1889년 판면 스캔본으로 재구축한 테이어 헬라어 사전 — 지면과 항목별로 대조 검증

요약: 테이어 헬라어-영어 사전(Thayer's Greek–English Lexicon, 1889년 개정판)은 퍼블릭 도메인이지만, 공개된 모든 디지털 판본은 손실이 발생한 상태입니다. 대다수는 결함이 있는 하나의 전사본에서 파생되었으며, 그렇지 않은 판본들도 각자의 방식으로 데이터가 유실되었습니다. Publifye는 판면 스캔본을 바탕으로 이를 다시 구축했습니다. 716페이지, 5,870개 표제어, 856,793개 토큰에 걸쳐 두 번 전사 후 98.91%의 일치율로 대조 검증, 이견이 있는 지점은 페이지 이미지상에서 해결, 그리고 독립된 증언자로서 별도의 다른 모델 계열을 교차 검증에 투입했습니다. 현재 Darash에서 서비스 중입니다.

테이어 헬라어-영어 사전은 1세기 넘게 퍼블릭 도메인 상태였으나, 공개된 영역 어디에서도 최고 수준의 디지털 텍스트를 찾을 수 없었습니다. 부재를 단정하는 것이 아니라, 문서화된 철저한 탐색의 결과로서 이렇게 말씀드립니다. 작업을 시작하기 전 성경 앱 생태계, 상용 성경 소프트웨어, GitHub의 오픈 데이터 커뮤니티, 유럽 학계 자료, Perseus, 연구 도서관, 위키문헌 등 자연스러운 서식처를 모두 훑었고 각 후보군에 어떤 결함이 있는지 기록했습니다.

이 결함들에는 뚜렷한 지문이 있습니다. 우리는 인쇄본 지면을 기준으로 모든 후보 판본의 한 표제어(βάπτισμα)를 테스트합니다. 인쇄본에는 …Acts i. 22; x. 37; xviii. 25; [xix. 3]… 라고 적혀 있습니다. 우리가 테스트한 공개형 다운로드용 Thayer 데이터셋은 예외 없이 이를 Acts 18:25; ();로 렌더링합니다. 대괄호로 묶인 참조 구절은 탈락하고 문장부호만 고아처럼 남은 것입니다. 수십 년 전 단 한 번 발생한 이 오류가 오늘날 사람들이 다운로드하는 데이터셋들로 고스란히 이어졌습니다. 이는 단순한 서식 문제가 아닙니다. 테이어는 그림(Grimm)의 원본에 자신이 추가한 내용을 표시하기 위해 대괄호를 사용했으므로, 대괄호가 누락된 텍스트는 두 학자의 작업 간 경계를 지워버립니다. 우리가 측정한 한 오픈 데이터셋은 인쇄본에 17,540개 있는 대괄호 중 고작 726개만 유지하고 있었습니다.

웹에서 서비스되는 판본들도 단일 계열이 아니며, 단순화된 설명에 기대기보다는 사실을 명확히 밝힐 필요가 있습니다. Blue Letter Bible은 해당 대괄호를 유지합니다. 하지만 다른 부분들을 잃어버렸습니다. 테이어의 sq. 표기나, 해당 단어의 신약 성경 내 모든 용례가 표제어에 인용되었음을 나타내는 마지막 별표(*) 기호가 유실되었습니다. 우리가 테스트한 디지털 증언본 중 그 무엇도 모든 요소를 온전히 보존하지 못했습니다. 이것이 바로 기존 판본들을 대조하는 것만으로는 원래 페이지를 재구성할 수 없는 이유입니다. 게다가 여러 데이터셋은 테이어 원문이 전혀 아니며, 그의 이름을 달아놓은 어휘 해설집이나 개요에 불과합니다. 기계 판독 가능한 형태로 존재하는 유일한 완전한 테이어는 종이 위의 잉크 스캔본, 즉 빽빽한 2단 구성의 헬라어와 영어로 이루어진 Harper & Brothers 1889년 개정판(1889 Corrected Edition) 본문 716페이지뿐이었습니다.

그래서 우리는 페이지 스캔본으로부터 전면 재구축했습니다. 처음부터 끝까지 전부 다입니다. 그 작업 방식을 여기에 공개합니다. 이 과정이야말로 결과물을 신뢰할 수 있는 이유이자, Darash가 제공하는 모든 것의 밑바탕에 깔린 규율이기 때문입니다.

모델이 자꾸만 잘못된 테이어를 기억해 내다

전사 작업은 상식적인 방식으로 시작되었습니다. 시각 모델에 페이지를 보여주고 텍스트를 추출하는 것이었습니다. 그러나 뜻밖이면서도 시사하는 바가 큰 문제가 발생했습니다. 모델의 암기 방지 장치(memorisation guard)가 계속 작동한 것입니다. 널리 복제된 결함투성이 테이어 디지털 판본이 모든 모델의 학습 데이터 도처에 퍼져 있었기 때문에, 모델은 1889년의 실제 페이지를 보았을 때 이미 외우고 있는 텍스트와 거의 일치한다고 인식하고는 그대로 암송하는 것을 피하고자 전사를 거부했습니다.

