Saltar al contenido principal

Idiomas compatibles

rosetta incluye Language Cards — archivos de configuración estructurados para 50 idiomas. Cada tarjeta contiene preajustes de registro, metadatos del sistema de formalidad, indicadores de soporte de métodos, reglas de tipografía e información del sistema de escritura. Cualquier idioma que su LLM conozca puede agregarse con una sola línea de configuración; estos son los que cuentan con registros seleccionados y listos para producción.


Métodos de traducción​

Cada idioma puede utilizar uno o más de estos métodos de traducción:

IconoMétodoCómo funcionaCosto
🟢Google TranslateBase de traducción automática neuronal (Neural MT). Más de 130 idiomas. Solo cadenas de clave-valor; no puede traducir contenido Markdown de forma segura.~$20/1M de caracteres
🔵LLM (OpenRouter)Cualquier idioma que el modelo conozca. Prompts guiados por registro. Maneja contenido de clave-valor + Markdown.Varía según el modelo
🟣LLM-CoachedLLM + diccionarios de gramática + datos de entrenamiento (coaching) inyectados en los prompts. Ideal para idiomas morfológicamente complejos.Varía según el modelo
🟠API (Plugin)Pipelines de traducción alojados por la comunidad y servidos a través de HTTP. Compatible con OCAP.Varía según el proveedor

Establezca GOOGLE_TRANSLATE_API_KEY para Google Translate, o OPENROUTER_API_KEY para los métodos LLM. Consulte Métodos de traducción para obtener todos los detalles.


Idiomas prioritarios​

Estas son las configuraciones regionales (locales) más solicitadas para aplicaciones web y móviles, enumeradas en el orden recomendado por rosetta, priorizando la accesibilidad.

BanderaIdiomaCódigoGoogleLLMCoachedEscrituraNotas
🇸🇦Árabear✅✅✅—RTL. Árabe estándar moderno (فصحى).
🇵🇭Filipino (Taglish)tl / fil✅✅✅—Use fil en las configuraciones de Docusaurus. rosetta resuelve ambos.
🇫🇷Francésfr✅✅✅—Forma "Vous". Inclusivo en cuanto al género (Connecté·e).
🇪🇸Españoles✅✅✅—Latinoamericano neutral.
🇩🇪Alemánde✅✅✅—Forma "Sie". Inclusivo en cuanto al género (Benutzer:innen).
🇯🇵Japonésja✅✅✅—です/ます para el texto del cuerpo, する para las etiquetas de la interfaz de usuario (UI).
🇨🇳Chino (Simplificado)zh✅✅✅—简体中文.
🇮🇹Italianoit✅✅✅—Forma "Lei".
🇧🇷Portugués (BR)pt✅✅✅—Portugués brasileño.
🇰🇷Coreanoko✅✅✅—Registro formal 해요체.

Principales idiomas del mundo​

BanderaIdiomaCódigoGoogleLLMCoachedEscrituraNotas
🇧🇩Bengalíbn✅✅✅—Preferencia por শুদ্ধ ভাষা.
🇧🇬Búlgarobg✅✅✅—
🇨🇿Checocs✅✅✅—Vykání (forma "vy").
🇩🇰Danésda✅✅✅—
🇬🇷Griegoel✅✅✅—Δημοτική moderno.
🇮🇷Persafa✅✅✅—RTL.
🇫🇮Finlandésfi✅✅✅—Sin género gramatical.
🇮🇱Hebreohe✅✅✅—RTL.
🇮🇳Hindihi✅✅✅—शुद्ध हिन्दी. Mínimos préstamos del inglés.
🇭🇺Húngarohu✅✅✅—Forma "Ön".
🇮🇩Indonesioid✅✅✅—
🇲🇾Malayoms✅✅✅—
🇳🇱Neerlandésnl✅✅✅—Forma "U".
🇳🇴Noruegonb✅✅✅—Bokmål.
🇵🇱Polacopl✅✅✅—Forma "Pan/Pani".
🇵🇹Portugués (EU)pt-PT✅✅✅—Portugués europeo.
🇷🇴Rumanoro✅✅✅—
🇷🇺Rusoru✅✅✅—Forma "Вы".
🇸🇰Eslovacosk✅✅✅—Vykanie (forma "vy").
🇷🇸Serbiosr✅✅✅🔤 Latino→CirílicoConvertidor de escritura determinista.
🇸🇪Suecosv✅✅✅—
🇰🇪Suajilisw✅✅✅—
🇹🇭Tailandésth✅✅✅—Partículas de cortesía ครับ/ค่ะ.
🇹🇷Turcotr✅✅✅—Forma "Siz".
🇺🇦Ucranianouk✅✅✅—Forma "Ви".
🇵🇰Urduur✅✅✅—RTL. Forma آپ.
🇻🇳Vietnamitavi✅✅✅—
🇹🇼Chino (Tradicional)zh-TW✅✅✅—繁體中文.
🇬🇪Georgianoka✅✅——ქართული. Familia kartveliana.
🇳🇬Yorubayo✅✅——Èdè Yorùbá. Tonal (3 tonos).

