Conlangs, Scripts e Ortografia

O rosetta tem suporte de primeira classe para línguas construídas (conlangs) por meio de registros de LLM e conversores de script determinísticos. Este guia aborda como o suporte a conlangs funciona, quais fontes você precisa e como adicionar as suas próprias.

:::tip Por que as conlangs são importantes As conlangs não são apenas uma novidade — elas exercitam exatamente a mesma infraestrutura usada para línguas reais sub-representadas. O quality gate, o sistema de coaching e o pipeline de conversão de script funcionam de forma idêntica para o Klingon e o Cree das Planícies. Se o seu pipeline de conlang funciona, o seu pipeline de línguas com poucos recursos também funcionará. :::

---

Línguas Construídas Suportadas

Idioma	Código	Conversor de Script	Fonte Necessária
Klingon	tlh	✅ Romanização → pIqaD	Fonte PUA (ex., pIqaD qolqoS)
Sindarin (Élfico de Tolkien)	x-elvish-s	✅ Latim → Tengwar	Fonte PUA CSUR
Kryptoniano	x-kryptonian	✅ Latim → Kryptoniano	Fonte PUA
Inglês Pirata	x-pirate	❌ apenas registro	Nenhuma
Inglês Shakespeariano	x-shakespeare	❌ apenas registro	Nenhuma
Idioma do Yoda	x-yoda	❌ apenas registro	Nenhuma

Os códigos de conlang usam o prefixo x- de acordo com a convenção de uso privado BCP-47, exceto o Klingon (tlh), que possui um código ISO 639-3 atribuído pela SIL International.

---

Requisitos de Unicode, PUA e Fontes

A Área de Uso Privado (PUA)

Klingon (pIqaD), Sindarin (Tengwar) e Kryptoniano usam caracteres da Área de Uso Privado (PUA) do Unicode. A PUA é o intervalo U+E000–U+F8FF — esses pontos de código não têm atribuição padrão. O ConScript Unicode Registry (CSUR) mantém mapeamentos acordados pela comunidade para scripts fictícios, mas eles não fazem parte do padrão Unicode.

O que isso significa na prática:

• O texto PUA é renderizado como caixas vazias (□□□) sem a fonte correta carregada
• Fontes diferentes podem mapear glifos diferentes para os mesmos pontos de código PUA
• O rosetta NÃO inclui fontes PUA — você mesmo deve carregá-las
• As fontes do sistema nunca renderizarão esses caracteres

Intervalos PUA por Script

Script	Intervalo PUA	Referência CSUR
Klingon (pIqaD)	U+F8D0–U+F8FF	CSUR Klingon
Tengwar (Élfico)	U+E000–U+E07F	CSUR Tengwar
Kryptoniano	Varia de acordo com a fonte	Sem padrão CSUR

Carregando Web Fonts PUA

O rosetta inclui um comando integrado para baixar e gerenciar web fonts PUA:

# See which fonts are needed for your configured languages
i18n-rosetta fonts list

# Download all needed fonts (auto-detects project type for output directory)
i18n-rosetta fonts install

# Also generate a CSS snippet with @font-face declarations
i18n-rosetta fonts install --css

O comando fonts install faz o download de repositórios de código aberto verificados:

Fonte	Script	Licença	Origem
pIqaD qolqoS	Klingon	SIL Open Font License 1.1	GitHub
FreeMonoTengwar	Tengwar	GNU GPL v3 (com exceção de fonte)	SourceForge
(fornecida pelo usuário)	Kryptoniano	Varia	Nenhuma fonte PUA de código aberto disponível

O diretório de saída é detectado automaticamente a partir da estrutura do seu projeto (Docusaurus → static/fonts/, Hugo → static/fonts/, padrão → public/fonts/). Substitua com --dir.