이것이 무엇을 뜻하는지 생각해 보십시오. 이 책의 왜곡된 버전이 너무나 널리 퍼져 있어서, 인공지능이 원본을 볼 때조차 복제본의 망령에서 벗어나지 못한 것입니다. 문제의 본질을 압축해 보여주는 장면입니다. 입증된 사실이라기보다는 심증에 가깝지만, 전사 거부는 사전에 가장 많이 인용되고 가장 많이 복제된 표제어 중 하나인 κύριος와 χάρις에 집중되었습니다.

돌파구는 타일링(tiling)이었습니다. 각 단을 최대 16개 조각으로 분할했습니다. 텍스트 범위가 짧을수록 외워둔 텍스트와 일치할 확률이 낮아지기 때문입니다. 전체 페이지, 단(column) 단위, 타일 단위, 그리고 완전히 별개의 독립된 제2 모델 계열까지 단계적으로 확대되는 네 가지 전사 경로를 구축하고, 각 페이지마다 성공하는 가장 효율적인 경로를 적용했습니다. 어떤 엔진으로도 처리할 수 없었던 페이지는 수작업으로 전사했으며, 검토자가 작업 당시의 화면을 정확히 재현할 수 있도록 수작업 파일마다 해당 뷰를 생성한 정확한 자르기(crop) 명령어를 첨부했습니다.

두 번의 패스, 제3의 증언자, 그리고 결함을 찾도록 고용된 평가관들

모든 페이지는 이후 서로 다른 경로를 통해 두 번 전사되었습니다(전체 페이지 대 단별 분할). 그리고 두 패스를 대조 검증했습니다. 685페이지에 걸쳐 856,793개 토큰 중 98.91%의 일치율을 기록했습니다. 두 패스 모두 프롬프트 형태만 다를 뿐 동일한 모델을 사용했으므로, 우리는 이 수치가 무엇을 의미하는지 신중하게 접근했습니다. 이는 상호 확인일 뿐 독립성은 아닙니다. 동일한 모델의 두 실행은 동시에 확신에 차서 틀릴 수 있으며, 실제로 한 곳에서 그러했습니다. 지면에 [here라고 적힌 것을 영어 문맥상 더 자연스럽다는 이유로 [where로 전사한 것입니다. 이에 따라 완전히 무관한 모델 계열을 제3의 증언자로 실행했습니다. 모델마다 서로 다른 오류 방향으로 문장을 매끄럽게 다듬으려는 경향이 있어, 각자의 보정 습관이 불일치 지점으로 드러납니다. 일치가 곧 진실은 아니지만, 불일치는 유의미한 단서가 됩니다. 대조 검증 덕분에 검토 대상은 716페이지에서 16페이지 및 순위화된 개별 지점 목록으로 대폭 축소되었습니다.

그다음은 대부분의 디지털화 프로젝트가 생략하는 단계였습니다. 단 하나의 모델만으로 이 작업을 수행하지 않았으며, 어떤 모델에게도 자신의 작업을 스스로 채점하게 하지 않았습니다. 파이프라인은 상충되는 역할을 가진 개별 에이전트들의 집합으로 운영되었습니다. 전사를 수행하는 한 모델 계열, 증언자로서 동일한 페이지를 읽는 무관한 다른 모델 계열, 수정 사항을 적용하는 실행기, 라이브 서비스에서 5,870개 표제어 전체를 가져와 실제 제공되는 데이터를 감사하는 프로덕션 QA 에이전트, 그리고 5회에 걸친 적대적 평가관들이 투입되었습니다. 이 평가관들은 주장을 확인하는 것이 아니라 무너뜨리라는 지침을 받았으며, 자신이 확인하지 않은 영역이 어디인지 밝히지 않으면 판정이 기각되도록 설계되었습니다. 한 평가관은 사전 표제어가 하나도 유실되지 않았다는 증거로 우리가 도출한 데이터를 인정하기를 거부했는데, 이는 어떤 대상에서 만들어진 산출물로 그 대상 자체를 감사할 수는 없다는 정당한 근거에 기반한 것이었습니다. 대신 그 평가관은 전사 과정에서 전혀 다루지 않은 세 가지 신호—인쇄된 러닝 헤드(기둥머리), 자체 재현율을 먼저 측정한 알파벳 공백 테스트, 독립된 판독자 역할을 하는 제3의 모델—를 교차 점검했고, 세 방법 모두에서 누락된 표제어를 단 하나도 발견하지 못했습니다.

