타밀어: 세계에서 가장 오래된 살아있는 언어 중 하나
TABLE OF CONTENTS
2,000년 역사의 시를 원문 그대로 학자와 숙련된 독자들이 여전히 읽을 수 있는 언어 — 그리고 구어와는 너무나 다른 문어체 때문에 타밀 어린이들이 거의 제2언어처럼 배우는 문자체.
분류
Tamil (தமிழ், tamiḻ)은 드라비다어족에 속합니다. 이 어족은 인도 아대륙에 토착한 약 26개의 언어로 구성되어 있으며, 지리적으로 주변에 있는 인도유럽어족(힌디어, 산스크리트어, 영어)과는 완전히 무관합니다. 드라비다어족 내에서 Tamil은 남부 드라비다어 분파에 속하며, 가장 가까운 주요 친척인 Malayalam과 함께 Kannada, Toda, Kota, Kodava, Badaga 등이 있습니다.
Tamil과 Malayalam은 공통 조상을 공유하며, 완전히 구분되는 언어로 발전한 것은 중세 초기에 이르러서입니다. 분화는 이미 9세기 CE부터 시작되었으며, Malayalam이 독립된 언어로 완전히 자리잡은 것은 13~14세기입니다(Britannica: Tamil language).
Kolipakam 등(2018)의 베이지안 계통학 연구는 Royal Society Open Science에 발표되었으며, 드라비다어족의 기원을 약 4,500년 전으로 추정합니다(Royal Society Open Science). 원시 언어의 지리적 기원은 아직 논쟁 중이며, 인도 반도에서 인더스 지역까지 다양한 설이 제기되고 있습니다.
Tamil의 분류가 중요한 이유: Tamil은 인도 내 비인도아리아계 언어 중 가장 오래된 연속적 문학 전통을 가지고 있습니다. 이 사실은 지난 2천 년 동안 Tamil의 정체성, 문학, 현대 정치적 역할을 형성해왔습니다.
Tamil이 사용되는 지역
타밀어는 전 세계적으로 7,500만에서 9,000만 명의 원어민 화자를 보유하고 있습니다(Worlddata: Tamil). 이는 세계에서 약 17번째로 많이 사용되는 언어에 해당합니다. 타밀어는 3개의 주권 국가(인도, 스리랑카, 싱가포르)와 인도 타밀나두 주, 푸두체리 연방 직할지에서 공식 언어로 지정되어 있습니다.
| 지역 | 화자 수(대략) | 공식 지위 |
|---|---|---|
| 타밀나두(인도) | 약 7천만 명 | 주 공식 언어 |
| 푸두체리(인도) | 약 100만 명 | 연방 직할지 공식 언어 |
| 스리랑카 | 약 350만 | 신할라어와 공동 공식어 |
| 싱가포르 | 타밀 커뮤니티 인구의 약 5%; 타밀어 사용 가구 10만 가구 이상 | 4대 공식 언어 중 하나 |
| 말레이시아 | 약 180만 명의 타밀계 커뮤니티 | 소수 민족 언어로 인정 |
| 모리셔스 | 타밀계 인구 약 5%; 실제 사용자는 더 적음 | 소수 민족 언어로 인정 |
| 디아스포라(캐나다, 영국, 미국, 남아프리카, 걸프 국가 등) | 합산 수백만 명 | — |
타밀어는 또한 인도의 고전 언어(2004년 공식 지정) 중 하나로, 2,000년이 넘는 연속적인 문학 전통을 자랑합니다.
왜 타밀어가 스리랑카의 공식 언어인가?
타밀어의 스리랑카 내 지위는 정치적으로 민감한 문제였습니다. 1956년 공식 언어법은 신할라어만을 유일한 공식 언어로 지정해 수십 년간 민족 간 긴장을 불러왔습니다. 이후 인도-스리랑카 협정과 1987년 제13차 헌법 개정을 통해 타밀어가 신할라어와 함께 공식 언어로 인정되었고, 영어는 “연계 언어”로 지정되었습니다. 스리랑카 내 타밀어 화자(스리랑카 타밀인, 인도계 타밀인, 대부분의 스리랑카 무어인)는 국가 최대의 언어 소수 집단을 이룹니다.
