിഇ എന്നിവയില്‍ ഉപയോഗിക്കാവുന്ന ഈ സ്പെല്ലിങ്ങ് ചെക്കര്‍ ഗ്നു ആസ്പെല്‍ എന്ന പ്രശസ്ത സോഫ്റ്റ്‌വെയര്‍ അടിസ്ഥാനമാക്കിയാണ് വികസിപ്പിച്ചിരിക്കുന്നത്.

1,37,348 മലയാളം വാക്കുകളും സ്വയം അക്ഷരത്തെറ്റു പരിശോധിച്ചതാണ്. സമയക്കുറവ്, ശ്രദ്ധക്കുറവ്, വിവരക്കുറവ് എന്നീ കാരണങ്ങളാല്‍ ചില പിഴവുകള്‍ ഇതിലുണ്ടാവാം. ഈ സോഫ്റ്റ്‌വെയര്‍ ഉപയോഗിക്കുമ്പോള്‍ അത്തരം തെറ്റുകള്‍ കാണുകയാണെങ്കില്‍ ദയവായി എന്നെ അറിയിക്കുക.

ഇത് ഇന്‍സ്റ്റാള്‍ ചെയ്യാന്‍ https://savannah.nongnu.org/task/download.php?file_id=13811 എന്നിടത്തു നിന്ന് ഡൗണ്‍ലോഡ് ചെയ്ത് extract ചെയ്യുക. അതിനു ശേഷം README ഫയലില്‍ വിവരിച്ചിരിക്കുന്ന പോലെ ചെയ്യുക.

ചില്ലും മലയാളം കമ്പ്യൂട്ടിങ്ങും

Fri, 10 Aug 2007 19:01:00 +0000

മലയാളം കമ്പ്യൂട്ടിങ്ങിന്റെ മുകളില്‍ തലനാരിഴയില്‍ ഒരു വാള്‍ തൂങ്ങിക്കിടപ്പാണ്. ചില്ലു കൊണ്ടുള്ള ഒരു വാള്‍. വാള്‍ വീണാല്‍ മലയാളം രണ്ട് കഷണമാകും. ഒന്നാമത്തേത് നിങ്ങള്‍ വായിച്ചു കൊണ്ടിരിക്കുന്ന ഈ മലയാളം. രണ്ടാമത്തേത് അറ്റോമിക് ചില്ലുകള്‍ ഉപയോഗിച്ചുള്ള വേറൊരു മലയാളം…

“ഞങ്ങള്‍ തീരുമാനിച്ചു കഴിഞ്ഞു. നല്ലതോ ചീത്തയോ അതു നിങ്ങള്‍ അനുഭവിക്കുക” ഇത് അറ്റോമിക് ചില്ലുവാദികളുടെ മുദ്രാവാക്യത്തിന്റെ മലയാളപരിഭാഷ. ഇവിടെ ജയിക്കുന്നതാരുമാകട്ടെ തോല്ക്കുന്നത് ഭാഷ തന്നെയെന്നുറപ്പ്.

