Mag-skip sa main content

Script Converters

Ang mga script converter ay mga deterministic at LLM-free na post-translation hook na nagko-convert ng text mula sa isang writing system papunta sa iba. Ine-enable ng mga ito ang isang "translate once, render in multiple scripts" na workflow — magta-translate ka sa isang working script (kadalasan ay Latin), tapos automatic itong iko-convert sa display script.

Bakit Script Converters?​

May mga language na gumagamit ng multiple scripts para sa iisang spoken language:

  • Plains Cree: SRO (Latin) para sa editing → Syllabics (ᓀᐦᐃᔭᐍᐏᐣ) para sa display
  • Serbian: Latin para sa international use → Cyrillic para sa domestic use
  • Klingon: Romanization para sa typing → pIqaD ( ) para sa display

Ang direktang pag-translate sa mga non-Latin script ay nagdudulot ng mga problema: nagha-hallucinate ng characters ang mga LLM, nagiging mahirap i-version-control ang mga JSON file, at hindi ma-compare ng mga diff tool ang mga changes. Sinosolve ito ng mga script converter sa pamamagitan ng pag-keep ng mga translation sa isang version-control-friendly na script at pag-convert nang deterministic sa sync time.

Available na mga Converter​

May kasamang limang built-in na script converter ang Rosetta:

LocaleFromToTypeFont Required?
crkSRO (Standard Roman Orthography)Cree SyllabicsDeterministicHindi — native Unicode
srLatinCyrillicDeterministicHindi — native Unicode
tlhRomanizationpIqaDDeterministicOo — PUA U+F8D0–F8FF
x-elvish-sLatinTengwar (Mode of Beleriand)DeterministicOo — PUA U+E000–E07F
x-kryptonianLatinKryptonianFont-based cipherOo — PUA U+E100–E119

Deterministic vs. Font-Based​

  • Ang mga deterministic converter (Cree, Serbian, Klingon, Tengwar) ay nagpe-perform ng totoong character-to-character mapping gamit ang mga linguistic rule. Ang output ay naglalaman ng mga totoong Unicode character.
  • Ang mga font-based converter (Kryptonian) ay mga 1:1 substitution cipher kung saan ang output ay mga Unicode PUA character na magre-render lang nang tama kapag may naka-load na specific na font.

Paano Sila Gumagana​

Nagra-run ang mga script converter pagkatapos ng translation bilang isang post-processing step. Ang pipeline ay:

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

Halimbawa, sa Plains Cree:

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

Greedy Left-to-Right Matching​

Parehong algorithm ang ginagamit ng lahat ng converter: sa bawat character position, ita-try muna ang longest possible match, tapos progressively shorter matches. Ang mga character na hindi nagma-match sa kahit anong pattern (spaces, punctuation, numbers) ay magpa-pass through nang walang pagbabago.

Hinahandle nito nang tama ang mga digraph at trigraph:

  • Klingon: tlh → single pIqaD character (hindi t + l + h)
  • Serbian: nj → њ (hindi н + ј)
  • Cree: twê → single syllabic (hindi t + w + ê)

Paggamit ng mga Script Converter​

Automatic na nag-a-activate ang mga script converter kapag nag-match ang locale code sa isang registered converter. Hindi na kailangan ng configuration — i-set lang po ang inyong target locale:

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

Kapag nag-sync ang rosetta sa en:crk pair, ang mga translation ay ipo-produce muna sa SRO, tapos automatic na iko-convert sa Syllabics bago i-write sa crk.json.

Pag-check ng Converter Status​

npx i18n-rosetta status

Ipinapakita ng status output kung aling mga pair ang may active na script converter at kung anong conversion ang ginagawa nila.

Mga Web Font Requirement​

Tatlong converter ang nag-o-output ng mga Unicode Private Use Area (PUA) character na nangangailangan ng mga custom web font:

Klingon (pIqaD)​

Mag-install ng CSUR-compatible na pIqaD font (hal., "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)​

Mag-install ng CSUR-compatible na Tengwar font (hal., "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​

Mag-install ng Kryptonian font na naka-map sa mga PUA codepoint na 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 Alternative approach para sa Kryptonian Dahil ang Kryptonian ay isang pure A-Z cipher, pwede niyo pong i-skip nang buo ang script converter at i-apply ang font sa Latin text via CSS. Kadalasan ay mas simple ito para sa mga web deployment — i-serve lang ang Kryptonian font at i-set ang font-family sa mga relevant na element. :::

Pag-add ng Custom Converter​

Para mag-add ng converter para sa isang bagong language, i-edit ang lib/scripts.js:

  1. I-create ang conversion map — isang ordered array ng mga [from, to] pair, unahin ang longest sequences
  2. I-create ang converter function — isang greedy left-to-right scanner (gamitin ang sroToSyllabics bilang template)
  3. I-register ito sa SCRIPT_CONVERTERS object gamit ang locale code bilang key
  4. I-add ang script field sa register entry ng language sa 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,
};

Tingnan Din​