Mag-skip sa main content

Paano Gumagana ang i18n-rosetta

Tinatranslate ng i18n-rosetta ang locale files ng inyong app gamit ang isang command. Heto po ang nangyayari under the hood.

Ang Pipeline​

Kapag ni-run niyo po ang npx i18n-rosetta sync, nag-eexecute ang rosetta ng six-stage pipeline:

Mga key design decisions:

  • Change detection via SHA-256 hashes. Tinu-track ng rosetta ang bawat source value gamit ang hash sa .i18n-rosetta.lock. Kapag nag-update kayo ng English string, yung key lang na iyon ang ire-translate. Ito po ang dahilan kung bakit mabilis ang sync sa mga repeat runs — minimal work lang ang ginagawa nito.

  • Translation Memory caching. Bago gumawa ng anumang API call, chine-check ng rosetta ang .rosetta/tm.json para sa mga cached translations (naka-key by source text + locale + method). Sa isang typical na re-sync pagkatapos magpalit ng isang key, 142 keys ang manggagaling sa cache at 1 key lang ang maghi-hit sa API.

  • Quality gate before write. Dumadaan ang bawat translation sa five automated checks (empty, source echo, hallucination loop, length inflation, script compliance) bago nito galawin ang inyong files. Nila-log ang mga failures, at hindi ito kailanman tahimik na ina-accept.

  • Retry cascade on failure. Kung mag-fail ang isang batch (JSON parse error, API timeout), magre-retry ang rosetta gamit ang progressively smaller batches: full → half → individual. Nai-isolate nito ang problem key nang hindi bina-block ang iba.

Mga Translation Methods​

Sinu-support ng rosetta ang four translation methods, kung saan ang bawat isa ay suitable para sa iba't ibang scenarios:

MethodPaano ito gumaganaBest for
llmStructured prompt sa kahit anong OpenRouter modelMga well-resourced languages
llm-coachedSame prompt + grammar rules, dictionary, at style notesMga languages kung saan gumagawa ng predictable errors ang mga LLMs
google-translateGoogle Cloud Translation API batch requestMga high-resource languages na may magandang GT support
apiHTTP POST sa inyong sariling endpointMga custom pipelines, community-controlled models

Naka-configure ang mga methods per language pair. Pwede niyo pong gamitin ang google-translate para sa French pero llm-coached para sa Plains Cree — nakukuha ng bawat pair ang method na pinaka-best na gumagana para dito.

Coaching Data​

Para sa mga llm-coached pairs, nagbibigay ang coaching data sa LLM ng explicit linguistic knowledge: grammar rules, forced terminology, at style preferences. Naka-inject po ito sa bawat prompt bilang structured context.

coaching/crk.json
{
  "grammar_rules": ["Animate nouns take different plural forms than inanimate nouns"],
  "dictionary": {"welcome": "ᑕᓂᓯ", "settings": "ᐃᑕᐢᑌᐘᐃᓇ"},
  "style_notes": "Use Standard Roman Orthography (SRO) unless explicitly configured otherwise."
}

Ang coaching data ang primary mechanism para ma-improve ang translation quality nang hindi nagfa-fine-tune ng model. Palitan ang rules → i-re-run ang sync → tingnan kung nakatulong ito. Instant lang po ang iteration.

Mga Plugins​

Ang mga plugins ay mga pre-packaged translation recipes para sa mga specific language pairs. Sila ay mga JSON manifests — hindi code — na nagsasabi sa rosetta kung aling method ang gagamitin, anong settings, at anong quality ang na-benchmark.

i18n-rosetta plugin install ./crk-coached-v3/
i18n-rosetta sync   # uses the installed plugin for en→crk

Bini-bridge ng mga plugins ang gap sa pagitan ng research at production: ang isang method na nag-score nang maganda sa MT Eval Arena ay pwedeng i-package bilang plugin at i-deploy dito.

Ang Bigger Picture​

Ang i18n-rosetta ay kalahati ng isang two-part ecosystem:

  • MT Eval Arena — kung saan ang mga translation methods ay dine-develop at pinu-prove gamit ang reproducible benchmarking
  • i18n-rosetta — kung saan ang mga proven methods ay dine-deploy para mag-translate ng real content

Kino-connect ng Eval Harness Bridge ang dalawa. Ang isang method na nag-prove ng sarili nito sa Arena ay idi-deploy dito. Ang speaker feedback mula sa production ay nag-iimprove sa next version.

Dive Deeper​