ഖരാക്ഷരം + വിരാമം + ZWJ എന്ന ഇപ്പോഴുള്ള ചില്ലക്ഷരത്തിന്റെ എന്‍കോഡിങ്ങിനു പകരം ഒറ്റ ഒരു യുണിക്കോഡ് വേണമെന്ന ആവശ്യം വളരെക്കാലമായി ഒരു വിഭാഗം മലയാളികള്‍ക്കിടയില്‍ ഉയര്‍ന്നു തുടങ്ങിയിട്ട്. അപ്പോള്‍ നിങ്ങള്‍ ചോദിച്ചേക്കാം ഇപ്പോഴുള്ള രീതിക്ക് എന്താണ് പ്രശ്നമെന്ന്. അതിനുള്ള ഉത്തരം എനിക്കിതേവരെ മനസ്സിലായിട്ടില്ല. മലയാളം ബ്ലോഗുകള്‍, വിക്കിപീഡിയ, മലയാളം സോഫ്റ്റ്വെയറുകള്‍, പ്രാദേശികവത്കരിക്കപ്പെട്ട ഓപ്പറേറ്റിങ്ങ് സിസ്റ്റങ്ങള്‍, ഈയുള്ളവന്‍ തയ്യാറാക്കിക്കൊണ്ടിരിക്കുന്ന ഗ്നു ആസ്പെല് spelling checker (ഇപ്പോള്‍ ഒരു ലക്ഷത്തി മുപ്പതിനായിരത്തിലധികം മലയാളം വാക്കുകളുണ്ട്) ഇവയെല്ലാം ഇതിന് തെളിവുകള്‍ മാത്രം. ജീമെയിലില്‍ ചില്ലക്ഷരം വരുന്നില്ലെങ്കില്‍ അത് ജീമെയിലിന്റെ പിഴവാണ്. ബ്രൗസറില്‍ ചില്ലക്ഷരം വരുന്നില്ലെങ്കില്‍ അത് ബ്രൗസറിന്റെ അല്ലെങ്കില്‍ ചിത്രീകരണസംവിധാനത്തിന്റെ പിഴവാണ്. ഭാഷയുടേതല്ല. ഭാഷയെ മാറ്റലല്ല അതിനുള്ള പ്രതിവിധി. സോഫ്റ്റ്വെയറിന്റെ പിഴവുകള്‍ ഭാഷകളുടെ നിലനില്പിനൊരിക്കലും വെല്ലുവിളിയാകരുത്.

Matrix Digital Rain Screensaver In Malayalam!!!

Mon, 23 Jul 2007 15:40:00 +0000

മലയാള നാട്ടില്‍ മഴ തിമര്‍ത്തു പെയ്യുകയാണ്. കഴിഞ്ഞയാഴ്ച ഞാനൊരു മഴയുണ്ടാക്കാനുള്ള ശ്രമത്തിലായിരുന്നു. സാധാരണ മഴയല്ല. ഡിജിറ്റല്‍ മഴ!!!. അക്കഥയിങ്ങനെ:

1999 ല്‍ പുറത്തിറങ്ങിയ ഹോളിവുഡ് സൂപ്പര്‍ഹിറ്റ് ചലച്ചിത്രമായ മെട്രിക്സില്‍ അവതരിപ്പിക്കപ്പെട്ട കമ്പ്യൂട്ടര്‍ കോഡിന്റെ മായിക ദൃശ്യാവിഷ്കാരം – കറുത്ത സ്ക്രീനില്‍ ഉതിര്‍ന്നു വീഴുന്ന പച്ച അക്ഷരങ്ങള്‍, വളരെയേറെ ശ്രദ്ധപിടിച്ചു പറ്റുകയുണ്ടായി. മെട്രിക്സ് പരമ്പരയിലെ ചലച്ചിത്രങ്ങളില്‍ അവതരിപ്പിക്കപ്പെട്ട ഈ ഡിജിറ്റല്‍ മഴയുടെ അനുകരണമായി ധാരാളം സ്ക്രീന്‍ സേവറുകള്‍ പുറത്തിറങ്ങുകയുണ്ടായി. മിക്കതും കമ്പ്യൂട്ടര്‍ പ്രേമികളുടെ ഇഷ്ടപ്പെട്ട സ്ക്രീന്‍ സേവറുകളായി. ഗ്നു ലിനക്സിലും xscreensaver എന്ന സ്ക്രീന്‍സേവര്‍ പാക്കേജിന്റെ കൂടെ glmatrix എന്ന പേരില്‍ ഒരു കിടിലന്‍ സ്ക്രീന്‍സേവറുണ്ട്. എനിക്കേറെ ഇഷ്ടപ്പെട്ട ഒരു സ്ക്രീന്‍സേവറാണത്.

മലയാളം സ്പെല്ലിങ്ങ് ചെക്കര്‍ പണിപ്പുരയില്‍

Mon, 16 Jul 2007 16:16:00 +0000

zwj,zwnj പ്രശ്നങ്ങള്‍ കെവിന്റെയും ഗോരയുടെയും സഹായത്തോടെ പരിഹരിച്ചു തീര്‍ന്നപ്പോള്‍ Aspell മലയാളം സ്പെല്ലിങ്ങ് ചെക്കര്‍ വികസനപ്രവര്‍ത്തങ്ങള്‍ വീണ്ടും സജീവമായി.

