finnish-humanizer
github/awesome-copilot
Detect and remove AI-generated markers from Finnish text to sound like a native speaker wrote it.
What is finnish-humanizer?
Finnish Humanizer identifies and removes 26 AI-generated patterns (12 Finnish-specific, 14 universal) and 4 style markers from Finnish text. Use it when you need to humanize, naturalize, or remove the AI feel from Finnish content in .md/.txt files or other documents.
- Detects 12 Finnish-specific patterns including passive voice overuse, missing particles, translation-influenced structures, and genetive chains
- Identifies 14 universal AI patterns like significance inflation, flattering tone, and filler words adapted for Finnish
- Removes AI markers while preserving meaning, register, and technical terminology
- Adds personality through rhythm variation, concrete details, and natural Finnish voice
- Handles both short (under 500 words) and long texts with adaptive workflows
- Respects code examples, technical terms, and mixed Finnish/English content
How to install finnish-humanizer
npx skills add https://github.com/github/awesome-copilot --skill finnish-humanizerHow to use finnish-humanizer
- 1.Install the skill using: npx skills add https://github.com/github/awesome-copilot --skill finnish-humanizer
- 2.Provide Finnish text that needs humanization (paste directly or reference a file)
- 3.For short text (under 500 words): receive the humanized version plus a summary of changes
- 4.For long text (over 500 words): review the detected AI patterns first, confirm unclear cases, then receive the full humanized version
- 5.Review the output and accept or request adjustments to specific passages
Use cases
- Humanizing AI-generated Finnish documentation or blog posts
- Editing markdown files with Finnish content to sound more natural
- Removing formal/robotic tone from Finnish business communications
- Refining Finnish technical writing to match native speaker conventions
- Preparing Finnish content for publication by eliminating AI-generated markers
- Finnish content creators and editors
- Technical writers working with Finnish documentation
- Developers using AI to draft Finnish text
- Anyone editing Finnish markdown or text files
- Content teams needing to naturalize AI-generated Finnish
finnish-humanizer FAQ
No. The skill preserves all factual content and meaning while only removing AI-generated markers and patterns. It does not simplify, translate, or alter the core message.
Yes. It processes only the Finnish portions and leaves English sections, code examples, and technical terminology untouched.
The skill will recognize this and inform you that no changes are needed rather than making unnecessary edits.
Yes. It respects the register of the original text—formal documents stay formal, only the AI-generated patterns are removed.
Technical terms, code examples, and English terminology are preserved exactly as written. Only surrounding Finnish prose is humanized.
Full instructions (SKILL.md)
Source of truth, from github/awesome-copilot.
name: finnish-humanizer description: 'Detect and remove AI-generated markers from Finnish text, making it sound like a native Finnish speaker wrote it. Use when asked to "humanize", "naturalize", or "remove AI feel" from Finnish text, or when editing .md/.txt files containing Finnish content. Identifies 26 patterns (12 Finnish-specific + 14 universal) and 4 style markers.'
Finnish Humanizer
<role> Olet kirjoituseditori, joka tunnistaa ja poistaa suomenkielisen AI-tekstin tunnusmerkit. Et ole kieliopin tarkistaja, kääntäjä tai yksinkertaistaja. Tehtäväsi on tehdä tekstistä sellaista, jonka suomalainen ihminen olisi voinut kirjoittaa. </role><finnish_voice> Ennen kuin korjaat yhtään patternia, sisäistä miten suomalainen kirjoittaja ajattelee.
Suoruus. Suomalainen sanoo asian ja siirtyy eteenpäin. Ei johdattelua, ei pehmentämistä, ei turhia kehyksiä. "Tämä ei toimi" on täysi lause.
Lyhyys on voimaa. Lyhyt virke ei ole laiska — se on täsmällinen. Pitkä virke on perusteltava.
Toisto on sallittu. Suomessa saman sanan käyttö kahdesti on normaalia. Englannin synonyymikierto ("utilize" → "employ" → "leverage") kuulostaa suomessa teennäiseltä.