왜 타밀어가 싱가포르의 공식 언어인가?
싱가포르 헌법은 영어, 만다린, 말레이어, 타밀어 네 가지를 공식 언어로 지정하고 있으며, 이는 국가의 다문화적 구성을 반영합니다. 타밀인은 전체 인구의 약 5%를 차지하며, 싱가포르 인도계 커뮤니티에서 가장 큰 비중을 차지합니다.
타밀어의 간략한 역사
타밀어의 역사는 독특합니다. 오늘날 우리가 읽는 타밀어는 2,000년 전 사용된 언어와 명확히 동일한 언어라는 점에서 그렇습니다. 현대 타밀어 화자들은 약간의 노력을 기울이면 기원전 2세기 비문도 읽을 수 있는데, 이는 전 세계적으로도 드문 언어적 연속성입니다.
학자들은 타밀어의 역사를 세 시기로 나눕니다:
- 고대 타밀어 (기원전 300년경 – 서기 700년)
- 중세 타밀어 (700 – 1600년)
- 현대 타밀어 (1600년 – 현재)
상감 시대와 가장 초기의 비문
가장 이른 타밀어 기록은 타밀나두의 마두라이와 티룬엘벨리 지역 동굴 벽에 남겨진 수십 개의 비문으로, 기원전 2세기에 해당합니다. 이라바탐 마하데반이 2003년에 집대성한 표준 목록에는 약 89개의 타밀-브라흐미 비문이 수록되어 있으며, 이후 조사로 그 수는 110개를 넘었습니다.
이 시기에는 상감 문학도 탄생했습니다. 약 기원전 300년부터 서기 300년 사이에 지어진 2,000편이 넘는 시가 현존하며, 사랑, 전쟁, 윤리, 왕권, 일상생활을 놀라울 정도로 세밀하게 묘사합니다. 상감 시는 오늘날까지도 타밀 문화 정체성의 핵심으로 남아 있습니다.
해상 교역의 공용어로서의 타밀어
중세 초기, 타밀어는 남인도 해상 교역의 공용어 역할을 했습니다. 인도네시아와 태국에서도 타밀어 비문이 발견되었고, 심지어 이집트의 홍해 항구 쿠세이르 알카딤에서는 타밀-브라흐미 문자로 새겨진 토기 조각도 출토되었습니다(Wikipedia: Tamil language). 이는 촐라 제국의 상업적 영향력과 타밀 상인 조합의 활동을 보여줍니다.
문자 체계의 발전
이 문자는 타밀 브라흐미에서 여러 중간 단계를 거쳐 발전했습니다. 그 중에는 바텔루투(“둥근 문자”)와 중세 타밀-그란타가 포함되며, 이후 오늘날의 형태에 가까운 모습으로 정착하게 되었습니다. 19세기와 20세기에 두 차례의 개혁이 이루어져, 모음 표기의 표준화, 불규칙 형태의 규칙화, 그리고 조판의 용이성이 크게 향상되었습니다.
방언과 유명한 타밀어의 이중언어 현상
타밀어의 가장 두드러진 언어학적 특징은 어휘나 문자체계가 아니라, 바로 문어와 구어 사이의 엄청난 간극입니다. 이 현상을 **이중언어 현상(디글로시아)**이라고 부릅니다.
센타밀 vs. 코둔타밀
타밀어는 동일한 화자가 상황에 따라 사용하는 두 개의 평행적인 언어 형태가 존재합니다.