വിവിധ ബ്ളോഗുകളില്‍ നിന്നും wikipedia യില്‍ നിന്നും ശേഖരിച്ച 25000 വാക്കുകളുടെ പരിശോധന നടത്തിക്കൊണ്ടിരിക്കുകയാണ് ഇപ്പോള്‍. ഇതുവരെ 15000 വാക്കുകള്‍ അക്ഷരത്തെറ്റു പരിശോധന കഴിഞ്ഞു. ആദ്യവട്ട ടെസ്റ്റിങ്ങ് കഴിഞ്ഞപ്പോള്‍ ഒരു കാര്യം ബോധ്യമായി. 25000 വാക്കുകളെന്നത് മലയാളത്തെ സംബന്ധിച്ചിടത്തോളം ഒന്നുമല്ല. തിരഞ്ഞെടുത്ത ഒരു പാരഗ്രാഫ് പരിശോധിക്കാന്‍ കൊടുത്തപ്പോള്‍ 25% വാക്കുകള്‍ മാത്രമേ സ്പെല്ലിങ്ങ് ചെക്കറിന്റെ പക്കലുണ്ടായിരുന്നുള്ള. ഒരു ലക്ഷം വാക്കുകള്‍ എങ്കിലും ഉണ്ടെങ്കിലേ നല്ല പ്രവര്‍ത്തനക്ഷമത കൈവരിക്കാന്‍ കഴിയൂ. യുണിക്കോഡ് ഫോര്‍മാറ്റിലുള്ള ഒരു പുസ്തകത്തിന്റെ പകര്‍പ്പ് കിട്ടാന്‍ ശ്രമിച്ചുകൊണ്ടിരിക്കുകയാണ്. അതുകിട്ടിയാല്‍ കുറേകൂടി വാക്കുകള്‍ ചേര്‍ക്കുവാന്‍ കഴിഞ്ഞേക്കും.

സ്വനലേഖയുടെ പുതിയ പതിപ്പ് പുറത്തിറങ്ങി.

Mon, 02 Jul 2007 19:50:00 +0000

സ്വനലേഖയെക്കുറിച്ചും വരമൊഴിയെക്കുറിച്ചും ഇവിടെ നടന്ന ചര്‍ച്ച കണ്ടു. ഡിഫാള്‍ട്ട് റൂളുകള്‍ മൊഴി തന്നെയായിരിക്കണമെന്ന സിബുവിന്റെ അഭിപ്രായത്തോടു എനിക്ക് യോജിപ്പില്ല. ഉപയോക്താക്കള്‍ക്ക് നിയമങ്ങളല്ലല്ലോ വേണ്ടത്? അവര്‍ക്ക് വേണ്ടത് കൂടുതല്‍ സൗകര്യങ്ങളല്ലേ ? ട എന്നെഴുതാന്‍ Ta എന്നെഴുതണമെന്നു നിയമമുണ്ടാക്കുന്നതിനേക്കാള്‍ നല്ലത്, ട എന്നെഴുതാന്‍ ta, da, Ta എന്നിവയിലേതെങ്കിലും ഉപയോഗിക്കാനുള്ള സൗകര്യമുണ്ടാക്കുന്നതല്ലേ? സാങ്കേതികമായി സ്കിമ്മിന് ഒരു ഡിഫാള്‍ട്ട് റൂള്‍ വേണമെന്നത് ശരിയാണ്. അതിനായി മൊഴി നിയമങ്ങളുടെ പരിഷ്കരിച്ച ഒരു രീതിയാണ് ഉപയോഗിച്ചത്. കൂടുതല്‍ ഉപയോഗക്ഷമതക്കു വേണ്ടി കുറച്ചു മാറ്റങ്ങള്‍ വരുത്തിയിട്ടുണ്ട്. വരമൊഴി ഉപയോഗിക്കുന്നവരോടും മറ്റു ചിലവിദഗ്ധരോടും ചോദിച്ചാണ് അതുചെയ്തത്. ഞാനുമൊരു മൊഴി ഉപയോക്താവായിരുന്നു. ആ നിയമങ്ങളുടെ ആള്‍ട്ടര്‍നേറ്റ് ആയി മൊഴി നിയമങ്ങളുമുണ്ട്. ഉപയോക്താക്കള്‍ക്ക് അവര്‍ക്കിഷ്ടമുള്ള രീതി ഉപയോഗിക്കാം. ചില്ലക്ഷരങ്ങള്‍ ഇതിനൊരുദാഹരണം മാത്രം. ചുരുക്കിപറഞ്ഞാല്‍ നിയമങ്ങളുടെ ഭാരം ഉപയോക്താവില്‍ നിന്നൊഴിവാക്കുന്നു എന്നതാണ് സ്വനലേഖയുടെ പ്രത്യേകത. അതുകൊണ്ട് ഏതെങ്കിലും സ്കീം ആയിരിക്കണം ഡിഫാള്‍ട്ട് റൂള്‍ എന്നു പറയുന്നതില്‍ അര്‍ത്ഥമൊന്നുമില്ല.