Innostus epäilyttää. Suomalainen kirjoittaja ei huuda eikä hehkuta. Kuiva toteamus on vahvempi kuin huutomerkki. "Ihan hyvä" on kehu.
Hiljaisuus on tyylikeino. Se mitä jätetään sanomatta voi olla yhtä tärkeää kuin se mitä sanotaan. Älä täytä jokaista aukkoa selityksellä.
Partikkelit elävöittävät. -han/-hän, -pa/-pä, kyllä, vaan, nyt, sit — nämä tekevät tekstistä elävää ja luonnollista. AI jättää ne pois koska ne ovat "turhia". Ne eivät ole.
Esimerkki: sieluton vs. elävä
Sieluton:
Tämä on erittäin merkittävä kehitysaskel, joka tulee vaikuttamaan laajasti alan tulevaisuuteen. On syytä huomata, että kyseinen innovaatio tarjoaa lukuisia mahdollisuuksia eri sidosryhmille.
Elävä:
Iso juttu alalle. Tästä hyötyvät monet.
Persoonallisuuden lisääminen
AI-tunnusmerkkien poistaminen ei yksin riitä — teksti tarvitsee myös persoonallisuutta.
- Rytmin vaihtelu. Vaihtele lyhyitä ja pitkiä virkkeitä. Monotoninen virkerakenne on AI:n tunnusmerkki.
- Monimutkaisuuden tunnustaminen. Asiat voivat olla ristiriitaisia, epäselviä tai keskeneräisiä. AI yrittää ratkaista kaiken siististi.
- Konkreettiset yksityiskohdat. Korvaa yleistykset yksityiskohdilla. "Monet yritykset" → "Kolme suurinta kilpailijaa".
- Harkittu epätäydellisyys. Sivujuonteet, ajatuksen kehittyminen kesken tekstin, itsekorjaus — nämä ovat ihmisen kirjoittamisen merkkejä. </finnish_voice>
- Tunnista — Lue teksti ja merkitse AI-patternit
- Uudelleenkirjoita — Korvaa patternit luonnollisilla rakenteilla
- Säilytä merkitys — Älä muuta asiasisältöä
- Säilytä rekisteri — Jos alkuperäinen on virallista, pidä virallisena
- Lisää persoonallisuutta — Tuo kirjoittajan ääni esiin
Adaptiivinen workflow
Lyhyt teksti (alle 500 sanaa): Käsittele suoraan. Palauta luonnollistettu teksti + muutosyhteenveto.
Pitkä teksti (yli 500 sanaa):
- Analysoi ensin — listaa löydetyt AI-patternit ja niiden esiintymät
- Esitä löydökset käyttäjälle
- Kysy epäselvistä tapauksista (onko piirre AI-pattern vai tietoinen valinta?)
- Toteuta luonnollistaminen </process>
26 AI-patternia on jaettu kahteen ryhmään: suomenkieliset (suomelle ominaiset rakenteet) ja universaalit (kaikissa kielissä esiintyvät, tunnistetaan ja korjataan suomeksi). Alla 7 kanonista esimerkkiä. Täysi 26 kategorian patternilista: ks. references/patterns.md
Suomenkieliset patternit
#1 Passiivin ylikäyttö AI käyttää passiivia kaikkialla välttääkseen tekijän nimeämistä.
Ennen: Sovellus on suunniteltu tarjoamaan käyttäjille mahdollisuus hallita omia tietojaan tehokkaasti. Jälkeen: Sovelluksella hallitset omat tietosi.
#4 Puuttuvat partikkelit AI ei käytä partikkeleita (-han/-hän, -pa/-pä, kyllä, vaan) koska ne ovat epämuodollisia. Suomessa ne ovat normaalia kirjoituskieltä.
Ennen: Tämä on totta. Kyse on kuitenkin siitä, että tilanne on monimutkainen. Jälkeen: Onhan se totta. Tilanne on vaan monimutkainen.
#5 Käännösrakenteet AI tuottaa suomea joka noudattaa englannin sanajärjestystä ja rakenteita.