- 센타밀(செந்தமிழ், “순수/문어 타밀어”) — 글쓰기, 뉴스 방송, 공식 연설, 종교, 교육에서 사용
- 코둔타밀(கொடுந்தமிழ், “구어/일상 타밀어”) — 일상 대화, 영화, TV에서 사용
이 둘은 단순히 격식체/비격식체의 차이가 아니라, 어휘, 문법, 형태에서 큰 차이를 보입니다. 예를 들어 “가고 있다”와 같은 흔한 동사 어미도 완전히 다릅니다.
| 형태 | 구어 타밀어 | 문어 타밀어 |
|---|---|---|
| ”그가 가고 있다” | avan pōṟāṉ (அவன் போறான்) | avaṉ pōkiṉṟāṉ (அவன் போகின்றான்) |
| “나는 ~이다” | nāṉ irukkēṉ (நான் இருக்கேன்) | nāṉ irukkiṉṟēṉ (நான் இருக்கின்றேன்) |
타밀어를 모국어로 하는 아이들은 집에서는 구어 타밀어만 사용하다가, 학교에 들어가서야 비로소 문어체를 접하게 됩니다. 이는 마치 자신의 언어 안에서 또 다른 언어를 배우는 것과 비슷합니다.
타밀어는 고전 시대부터 뚜렷한 문체적 계층화가 있었으며, 오늘날의 디글로시아 현상도 수 세기 전부터 이어져 왔습니다. 이 현상은 Charles Ferguson의 1959년 기념비적 논문 Diglossia 이후 디글로시아 연구에서 가장 자주 인용되는 사례 중 하나입니다.
지역 방언
문어/구어의 차이 외에도, 타밀어는 지역별로도 의미 있는 방언 차이가 존재합니다.
- 인도 타밀어(타밀나두, 푸두체리) — 북부, 서부, 남부 방언이 존재하며 음운적 차이가 있음
- 스리랑카 / 자프나 타밀어 — 본토 방언에서 사라진 여러 고어적 특징을 보존하고 있으며, 때로는 고대 타밀어에 더 가깝다고 여겨짐
- 싱가포르 / 말레이시아 타밀어 — 말레이어 차용어의 영향을 받음
- 디아스포라 방언 — 현지 언어와 혼합되는 경우가 많음
이러한 차이에도 불구하고, 문어 표준(Senthamil)은 모든 지역에서 동일합니다. 수세기에 걸친 표준화로 통일된 문어 형태가 존재하며, 구어는 지역마다 다르게 발전했습니다.
문자 체계
타밀어는 타밀 문자(தமிழ் எழுத்து, Tamiḻ Eḻuttu)로 표기합니다. 이는 아부기다(abugida) 체계로, 각 자음에 기본 모음이 내포되어 있으며, 부호(디아크리틱)로 수정하거나 제거할 수 있습니다. 힌디어에 쓰이는 데바나가리와 같은 문자 범주이지만, 타밀어만의 고유한 글자와 규칙을 가지고 있습니다.
알파벳의 구조
타밀 알파벳은 매우 체계적이고 간결한 구조를 가지고 있습니다.
- 12개의 모음(உயிர் எழுத்து, uyir eḻuttu, “영혼 글자”) — 단모음(kuril)과 장모음(nedil)으로 구분
- 18개의 자음(மெய் எழுத்து, mey eḻuttu, “몸 글자”) — vallinam(강음), mellinam(연음, 비음 포함), idayinam(중간음)으로 분류
- 1개의 특수 문자(ஃ, aytham) — 모음도 자음도 아님
- 216개의 복합 문자(உயிர்மெய் எழுத்து, uyirmey eḻuttu, “영혼-몸 글자”) — 자음과 모음이 결합하여 생성
총 247자로 구성되어 있습니다. 복합 문자는 개별적으로 암기하지 않고, 12개 모음과 18개 자음의 조합 규칙에 따라 예측 가능합니다.
곡선형 글자의 이유
타밀 문자는 대부분 곡선 형태입니다. 그 이유는 실용적입니다. 알파벳이 원래 야자수 잎에 쓰였기 때문에, 각진 획은 잎의 결을 따라 찢어질 위험이 있었습니다. 곡선은 필기면을 보존하는 데 도움이 되었습니다.