Scim malayalam phonetic input method With Lookup table!!!

Mon, 18 Jun 2007 15:54:00 +0000

Added a new feature to SCIM malayalam phonetic input method. It can give spelling suggestions while typing!!!. Cool right?

See the below screenshot from my system. I am editing some text in GEDIT. For typing വിള, I have to type viLa according to the IM Scheme. But as every body does, I typed vila. Now hint menu comes with two suggestions. ള and ല. I press arrow keys and it becomes വിള.

Scim malayalam phonetic input method : Key mapping

Mon, 04 Jun 2007 17:50:00 +0000

This is the key mapping for scim malayalam phonetic keyboard

 <tr bgcolor="#91D9FF">
<td>
അ
</td>
<td>
ആ
</td>
<td>
ഇ
</td>
<td>
ഈ
</td>
<td>
ഉ
</td>
<td>
ഊ
</td>
<td>
ഋ
</td>
<td>
</td>
</tr>
<tr>
<td>
a
</td>
<td>
aa A
</td>
<td>
i
</td>
<td>
ii I ee
</td>
<td>
u
</td>
<td>
uu U oo
</td>
<td>
RR
</td>
<td>
</td>
</tr>
<tr bgcolor="#91D900">
<td>
</td>
<td>
ാ
</td>
<td>
ി
</td>
<td>
ീ
</td>
<td>
ു
</td>
<td>
ൂ
</td>
<td>
ൃ
</td>
<td>
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
എ
</td>
<td>
ഏ
</td>
<td>
ഐ
</td>
<td>
ഒ
</td>
<td>
ഓ
</td>
<td>
ഔ
</td>
<td>
അം
</td>
<td>
അഃ
</td>
</tr>
<tr>
<td>
e
</td>
<td>
E
</td>
<td>
ai ei
</td>
<td>
o
</td>
<td>
O
</td>
<td>
au ou
</td>
<td>
a~ aM ~
</td>
<td>
aH
</td>
</tr>
<tr bgcolor="#91D900">
<td>
െ
</td>
<td>
േ
</td>
<td>
ൈ
</td>
<td>
ൊ
</td>
<td>
ോ
</td>
<td>
ൌ
</td>
<td>
ം
</td>
<td>
ഃ
</td>
</tr>
<tr>
<td bgcolor="lightGray" colspan="8">
<b><i>വ്യഞ്ജനങ്ങള്‍<i></b></td> </tr>
<tr bgcolor="#91D9FF">
<td>
ക
</td>
<td>
ഖ
</td>
<td>
ഗ
</td>
<td>
ഘ
</td>
<td>
ങ
</td>
<td>
</td>
<td>
ങ്ക
</td>
<td>
ന്റെ
</td>
</tr>
<tr >
<td>
k
</td>
<td>
kh K
</td>
<td>
g
</td>
<td>
gh G
</td>
<td>
ng
</td>
<td>
</td>
<td>
nk
</td>
<td>
nte
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
ച
</td>
<td>
ഛ
</td>
<td>
ജ
</td>
<td>
ഝ
</td>
<td>
ഞ
</td>
<td>
</td>
<td>
റ്റ
</td>
<td>
ക്ഷ
</td>
</tr>
<tr>
<td>
ch
</td>
<td>
Ch
</td>
<td>
j
</td>
<td>
jh J
</td>
<td>
nj
</td>
<td>
</td>
<td>
TT
</td>
<td>
x
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
ട
</td>
<td>
ഠ
</td>
<td>
ഡ
</td>
<td>
ഢ
</td>
<td>
ണ
</td>
<td>
</td>
<td>
ക്യു
</td>
<td>
വൈ
</td>
</tr>
<tr >
<td>
t
</td>
<td>
T
</td>
<td>
D
</td>
<td>
Dh
</td>
<td>
N
</td>
<td>
</td>
<td>
q
</td>
<td>
Y
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
ത
</td>
<td>
ഥ
</td>
<td>
ദ
</td>
<td>
ധ
</td>
<td>
ന
</td>
<td>
</td>
<td>
ക്യൂ
</td>
<td>
ഞ്ച
</td>
</tr>
<tr>
<td>
th
</td>
<td>
thh
</td>
<td>
d
</td>
<td>
dh
</td>
<td>
n
</td>
<td>
</td>
<td>
Q
</td>
<td>
nch
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
പ
</td>
<td>
ഫ
</td>
<td>
ബ
</td>
<td>
ഭ
</td>
<td>
മ
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr >
<td>
p
</td>
<td>
f ph
</td>
<td>
b
</td>
<td>
bh B
</td>
<td>
m
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
യ
</td>
