Saltar al contenido principal

Conversores de escritura

Los conversores de escritura son hooks de post-traducción deterministas y sin LLM que convierten el texto de un sistema de escritura a otro. Permiten un flujo de trabajo de "traducir una vez, renderizar en múltiples escrituras": usted traduce a una escritura de trabajo (generalmente latina) y luego se convierte a la escritura de visualización automáticamente.

¿Por qué usar conversores de escritura?​

Algunos idiomas utilizan múltiples escrituras para el mismo lenguaje hablado:

  • Plains Cree: SRO (latín) para edición → Silábico (ᓀᐦᐃᔭᐍᐏᐣ) para visualización
  • Serbio: Latín para uso internacional → Cirílico para uso nacional
  • Klingon: Romanización para escritura → pIqaD ( ) para visualización

Traducir directamente a escrituras no latinas crea problemas: los LLM alucinan caracteres, los archivos JSON se vuelven difíciles de controlar en versiones y las herramientas de diff no pueden comparar los cambios. Los conversores de escritura solucionan esto manteniendo las traducciones en una escritura amigable para el control de versiones y convirtiéndolas de manera determinista en el momento de la sincronización.

Conversores disponibles​

Rosetta incluye cinco conversores de escritura incorporados:

LocaleDeATipo¿Requiere fuente?
crkSRO (Standard Roman Orthography)Silábico CreeDeterministaNo — Unicode nativo
srLatínCirílicoDeterministaNo — Unicode nativo
tlhRomanizaciónpIqaDDeterministaSí — PUA U+F8D0–F8FF
x-elvish-sLatínTengwar (Modo de Beleriand)DeterministaSí — PUA U+E000–E07F
x-kryptonianLatínKryptonianCifrado basado en fuentesSí — PUA U+E100–E119

Determinista vs. Basado en fuentes​

  • Los conversores deterministas (Cree, Serbio, Klingon, Tengwar) realizan un mapeo real de carácter a carácter utilizando reglas lingüísticas. La salida contiene caracteres Unicode reales.
  • Los conversores basados en fuentes (Kryptonian) son cifrados de sustitución 1:1 donde la salida son caracteres Unicode PUA que solo se renderizan correctamente con una fuente específica cargada.

Cómo funcionan​

Los conversores de escritura se ejecutan después de la traducción como un paso de post-procesamiento. El pipeline es:

Source (English) → LLM Translation → Working Script → Script Converter → Display Script

Por ejemplo, Plains Cree:

"Welcome" → LLM → "tānisi" (SRO) → Converter → "ᑖᓂᓯ" (Syllabics)

Coincidencia codiciosa de izquierda a derecha​

Todos los conversores utilizan el mismo algoritmo: en cada posición de carácter, intentan primero la coincidencia más larga posible y luego coincidencias progresivamente más cortas. Los caracteres que no coinciden con ningún patrón (espacios, puntuación, números) pasan sin cambios.

Esto maneja los dígrafos y trígrafos correctamente:

  • Klingon: tlh → un solo carácter pIqaD (no t + l + h)
  • Serbio: nj → њ (no н + ј)
  • Cree: twê → un solo silábico (no t + w + ê)

Uso de los conversores de escritura​

Los conversores de escritura se activan automáticamente cuando el código de locale coincide con un conversor registrado. No se necesita configuración; simplemente configure su locale de destino:

i18n-rosetta.config.json
{
  "pairs": {
    "en:crk": {
      "method": "llm-coached",
      "model": "google/gemini-2.5-pro"
    }
  }
}

Cuando rosetta sincroniza el par en:crk, las traducciones se producen primero en SRO y luego se convierten automáticamente a silábico antes de escribirse en crk.json.

Comprobación del estado del conversor​

npx i18n-rosetta status

La salida de estado muestra qué pares tienen conversores de escritura activos y qué conversión realizan.

Requisitos de fuentes web​

Tres conversores generan caracteres del Área de Uso Privado (PUA) de Unicode que requieren fuentes web personalizadas:

Klingon (pIqaD)​

Instale una fuente pIqaD compatible con CSUR (por ejemplo, "pIqaD qolqoS" o "Klingon pIqaD HaSta"):

@font-face {
  font-family: 'pIqaD';
  src: url('/fonts/pIqaD.woff2') format('woff2');
  unicode-range: U+F8D0-F8FF;
}

:lang(tlh) {
  font-family: 'pIqaD', sans-serif;
}

Tengwar (Sindarin)​

Instale una fuente Tengwar compatible con CSUR (por ejemplo, "Tengwar Formal CSUR", "Tengwar Annatar"):

@font-face {
  font-family: 'Tengwar';
  src: url('/fonts/tengwar-formal-csur.woff2') format('woff2');
  unicode-range: U+E000-E07F;
}

:lang(x-elvish-s) {
  font-family: 'Tengwar', serif;
}

Kryptonian​

Instale una fuente Kryptonian mapeada a los puntos de código PUA U+E100–E119:

@font-face {
  font-family: 'Kryptonian';
  src: url('/fonts/kryptonian.woff2') format('woff2');
  unicode-range: U+E100-E119;
}

:lang(x-kryptonian) {
  font-family: 'Kryptonian', sans-serif;
}

:::tip Enfoque alternativo para Kryptonian Dado que Kryptonian es un cifrado puro de la A a la Z, usted puede omitir el conversor de escritura por completo y aplicar la fuente al texto latino a través de CSS. Esto suele ser más sencillo para implementaciones web: simplemente sirva la fuente Kryptonian y configure font-family en los elementos relevantes. :::

Agregar un conversor personalizado​

Para agregar un conversor para un nuevo idioma, edite lib/scripts.js:

  1. Cree el mapa de conversión: un arreglo ordenado de pares [from, to], con las secuencias más largas primero
  2. Cree la función del conversor: un escáner codicioso de izquierda a derecha (use sroToSyllabics como plantilla)
  3. Regístrelo en el objeto SCRIPT_CONVERTERS con el código de locale como clave
  4. Agregue el campo script a la entrada de registro del idioma en registers.js
// Example: adding a converter for Cherokee (chr)
const LATIN_TO_CHEROKEE_MAP = [
  ['ga', 'Ꭶ'], ['ka', 'Ꭷ'], ['ge', 'Ꭸ'], // ...
];

function latinToCherokee(text) {
  // Same greedy left-to-right pattern as other converters
}

SCRIPT_CONVERTERS['chr'] = {
  from: 'Latin',
  to: 'Cherokee Syllabary',
  type: 'deterministic',
  converter: latinToCherokee,
};

Consulte también​