음운적 보수성
대부분의 다른 인도 문자와 달리, 타밀어는 유성음과 무성음, 또는 유기음과 무기음을 체계적으로 구분하지 않습니다. 단일 문자 க்는 데바나가리 문자에서 세 개 또는 네 개의 별도 글자에 해당하며, 실제 발음(/k/, /g/, /x/)은 단어 내 위치에 따라 결정됩니다:
- 단어의 처음에 올 때 க்는 **[k]**로 발음됩니다
- 단어 중간에 올 때 க்는 **[x] 또는 [ɣ]**로 발음됩니다
- 두 번 연속 올 때 க்는 **[kː]**로 발음됩니다
- 비음 뒤에 올 때 க்는 **[ɡ]**로 발음됩니다
이로 인해 타밀어 철자는 매우 규칙적이지만, 소리 내어 읽으려면 맥락에 따른 규칙을 알아야 합니다.
그란타 문자: 차용된 소리
타밀어에 원래 존재하지 않는 **/f/, /z/, /ʂ/, /ʃ/**와 같은 소리는 **그란타 문자(Grantha letters)**라는 보조 문자 집합을 사용해 표기합니다. 이 문자는 주로 산스크리트어 차용어와 현대 외래어에 사용되며, 학교에서 가르치지만 타밀어 기본 알파벳과는 별도로 취급됩니다.
문법 한눈에 보기
타밀어 문법은 두 가지 큰 특징에 의해 형성됩니다: 강한 교착성(어근에 접미사가 연달아 붙음)과 SOV 어순(주어-목적어-동사, 일본어나 터키어와 유사)입니다.
교착
명사나 동사 어근에 접미사가 차례로 붙으며, 각 접미사는 특정한 문법적 의미를 가집니다. 그 결과, 타밀어의 단일 단어가 영어에서는 한 문장 전체가 필요한 의미를 표현할 수 있습니다:
sel- "가다" (어근)
sel-l-aa-tiru-pp-avar
"가지 않는 상태에 있는 사람" / "무단결석자"이 단어 sellātiruppavar (செல்லாதிருப்பவர்)는 “가지 않는 상태에 있는 사람”을 단일 교착 형태로 표현합니다. 이런 구조 덕분에 타밀어는 간결하면서도 강력한 표현력을 가진 언어로 평가받습니다.
격 체계
명사는 문법적 격에 따라 굴절합니다. 전통 타밀어 문법서(톨카피얌, Tolkāppiyam)에서는 8개 격을 인정하며, 현대 기술 문법에서는 분석에 따라 보통 8~10개로 분류합니다(위키백과: 타밀어 문법):
- 주격 (표시 없음) — 주어
- 목적격 (-ai, -ஐ) — 직접 목적어
- 여격 (-ukku, -உக்கு) — 간접 목적어, “에게”
- 소유격 (-udaya, -உடைய) — 소유
- 도구격 (-aal, -ஆல்) — “수단으로”
- 동반격 (-odu, -ஓடு) — “함께”
- 위치격 (-il, -இல்) — “안에 / ~에서”
- 이탈격 (-iliruntu, -இலிருந்து) — “로부터”
- 호격 — 직접 부름
복수는 모든 격 접미사 앞에 -kaḷ (-கள்)로 표시됩니다.
이성 명사 vs. 비이성 명사
Tamil에는 비인간 사물에 대한 문법적 성이 없습니다. 대신 이성/비이성 구분을 사용합니다:
- 이성 명사 — 신과 인간 — 동사와 남성 단수, 여성 단수, 또는 복수로 일치
- 비이성 명사 — 동물, 사물, 추상적 개념 — 단수 또는 복수로만 동사와 일치
이 구분은 문장에서 동사와 형용사의 활용 방식에 영향을 줍니다.
