4.5k slov cs-CZ vernakuláru (hodně překlepů a hodně nářečí, ale sem tam perla), 2k en-GB a 2k en-US.

Na stránce https://crowdsourcing.swiftkey.com/ před pár lety běžel půvabný projekt, kde se "tindrovaly" slova, která neprocházela spellcheckem jazyka klávesnice: kdokoli přišel, vybral si jazyk a dostával slova, u kterých měl "accept/reject" zda by pro něj byly validní suggestion, či "flag" jako explicit/offensive.


Hrál jsem to jako zábavnou kratochvíli a měl u toho zvláštní eavesdropping pocit, protože představa, že za každým podivným slovem, překlepem nebo patvarem byla konkrétní osoba (či osoby; přeci jenom asi tam byl nějaký minimální "anonymizační" threshold) byla tak nějak dráždivá…

Stránka bohužel umřela dříve, než jsem se dokopal ji tu nasdílet (jo, několikaletá prokrastinace…), ale před časem se mi alespoň podařilo vykuchat přes remote debug z telefonu data, která si ta web-app u mě stále ještě držela, takže to jsou ta odkázaná výše.

(Moc se omlouvám, že jsem si tehdy nenatáhl i SK. A také bohužel to nebudou zdaleka všechna data, co tam kdy byla.)