Variantes regionales​

BanderaIdiomaCódigoGoogleLLMCoachedEscrituraNotas
🇲🇽Español de Méxicoes-MX✅✅✅—Forma "Tú". Registro cálido.
🇨🇦Francés de Canadáfr-CA✅✅✅—Modismos quebequenses.

Idiomas indígenas y de bajos recursos​

Estos idiomas no son compatibles con los servicios comerciales de traducción automática (MT). rosetta proporciona las herramientas para que las comunidades lingüísticas construyan sus propios métodos bajo los principios OCAP.

IdiomaCódigoGoogleLLMCoachedEscrituraEstado
🪶Cree de las llanurascrk❌✅✅🔤 SRO→Silábico🚧 En desarrollo
🌄Quechuaqu✅✅——Runasimi. Sufijos evidenciales.

:::info El cree de las llanuras está en desarrollo activo El registro, la infraestructura de entrenamiento (coaching), el convertidor de escritura y el entorno de evaluación para el cree de las llanuras son completamente funcionales, pero el pipeline de traducción aún no se ha lanzado. Estamos trabajando con las comunidades lingüísticas bajo los principios OCAP para garantizar la calidad antes del lanzamiento. Consulte Apoyar un idioma de bajos recursos para conocer la historia completa, y cómo puede contribuir. :::

:::tip Agregar más idiomas de bajos recursos El sistema de plugins de métodos de rosetta está diseñado para esto. Una comunidad lingüística puede construir un método de traducción personalizado, alojarlo bajo su propio control y servirlo a través del método API. La Tabla de clasificación de métodos rastrea las puntuaciones para cualquier par de idiomas: construya un método, ejecute el entorno de evaluación y reclame la puntuación más alta. :::


Idiomas construidos​

Los idiomas construidos (conlangs) son compatibles a través de registros LLM y convertidores de escritura opcionales. Utilizan la misma infraestructura que los idiomas reales: el control de calidad, el sistema de entrenamiento y el pipeline de conversión de escritura funcionan de manera idéntica.

IdiomaCódigoGoogleLLMEscrituraNotas
🖖Klingontlh❌✅🔤 Romanización→pIqaDRequiere fuente PUA. Vocabulario de Marc Okrand.
🧝Sindarin (Élfico de Tolkien)x-elvish-s❌✅🔤 Latino→TengwarRequiere fuente CSUR PUA.
🏴‍☠️Inglés piratax-pirate❌✅—Solo registro. Metáforas náuticas.
🦸Kriptonianox-kryptonian❌✅🔤 Latino→KriptonianoRequiere fuente PUA.
🎭Inglés shakesperianox-shakespeare❌✅—Solo registro. Formas "Thee/thou", "-eth/-est".
🐸Habla de Yodax-yoda❌✅—Solo registro. Orden de palabras OSV.

Consulte Idiomas construidos, escrituras y ortografía para conocer los requisitos de fuentes PUA, las limitaciones de Unicode y cómo agregar el suyo propio.


Preajustes de idioma​

El asistente init admite nombres preestablecidos para una configuración rápida. Puede mezclar preajustes con códigos individuales.