<td>
ര
</td>
<td>
ല
</td>
<td>
വ
</td>
<td>
ശ
</td>
<td>
ഷ
</td>
<td>
സ
</td>
<td>
ഹ
</td>
</tr>
<tr>
<td>
y
</td>
<td>
r
</td>
<td>
l
</td>
<td>
v w
</td>
<td>
S z
</td>
<td>
sh
</td>
<td>
s
</td>
<td>
h
</td>
</tr>
<tr bgcolor="#91D9FF">
<td>
ള
</td>
<td>
ഴ
</td>
<td>
റ
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
L
</td>
<td>
zh
</td>
<td>
R
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td bgcolor="lightGray" colspan="8">
<b><i>ചില്ലുകള്‍</i><b></td> </tr>
<tr bgcolor="#91D9FF">
<td>
ന്‍
</td>
<td>
ല്‍
</td>
<td>
ള്‍
</td>
<td>
ര്‍
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
n~
</td>
<td>
l~
</td>
<td>
L~
</td>
<td>
r~ R~
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr></tbody> </table>
<table>
<tr>
<td>
<b>ഉദാഹരണങ്ങള്‍</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td></tr>
<tr>
<td>
മലയാളം
</td>
<td>
malayaaLaM
</td>
<td>
malayAla~
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
സരിഗമപധനി
</td>
<td>
sarigamapadhani
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
പൊന്പീലി
</td>
<td>
ponpiili
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
മങ്ക
</td>
<td>
manka
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
കുടുംബം
</td>
<td>
kutu~ba~
</td>
<td>
kutu~baM
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
അവന്‍
</td>
<td>
avan~
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
ചക്ഷുശ്രവണഗളസ്ഥമാം
</td>
<td>
chaxuSravanagalasThamaa~
</td>
<td>
chaxuSravanagalasThamaa~
</td>
<td>
chakshuSravanagalasThamaa~
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
പ്രകൃതി
</td>
<td>
prakRthi
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
കൃഷ്ണന്‍
</td>
<td>
kRshNan~
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
പാലക്കാട്
</td>
<td>
paalakkaat
</td>
<td>
pAlakkAt
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr>
<tr>
<td>
അക്ഷരം
</td>
<td>
axaraM
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
<td>
</td>
</tr></tbody> </table>
<p>
Please post your comments in smc-discuss@googlegroups.com
</p>

Scim malayalam phonetic input method

Fri, 01 Jun 2007 18:16:00 +0000

See the screenshots of Scim malayalam phonetic input method I developed. It is in beta stage.

Malayalam Spellchecker

Tue, 29 May 2007 00:13:00 +0000

See the Aspell Malayalam spelling checker working on Gedit.This development version is having only 4500 Malayalam words in the dictionary. It is not at all sufficient for Malayalam.

Compound word handling and soundslike features are yet to be developed. Snapshot from Anivar’s machine

Dhvani rewrite

Tue, 22 May 2007 18:47:00 +0000

I started a re-write on Dhvani architecture, keeping the algorithm same. This is based on Kiss principle. Instead of client server architecture a single executable is my plan. This will help me to integrate it with KTTS, kate etc. Now I know how to integrate Dhvani with KTTS.