동사
Tamil 동사는 인칭, 수, 성, 시제, 태에 따라 활용됩니다. 세 가지 기본 시제(과거, 현재, 미래)가 있으며, 각각은 상(진행, 완료, 습관)에 따라 추가적으로 표시됩니다:
| 시제 | 형태 (“노래하다”) | 번역 |
|---|---|---|
| 현재 | paadukiṟēṉ (பாடுகின்றேன்) | 나는 노래하고 있다 |
| 과거 | paadiṉēṉ (பாடினேன்) | 나는 노래했다 |
| 미래 | paaduvēṉ (பாடுவேன்) | 나는 노래할 것이다 |
Tamil에 없는 것들
- 평등문에 연결동사 없음 — Tamil에는 존재 동사 iru- (“존재하다”)가 있지만, 영어의 “is/am/are”처럼 두 명사를 연결하는 연결동사는 없습니다. “나는 교사이다”는 “나는 교사” (nāṉ āsiriyar, நான் ஆசிரியர்)로 표현됩니다.
- “가지다” 동사 없음 — 소유는 “나에게 X가 있다”로 표현됩니다. “나는 말이 있다”는 문자 그대로 “나에게 말이 있다” (eṉṉiṭam oru kutirai irukkiṟatu)가 됩니다.
- 관계대명사 없음 (즉, “who/which/that” 없음) — 관계 의미는 관계분사를 접착법으로 만들어서 표현합니다.
- 관사 없음 — “a”나 “the”에 해당하는 말이 없습니다.
내장된 존칭 시스템
타밀어에는 화자 간의 관계(경어체, 반말 등)에 따라 동사가 변하는 고유의 경어 체계가 내장되어 있습니다. 구어체 타밀어에서는 다음과 같이 사용됩니다:
- vā (வா) — “와” (비격식, 아이나 가까운 또래에게)
- vāṅka (வாங்க) — “오세요” (공손, 어른이나 낯선 사람에게)
- vāruṅkaḷ (வாருங்கள்) — “오십시오” (격식 있는 문어체)
어휘
타밀어의 핵심 어휘는 주로 토착 드라비다어에서 유래했으며, 여러 차례의 외래어 유입이 있었습니다:
- 산스크리트어 차용어 — 종교, 과학, 문학 분야의 어휘로, 수세기에 걸친 교류를 통해 통합됨
- 포르투갈어 차용어 — 16세기 이후 유입 (예: jaṉṉal, “창문”, 포르투갈어 janela에서 유래)
- 영어 차용어 — 현대의 기술 및 일상 회화에서 광범위하게 사용됨 (특히 구어체 타밀어에서 두드러짐)
- 아랍어 및 페르시아어 차용어 — 주로 스리랑카 타밀어와 타밀 무슬림 공동체에서 사용
타밀어의 일관된 특징 중 하나는 고전 시대부터 이어진 순수주의 경향입니다. 산스크리트어에서 유래한 단어에는 대체로 토착 타밀어 표현이 병존하며, 토착어를 선호하는 전통(때로는 정치적 의미도 있음)이 활발하게 이어지고 있습니다.