PreajusteSe expande a
europeanfr, de, es, it, pt, nl
asianja, zh, ko
globalfr, es, de, ja, zh, ko, pt, ar
nordicda, fi, nb, sv
# Mix presets with individual codes
i18n-rosetta init
# → Target languages: european, ja
# → Resolves to: fr, de, es, it, pt, nl, ja

Agregar cualquier idioma​

rosetta puede traducir a cualquier idioma que su LLM conozca; la tabla anterior solo enumera los idiomas con preajustes de registro incorporados. Para agregar un idioma que no esté en la lista, incluya su código BCP-47 en su configuración:

{
"languages": {
"sw": {},
"am": {
"register": "Formal Amharic. Professional register with Geʽez script."
}
}
}

El LLM traducirá utilizando su conocimiento de entrenamiento del idioma. Establecer un register le brinda control sobre el tono, la formalidad y las convenciones ortográficas. Consulte Configuración para obtener más detalles.


Language Cards​

Cada idioma incorporado tiene una Language Card (tarjeta de idioma): una configuración JSON estructurada dividida en dos niveles para mejorar el rendimiento:

Arquitectura de dos niveles​

NivelDirectorioCargaPropósito
Tiempo de ejecución (Runtime)lib/data/language-cards/Anticipada en importMotor de traducción: registros, formalidad, reglas, soporte de métodos
Referencialib/data/language-reference/Diferida bajo demandaDocumentación para desarrolladores: desafíos lingüísticos, datos enciclopédicos, recursos de PNL

El nivel de tiempo de ejecución se mantiene pequeño (~2 KB/tarjeta) para que al importar rosetta no se carguen megabytes de datos de documentación. El nivel de referencia está disponible a través de getLanguageReference(code) para las herramientas, el sitio web y el entorno de evaluación.

Campos de la tarjeta de tiempo de ejecución​

CampoQué contiene
nativeNameEndónimo: el nombre del idioma para sí mismo, en su propia escritura (por ejemplo, ქართული, Runasimi)
Sistema de formalidadDistinción T-V, niveles de habla, keigo, partículas, etc.
Preajustes de registroPreajustes de prompts de LLM con nombre, específicos para el carácter del idioma
Soporte de métodosQué API de traducción son compatibles con este idioma
Guía de géneroReglas de género gramatical y consejos de escritura inclusiva
Escritura/direcciónCódigo de escritura ISO 15924 y RTL/LTR
ReglasTipografía (comillas, espaciado), uso de mayúsculas, categorías de plurales
Conjuntos de datos de evaluaciónQué benchmarks cubren este idioma
glottocodeIdentificador canónico de Glottolog para referencias cruzadas
humanReviewedIndica si la tarjeta ha sido revisada por un hablante

Campos de la tarjeta de referencia​

CampoQué contiene
Desafíos lingüísticosDificultades específicas de la traducción automática (por ejemplo, evidencialidad, diacríticos tonales, aglutinación)
EnciclopédicoFamilia de idiomas, clasificación, número de hablantes, regiones
RecursosHerramientas de PNL, corpus paralelos, modelos preentrenados

Generar la estructura de una nueva Language Card​

Utilice el generador para crear la estructura de ambos niveles a partir de fuentes de datos autorizadas (IANA, CLDR, Glottolog):

# Preview what would be generated
node scripts/generate-language-card.mjs sw --dry-run

# Generate both runtime + reference cards
node scripts/generate-language-card.mjs sw

El generador completa automáticamente los metadatos (códigos, escritura, dirección, plurales, comillas, soporte de métodos, familia de idiomas) y marca los campos de juicio lingüístico como TODO (por hacer) para la curaduría humana.

Uso de claves preestablecidas​

En lugar de escribir el texto completo del registro, puede usar el nombre de una clave preestablecida:

{
"languages": {
"fr": "casual-tu",
"ko": "formal-hapsyo",
"ja": "polite"
}
}

Rosetta resuelve la clave al prompt de registro completo. Ejecute npx i18n-rosetta init para ver los preajustes disponibles para cada idioma.

Ejemplos de preajustes​

IdiomaPreajustesPredeterminado
Francésformal-vous, casual-tuformal-vous
Coreanopolite-haeyo, formal-hapsyo, casual-haepolite-haeyo
Japonéspolite, formal-keigo, casualpolite
Alemánformal-Sie, casual-duformal-Sie
Tailandésneutral-professional, polite-male, polite-femaleneutral-professional
Españolneutral-professional, formal-usted, casual-tuteoneutral-professional

Consulte Contribuir con una Language Card para ver la especificación completa, incluida la validación de campos y la lista de verificación para PR (Pull Requests).


Consulte también​