평가관들은 실제 결함들을 찾아냈습니다. 가장 결정적인 사례는 스캐너 잉크 판독 문제로 ἐντ-가 ἐνπ-로 잘못 인식되어 일치 커서가 엉뚱한 곳으로 건너뛴 페이지였습니다. 그 결과 7개 표제어가 소리 없이 이웃 항목 안으로 병합되어 한 짧은 항목이 8,295자로 불어났습니다. 요약 라인에는 이것이 단순한 정렬 문제처럼 보이는 out of order: 33으로 보고되어 있었습니다. 이는 데이터 손실이었습니다. ‘단순한 개수 확인은 검증이 아니다’—이 문장은 이제 프로젝트의 핵심 지침으로 새겨졌습니다.

지배적인 원칙

모든 수정 작업에는 단 하나의 원칙이 적용되었습니다. 지면에 없는 글자는 절대 쓰지 않는다. 매핑에 주관적 판단의 여지가 없거나, 페이지 이미지에서 올바른 판독치를 육안으로 확인하여 기록한 경우에만 수정을 허용했습니다. 그 외의 모든 사항은 플래그 상태로 남겨두었습니다. 요세푸스 인용 표기 중 스캔본에서 육안으로 식별할 수 없는 숫자가 하나 있었는데, 이는 "?"로 보존되었습니다. 어설픈 확신에 찬 추측보다 솔직한 물음표가 더 낫기 때문입니다.

이 원칙에는 어떤 타협도 없었습니다. 어떤 엔진도 인식하지 못한 페이지는 최대 16조각으로 잘라 수작업으로 판독했습니다. 네 개의 불분명한 숫자를 판별하기 위해 동일한 연판(stereotype plates)으로 인쇄된 두 번째 실물 도서를 600dpi로 스캔하여 두 인쇄본의 잉크 상태를 비교했습니다. 동일한 판으로 찍어낸 인쇄물에서 글리프의 차이는 인쇄 상태의 손상일 뿐 이문(variant)일 수 없기 때문입니다. 평가관들은 더 이상 결함을 찾지 못할 때까지, 그리고 그 후로도 한 번 더 실행되었습니다. 앞선 문단이 숫자가 아닌 물음표로 끝난 이유 역시, 겉보기에 완벽해 보이는 것보다 정확함에 노력을 쏟았기 때문입니다.

따라서 100%는 아니며, 우리는 그렇다고 말하지 않을 것입니다. 운영자가 바로 그 질문—100% 완료되었는가?—을 던졌을 때, 라이브 서비스를 감사하던 QA 에이전트는 아니오라고 답하며 6가지 결함을 보고했습니다. 해당 결함들은 수정되었습니다. 여전히 남아 있는 미세한 오차는 어림잡아 넘기지 않고 측정하여 그대로 공개합니다. 두 번 판독된 페이지의 토큰 불일치율 0.19%, 여전히 "?"로 남겨둔 요세푸스 숫자 하나, 그리고 철저하지만 균일하다고는 할 수 없는 검증 단계가 그것입니다. 완벽함을 주장하는 코퍼스는 더 이상 검증하기를 멈추었다는 뜻일 뿐입니다.

마지막으로 5,870개 표제어 전수를 각 페이지의 전사본과 대조하여 완독했습니다. 거대한 분량의 표제어를 온전히 복원하고 두 페이지에 걸쳐 블록이 뒤섞인 부분을 인쇄공이 실제로 배치한 원래 위치로 되돌렸습니다. 이를 통해 중복 항목 0개, 빈 항목 0개, 누락 항목 0개, 처음부터 끝까지 증명된 텍스트 보존성, 모든 표제어가 추출된 페이지로부터 축자적이고 순서가 맞으며 겹치지 않는 조각임이 입증되었고, 각 표제어마다 인쇄된 텍스트의 sha256 해시를 포함하여 개별 정의를 한 페이지와 일대일로 대조할 수 있도록 불변 조건을 확립했습니다.

다만 이것이 716페이지 전체를 육안으로 이미지와 한 줄 한 줄 대조했다는 뜻은 아니며, 이 차이는 명확히 밝혀둘 가치가 있습니다. 사람의 눈은 불일치가 발생한 부분, 평가관이 재검토를 요청한 지점, 그리고 표본 추출된 페이지를 향했지 책의 모든 행을 전수 육안 검사한 것은 아닙니다. 스캐너가 우연히 두 번 촬영하여 독립적으로 두 번 전사된 13페이지의 경우, 헬라어가 포함된 토큰 불일치율은 0.19%(페이지당 약 2개 꼴)였으며, 대부분 악센트, 이오타 하기(iota subscript), συν-/συγ- 동화 작용에 관련된 것이었습니다. 이것이 솔직한 오차 범위입니다.