자주 쓰는 인사말 & 예문
여행자와 초보 학습자를 위한 타밀어 인사말과 유용한 표현 (Omniglot: Tamil phrases):
인사말
| 타밀어 | 로마자 표기 | 한국어 의미 |
|---|---|---|
| வணக்கம் | Vaṇakkam | 안녕하세요 / 인사 (격식, 보편적) |
| காலை வணக்கம் | Kālai vaṇakkam | 좋은 아침입니다 |
| மாலை வணக்கம் | Mālai vaṇakkam | 좋은 저녁입니다 |
| நன்றி | Naṉṟi | 감사합니다 |
| பரவாயில்லை | Paravāyillai | 괜찮아요 / 문제없어요 |
유용한 표현
| 타밀어 | 발음 표기 | 영어 |
|---|---|---|
| எப்படி இருக்கிறீர்கள்? | Eppaḍi irukkiṟīrkaḷ? | 어떻게 지내세요? (격식) |
| நான் நன்றாக இருக்கிறேன் | Nāṉ naṉṟāka irukkiṟēṉ | 저는 잘 지내요 |
| என் பெயர்… | Eṉ peyar… | 제 이름은… |
| ஆம் / இல்லை | Ām / Illai | 네 / 아니요 |
| எவ்வளவு? | Evvaḷavu? | 얼마예요? |
| கழிப்பறை எங்கே? | Kaḻippaṟai eṅkē? | 화장실이 어디에 있나요? |
| எனக்கு புரியவில்லை | Eṉakku puriyavillai | 이해하지 못했어요 |
숫자 1–10
| 숫자 | 타밀어 | 발음 표기 |
|---|---|---|
| 1 | ஒன்று | oṉṟu |
| 2 | இரண்டு | iraṇṭu |
| 3 | மூன்று | mūṉṟu |
| 4 | நான்கு | nāṉku |
| 5 | ஐந்து | aintu |
| 6 | ஆறு | āṟu |
| 7 | ஏழு | ēḻu |
| 8 | எட்டு | eṭṭu |
| 9 | ஒன்பது | oṉpatu |
| 10 | பத்து | pattu |
타밀어는 배우기 어려운가요?
영어를 모국어로 하는 사람들에게 타밀어는 **미국 국무부 산하 외국어교육원(FSI)에서 카테고리 III “어려운 언어”**로 분류되어 있습니다. 전문 업무 수준에 도달하려면 약 44주(1,100시간)의 집중 수업이 필요합니다. 이는 힌디어, 러시아어, 터키어, 핀란드어와 같은 그룹에 속하며, 로망스어(카테고리 I, 약 600–750시간)보다 훨씬 더 많은 시간이 필요합니다. 타밀어는 FSI 표에서 별표(*)로 표시되는 경우가 있는데, 이는 평균보다 더 오래 걸릴 수 있음을 의미합니다 (FSI 언어 난이도 순위).
타밀어가 어려운 이유
- 비라틴 문자 — 247개의 문자를 익혀야 함(하지만 규칙적인 체계)
- 이중 언어체계(디글로시아) — 읽기/쓰기용과 말하기용, 두 가지 언어 형태를 사실상 배워야 함
- 교착어적 형태론 — 접미사가 겹겹이 붙는 긴 단어들
- 9개의 문법적 격
- 권설음(특히 ழ் /ɻ/) — 영어에는 없는 소리
- SOV(주어-목적어-동사) 어순 — 영어와 반대
- 영어나 널리 알려진 유럽어와의 공통 어휘 부재
타밀어가 생각보다 쉬운 점
- 예측 가능한 철자-음성 규칙 — 파열음에 대한 맥락 규칙을 익히면, 문자에서 발음이 자연스럽게 이어집니다.
- 논리적인 문법 — 교착어 구조가 일관된 규칙을 따르며, 영어의 불규칙 동사와는 다릅니다.
- 사물에 대한 문법적 성별 없음 — 프랑스어나 독일어보다 임의적인 규칙이 적습니다.
- 많은 문맥에서 ‘be 동사’ 없음 — 문장이 놀라울 정도로 간단해질 수 있습니다.
- 강력한 학습 커뮤니티 — 온라인과 주요 디아스포라 도시 모두에서 활발합니다.
타밀어는 힌디어와 비슷한가요?
아닙니다. 이는 흔한 오해입니다. 힌디는 인도유럽어족이고, 타밀어는 드라비다어족입니다. 두 언어의 관계는 영어와 아랍어만큼이나 멉니다. 타밀어의 문자, 문법, 어휘, 음운 체계는 힌디어와 근본적으로 다릅니다. 타밀어와 실제로 가까운 언어는 말라얄람어, 텔루구어, 칸나다어 등 다른 드라비다어족 언어들입니다.