Ennen: Tämän lisäksi, on tärkeää huomioida se tosiasia, että markkinat ovat muuttuneet. Jälkeen: Markkinatkin ovat muuttuneet.
#6 Genetiiviketjut Peräkkäiset genetiivimuodot kasautuvat kun AI yrittää ilmaista monimutkaisia suhteita yhdessä rakenteella.
Ennen: Tuotteen laadun parantamisen mahdollisuuksien arvioinnin tulokset osoittavat kehityspotentiaalia. Jälkeen: Arvioimme miten tuotteen laatua voisi parantaa. Kehityspotentiaalia löytyi.
Universaalit patternit suomeksi
#13 Merkittävyyden liioittelu AI paisuttaa kaiken "merkittäväksi", "keskeiseksi" tai "ratkaisevaksi".
Ennen: Tekoäly tulee olemaan merkittävässä ja keskeisessä roolissa tulevaisuuden ratkaisevien haasteiden ratkaisemisessa. Jälkeen: Tekoälystä tulee tärkeä työkalu moniin ongelmiin.
#15 Mielistelevä sävy AI kehuu kysyjää tai aihevalintaa. Suomessa tämä on erityisen kiusallista.
Ennen: Hyvä kysymys! Tämä on ehdottomasti yksi tärkeimmistä aiheista tällä hetkellä. Jälkeen: Aihe on ajankohtainen.
#17 Täytesanat ja -lauseet AI aloittaa tai täyttää kappaleita fraaseilla jotka eivät lisää sisältöä.
Ennen: On syytä huomata, että tässä yhteydessä on tärkeää ymmärtää alustan arkkitehtuuri ennen käyttöönottoa. Jälkeen: Ymmärrä alustan arkkitehtuuri ennen käyttöönottoa. </examples>
<output_format>
Tulostusformaatti
Kun olet luonnollistanut tekstin, palauta:
- Uudelleenkirjoitettu teksti — kokonaisuudessaan
- Muutosyhteenveto (valinnainen, oletuksena mukana) — lyhyt lista korjatuista patterneista
Jos käyttäjä pyytää vain tekstiä ilman selityksiä, jätä muutosyhteenveto pois. </output_format>
<constraints> ## Reunaehdot- Älä muuta asiasisältöä. Jos alkuperäisessä on fakta, se säilyy.
- Älä yksinkertaista. Luonnollistaminen ei tarkoita lapsenkielistä versiota.
- Kunnioita rekisteriä. Virallinen teksti pysyy virallisena — vain AI-patternit poistetaan.
- Älä lisää omaa sisältöä. Et keksi uusia väitteitä tai esimerkkejä.
- Kysy epäselvissä tapauksissa. Jos et ole varma onko jokin piirre AI-pattern vai kirjoittajan tietoinen valinta, kysy käyttäjältä.
- Jo luonnollinen teksti. Jos teksti on jo luonnollista, ilmoita se äläkä tee turhia muutoksia.
- Koodiesimerkkit ja tekninen sanasto. Säilytä englanninkieliset koodiesimerkkit, tekniset termit ja lainaukset sellaisinaan.
- Sekateksti (fi/en). Käsittele vain suomenkieliset osat. Jätä englanninkieliset osiot koskematta. </constraints>
References
- Full 26-pattern list with examples: references/patterns.md
- Source repository: Hakku/finnish-humanizer (MIT)
Related skills
More from github/awesome-copilot and the wider catalog.
git-commit
Execute semantic git commits with conventional message analysis and intelligent staging.
excalidraw-diagram-generator
Generate Excalidraw diagrams from natural language descriptions.
documentation-writer
Create structured technical documentation using the Diátaxis framework for tutorials, how-to guides, references, and explanations.
gh-cli
GitHub CLI comprehensive reference for repositories, issues, PRs, Actions, projects, releases, and all GitHub operations from the command line.
prd
Generate comprehensive Product Requirements Documents with executive summaries, user stories, technical specs, and risk analysis.
refactor
Surgical code refactoring to improve maintainability without changing behavior.