성경 소프트웨어 회사가 이 일에 뛰어든 이유

디지털 인문학에 대한 순수한 애정 때문만은 아닙니다. 사람들에게 테이어 사전을 제공하기 위해 다른 방법이 없었기 때문입니다. 라이선스를 맺거나 구매하거나 빌려올 만한 수준 높은 텍스트를 찾을 수 없었습니다. 오픈 생태계가 제공하는 것이 손실된 텍스트와 테이어의 이름만 빌린 어휘 해설집뿐이라면, 독자들에게 진짜 책을 건네줄 수 있는 유일한 방법은 직접 만드는 것뿐이었습니다.

그리고 연구 엔진에 대한 신뢰는 마케팅 문구가 아니라, 그 엔진을 채우는 파이프라인의 속성이기 때문입니다. AI 어시스턴트가 Darash를 통해 함께 헬라어를 읽고 테이어를 인용할 때, 그 인용은 이름만 빌린 해설집이 아니라 1889년 텍스트인 진짜 테이어여야 합니다. 문서화된 자료 조사 결과에 따르면, 이것이 공개 영역에 존재하는 유일한 최고 품질의 디지털 테이어 사전입니다. 누군가 우리보다 더 나은 판본을 보여준다면, 그것은 환영할 일이지 언짢은 일이 아닙니다. 이 사전은 2026년 9월 2일 모든 표제어의 검증이 완료될 때까지 기다렸다가 비로소 Darash에 탑재되었습니다. 테이어답지 않은 테이어는 아무에게도 도움이 되지 않기 때문입니다.

이와 동일한 기준이 사전류, 형태론 자료, 4,200개 이상의 출판 판본 등 우리가 다루는 모든 자산에 흐르고 있으며, 교회를 위한 소프트웨어를 구축할 때도 마찬가지 기준을 적용합니다. 엄밀함은 나중에 덧붙인 기능이 아닙니다. 그것이 곧 우리 회사입니다.

수치로 보는 요약

자주 묻는 질문

테이어 헬라어 사전은 퍼블릭 도메인인가요?

네. 조셉 헨리 테이어(Joseph Henry Thayer)의 신약 헬라어-영어 사전(Greek–English Lexicon of the New Testament) 은 1887년 Harper에서 처음 출간되었고(서문 날짜는 1886년이며 통상 인용되는 연도도 여기서 유래합니다), 1889년에 수정판이 나왔습니다. 두 판본 모두 저작권 보호 기간이 만료된 지 오래되었습니다. 문제는 저작권이 아니라 디지털 복제본의 품질입니다.

무료 온라인 테이어 판본들은 왜 신뢰하기 어렵나요?

다운로드 가능한 대부분의 판본은 공통된 결함(대괄호 참조 누락, 고아 문장부호, 항목 병합)이 확인된 초기의 단일 디지털화 작업에서 유래했습니다. 그렇지 않은 판본들도 약어 누락, 말미의 별표 누락 등 다른 방식으로 손실이 발생했으며, 우리가 테스트한 복제본 중 인쇄본 지면의 모든 내용을 온전히 보존한 것은 없었습니다. 상당수는 테이어의 원문이 아니라 축약본이거나 어휘 목록에 불과합니다.

재구축된 테이어 사전은 어디서 사용할 수 있나요?

Darash 내에서 BDB, LSJ, 애보트-스미스(Abbott-Smith) 사전과 함께 사용할 수 있으며, Claude나 Cursor 등 MCP를 지원하는 모든 AI 어시스턴트를 통해 활용할 수 있습니다. darash.publifye.pro에서 전체 코퍼스를 무료 체험해 볼 수 있습니다.

정확도는 어떻게 검증되었나요?

서로 다른 경로를 통한 두 번의 전사 패스를 토큰 단위로 대조 검증하고, 별개의 모델 계열을 통한 제3의 패스를 독립 증언자로 활용했습니다. 표제어 누락 없음 주장을 검증하기 위해 적대적 검토자들을 투입했고, 전사 파이프라인과 메커니즘을 공유하지 않는 러닝 헤드 및 알파벳 공백 테스트를 거쳤으며, 각 표제어를 전수 판독하면서 의문 지점은 페이지 이미지 원본을 직접 대조하여 해결했습니다.

---

진짜 테이어 사전으로 헬라어 읽기: AI 어시스턴트를 Darash에 연결해 보세요 — 무료 체험 가능, 별도 설치 불필요.

작성자: Jørn André Halseth, Publifye AS 설립자 — 10년간 성경을 출판하고 출판 인쇄 시스템을 구축해 왔으며, 4,200개 이상의 성경 에디션을 발행한 출판인이자 Darash, Junifye, Lexifye, Tringine의 개발자입니다. 소개 · 문의