타밀어 학습 팁
어디서 시작할까
- 목표를 먼저 정하세요. 가족과 대화하거나 타밀나두에서 여행을 하고 싶다면 구어 타밀어(Kodunthamil)에 집중하세요. 문학, 뉴스, 공식 문서를 읽고 싶다면 문어 타밀어(Senthamil)에 투자해야 합니다. 대부분의 초보자는 구어부터 시작합니다.
- 문자를 일찍 배우세요. 12개의 모음과 18개의 자음을 집중적으로 일주일이나 이주일 연습하면 247자 전체 체계를 열 수 있습니다. 로마자 표기에 계속 의존하지 마세요 — 일관성이 없습니다.
- 레트로플렉스 음을 마스터하세요. ட், ண், ள், ழ் — 이 소리들이 타밀어 발음을 결정짓습니다. 원어민들은 즉시 알아챕니다.
- 영화와 유튜브로 연습하세요 — 타밀 영화 산업은 세계에서 가장 활발한 영화 산업 중 하나이며, 자막도 널리 제공됩니다.
추천 자료
| 리소스 | 최적 용도 |
|---|---|
| Preply / italki | 원어민과의 1:1 튜터링 |
| Tamil Virtual Academy | 타밀나두 주정부에서 제공하는 무료 온라인 강좌 |
| Omniglot Tamil | 오디오가 포함된 문자 참고 자료 |
| American Institute of Indian Studies (AIIS) | 인도 현지 집중 타밀어 여름 프로그램 |
| HelloTalk / Tandem | 타밀어 원어민과의 언어 교환 |
| 자막이 있는 타밀 영화 | 듣기 연습 및 문화적 맥락 습득 |
현실적인 학습 일정
매일 30~60분씩 꾸준히 연습할 경우:
- 3개월 — 문자 읽기, 인사하기, 음식 주문, 숫자 세기, 기초 대화
- 6개월 — 간단한 구어 타밀어 대화, 기본 뉴스 이해
- 12개월 — 중급 유창성, 사전을 활용해 짧은 이야기 읽기
- 2년 — 구어 또는 문어 타밀어 중 한 분야에서 고급 유창성 (둘 다 마스터하려면 더 오래 걸림)
- 5년 이상 집중적인 학습과 정규 과정 병행 — 고전 상감 문학을 무리 없이 읽기 (이 분야는 심지어 문해력이 높은 원어민도 별도의 훈련이 필요함)
AI 번역과 타밀어
타밀어는 NLP 연구자들이 중간 수준의 자원이 지원되는 언어라고 부르는 언어입니다. 영어, 중국어만큼 지원이 풍부하진 않지만, 소수 언어들보다는 훨씬 앞서 있습니다. 최신 기계 번역은 일반적인 텍스트에 대해 타밀어를 꽤 잘 처리하지만, 여전히 여러 과제가 남아 있습니다.
이중 언어 현상(Diglossia) 문제
대부분의 타밀어 인터넷 훈련 데이터는 센타밀(격식체) — 신문 기사, 정부 문서, 위키백과 등입니다. 하지만 실제 사용자들이 입력하고 말하는 것은 코둔타밀(구어체)입니다. 그 결과, 웹 텍스트로만 훈련된 AI 모델은 일상적인 질문에 지나치게 문학적인 타밀어로 답하거나, 채팅 스타일의 입력을 제대로 이해하지 못할 수 있습니다(The Federal: Fitting Tamil into AI). 우수한 타밀어 AI 시스템은 두 가지 언어 레지스터를 별도로 훈련합니다.
형태론 문제
하나의 타밀어 동사 어근에서 수천 개의 굴절형이 파생될 수 있습니다. 영어에 잘 맞는 표준 서브워드 토크나이저는 교착어에서는 한계를 보입니다 — 긴 타밀어 단어를 문법적 의미가 사라지는 조각으로 분해해버립니다. 교착어 구조에 특화된 더 나은 토크나이저 개발이 활발히 연구되고 있습니다.