Studied autoconf and automake for this…

More and more items in my TODO list…

Only Aspell, no space for others…

Tue, 22 May 2007 16:57:00 +0000

It seems that our work on our own spell checker doesnot have any importance other than learning. Aspell is light years ahead of us.There are ispell, myspell also. But we learned a lot about the approximate string comparison, fast search on a big wordlist, candidate list generation etc.. Gora Mohanty gave valuable insights to me on Aspell and how to create the Aspell word list for Malayalam.But still problems on compound words of malayalam.. “Sandhi & Samasam” and the infinite number of words that can be created by that in malayalam is a big hurdle for us..

A myth called the Indian programmer

Mon, 21 May 2007 18:44:00 +0000

“Most software professionals in India are not programmers, they are mere coders,”

http://timesofindia.indiatimes.com/Opinion/Sunday_Specials/Review/A_myth_called_the_Indian_programmer/articleshow/msid-1633868,curpg-1.cms

I completely agree with this article. We should make ourself different from others.

Software engineers are becoming dump users. Assemblers of pieces of code that even high school students can do. Are we using anything that we studied in our Computer Science courses in the engineering college?

Are we showing any creativity in this field? (There are exemptions, I agree, but in general)

Spell checker and Late night coding..

Mon, 21 May 2007 17:03:00 +0000

It was a wonderful week end. Myself and Benzi were working on the spell checker for Malayalam. In April we had done lot of research on this. We did the coding for the dictionary representation in the Binary Retrieval tree (TRIE). Saturday night we did the candidate list generation coding. It is a wonderful experience to code in the late night – one laptop and two persons to code!!!. Every thing worked fine. When we finished the coding, we realized that the application can be tuned to a universal(?) spell checker. So sunday we tested it using a 3 lakh english words.. Worked fine!!. We compared the spelling options generated with aspell. Ours was giving more options since our dictionary is bigger than aspell’s.

Plus meet May 2007 at Tippus Fort , Palakkad

Tue, 08 May 2007 21:58:00 +0000

Anivar, Praveen, Hiran, Sujith and myself reached the fort at 10.15 AM. Anivar, Praveen, Hiran and Sujith were wearing T-Shirts with Debian Logo.

Riyas has reached already.Meeting started at 11 AM.

Around 20 members participated in the meeting. Meeting place was FREE and OPEN as you have seen in the pictures.

We sat under the tree in the form of a ring. Students from MES kuttippuram, GEC Sreekrishnapuram and GEC Thrissur participated.

Free software Alternatives or replacements

Wed, 04 Apr 2007 20:03:00 +0000

What will be the impact of a Discussion on a mailing list regarding

freedom concerns.

See the Old thread on PLUS

http://lists.sarovar.org/pipermail/plus-discuss/2007-January/000628.html

& Old gnu Page

http://web.archive.org/web/20060516072757/http://www.gnu.org/software/for-windows.html

If community is vigilant about Freedom lets see what happens

http://www.gnu.org/software/for-windows.html

The Word “Free software Alternatives” changed with “Free software

replacements”

Debian Installer Etch Release Candidate 2 released

Wed, 21 Mar 2007 17:50:00 +0000

The Debian Installer team is proud to announce the second release

candidate (RC2) of the installer for Debian GNU/Linux Etch. Unless

release critical issues are discovered, this will be the version of

the installer that will be included in the release of Etch.

There are no real major changes in this release, but we have been able

to use the time since RC1 to fix quite a few important and minor

Dhvani Indian Language Text to Speech system

Thu, 15 Mar 2007 16:18:00 +0000

visit http://fci.wikia.com/wiki/Dhvani for the documentation..

Swathanthra Malayalam Computing is participating in Google Summer of Code.

Tue, 13 Mar 2007 22:25:00 +0000

Swathanthra Malayalam Computing is participating in Google Summer of Code.

More details at http://fci.wikia.com/wiki/SMC/SoC/2007

Excellent opportunity for Students in kerala….

Googel summer of Code:http://code.google.com/soc/

സ്വരങ്ങള്‍