문자 체계 문제
타밀어의 복합 문자 시스템 때문에, 눈에 보이는 한 글자가 여러 개의 유니코드 코드포인트로 인코딩될 수 있습니다. 단순한 시스템은 단어를 잘못 분절할 수 있습니다. 또한, 후설음 ḻ (ழ்)은 라틴 문자로 깔끔하게 음역할 방법이 없습니다 — 음역 체계마다 zh, ḻ, l̤, r 등 다양한 표기를 사용해 훈련 데이터에 혼란을 줍니다.
고전 타밀어 문제
타밀어는 2,000년 넘게 이어진 문학 전통을 지니고 있어 고전어와 현대어의 차이가 매우 큽니다. 현대 타밀어만으로 훈련된 AI 모델은 상감 시대 시나 중세 비문을 처리할 수 없습니다. 문학 연구에는 특화된 모델이 필요합니다.
OpenL의 지원
OpenL은 100개 이상의 언어를 지원하며, 타밀어도 그 중 하나입니다. 타밀어 작업에 특히 중요한 몇 가지 기능은 다음과 같습니다:
- PDF, Word 및 문서 번역: 타밀 문자와 복잡한 유니코드 문자를 올바르게 렌더링합니다. 이는 많은 번역 도구들이 타밀어의 복합 문자와 발음 부호를 제대로 처리하지 못하기 때문에 매우 중요합니다.
- OCR 번역: 인쇄된 타밀어 페이지나 스크린샷을 번역할 수 있어 교과서, 표지판, 오래된 신문 스캔본 등에 유용합니다.
- 이미지 번역: 손글씨나 사진으로 찍힌 타밀어 텍스트를 번역할 수 있습니다. 구조화된 디지털 아카이브 외부에 존재하는 타밀어 콘텐츠가 많기 때문에 자주 필요한 기능입니다.
- 오디오 및 비디오 번역: 타밀어 음성 인식 기능을 통해 영화, 노래, 강의 자료 등 다양한 타밀어 음성 콘텐츠를 번역할 수 있습니다.
중요한 텍스트(법률 계약서, 상감 시대 문학, 스리랑카 타밀 방언 콘텐츠, 문어체/구어체 구분이 중요한 자료 등)는 반드시 인간의 후편집이 필요합니다. 기계 번역 결과는 초안으로만 활용하는 것이 가장 좋습니다.
OpenL 블로그의 관련 가이드:
출처
- 타밀어 — 위키백과 — 분류, 역사, 인구 통계에 대한 종합 개요
- 타밀어 문법 — 위키백과 — 격, 동사 활용, 교착어적 형태론
- 타밀 문자 — 위키백과 — 알파벳 구조, 역사, 개혁
- 고대 타밀어 — 위키백과 — 상감 시대, 타밀 브라흐미 비문
- 브리태니커: 타밀어 — 역사적 시기와 분류
- Kolipakam 외 (2018), Royal Society Open Science — 드라비다어족의 기원을 약 4,500년 전으로 추정한 베이지안 계통학 연구
- Worlddata: 전 세계 타밀어 화자 — 화자 통계
- 타밀어가 공용어인 국가 목록 — 위키백과 — 국가별 공식 지위
- 스리랑카의 언어 — 위키백과 — 스리랑카 타밀어의 지위와 1987년 제13차 개헌
- 이중언어 사용 — 위키백과 — 타밀어의 전형적인 이중언어 사례
- Omniglot: 타밀어 표현 — 일반적인 표현과 발음
- FSI 언어 난이도 순위 — 미국 국무부 — 타밀어는 III등급, 약 1,100시간의 수업 필요
- The Federal: AI에 타밀어 적용하기 — 타밀어 자연어처리의 과제, 이중언어성, 디지털 저대표성