Se você preferir gerenciar as fontes manualmente, adicione regras @font-face no seu CSS:

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

/* Apply to Klingon text elements */
[lang="tlh"], [data-script="piqad"] {
  font-family: 'pIqaD', sans-serif;
}

:::warning O suporte a Unicode NÃO é garantido O Unicode Consortium recusou explicitamente a codificação de scripts fictícios no padrão. As atribuições PUA são mantidas pela comunidade e podem entrar em conflito entre as implementações de fontes. Sempre especifique a fonte exata que o seu projeto usa e teste a renderização em diferentes navegadores. :::

---

Conversores de Script

Como Eles Funcionam

A conversão de script do rosetta é um hook pós-tradução:

1. O LLM traduz o texto para um script de trabalho (geralmente Latim ou SRO)
2. O quality gate valida a saída
3. O conversor determinístico transforma o texto validado no script de exibição
4. O texto convertido é gravado no disco

Essa abordagem em duas etapas funciona porque os LLMs produzem resultados melhores ao trabalhar em scripts baseados no latim. O conversor determinístico garante a saída correta do script sem depender do conhecimento (muitas vezes não confiável) do modelo sobre o script.

Todos os Cinco Conversores

O rosetta vem com cinco conversores de script integrados:

Cree das Planícies: SRO → Silábicos (crk)

Ortografia Romana Padrão (SRO) para Silábicos Aborígenes Canadenses.

Input:  "tawâw"
Output: "ᑕᐚᐤ"

Vogais longas usam mácron/circunflexo: ê, î, ô, â. O conversor lida com todos os diacríticos SRO e os mapeia para os caracteres silábicos corretos. Consulte Support a Low-Resource Language para ver o pipeline completo do Cree.

Sérvio: Latim → Cirílico (sr)

Conversão determinística de Latim para Cirílico para o Sérvio.

Input:  "zdravo"
Output: "здраво"

Isso lida com o mapeamento completo do alfabeto sérvio, incluindo dígrafos (lj → љ, nj → њ, dž → џ).

Klingon: Romanização → pIqaD (tlh)

Sistema de romanização de Marc Okrand para caracteres PUA pIqaD.

Input:  "Qapla'"    (romanized Klingon)
Output: [pIqaD PUA] (requires pIqaD font to render)

Sindarin: Latim → Tengwar (x-elvish-s)

Mapeamento Tengwar no modo Sindarin de Tolkien.

Input:  "elen síla"  (Latin Sindarin)
Output: [Tengwar PUA] (requires Tengwar font to render)

Kryptoniano: Latim → Kryptoniano (x-kryptonian)

Mapeamento do script Kryptoniano do léxico de fãs.

Input:  "Kal-El"
Output: [Kryptonian PUA] (requires Kryptonian font to render)

Acionando um Conversor

Defina o campo scripts na configuração do seu idioma. Para conversores integrados, isso é detectado automaticamente a partir do código do idioma:

{
  "languages": {
    "sr": { "scripts": "sr" },
    "crk": {}
  }
}

O Cree das Planícies (crk) é detectado automaticamente — você não precisa definir scripts explicitamente.

---

Idiomas Multi-Script

Alguns idiomas reais usam vários scripts ativos:

Idioma	Scripts	Abordagem do rosetta
Sérvio	Latim + Cirílico	Conversor de script (sr) — traduz em Latim, converte para Cirílico
Chinês	Simplificado + Tradicional	Códigos de localidade separados (zh vs zh-TW) com registros distintos

Para idiomas em que ambos os scripts atendem ao mesmo público (Sérvio), use um conversor de script. Para idiomas em que os scripts atendem a públicos diferentes (Chinês Simplificado para a China continental, Tradicional para Taiwan/HK), use códigos de localidade separados.

---

Notas de Ortografia

Os registros não são apenas sobre o tom — eles carregam instruções ortográficas que orientam o LLM em direção às convenções de escrita corretas.

Formas de Tratamento Formal

Os registros integrados do rosetta incluem o tratamento formal culturalmente apropriado para cada idioma:

Idioma	Forma Formal	Instrução de Registro
Alemão	Sie	Use Sie-form for formal address
Francês	vous	Use vous-form
Russo	вы	Professional register with вы-form
Turco	siz	Professional register with siz-form
Coreano	합쇼체	Formal Korean (합쇼체)
Japonês	です/ます	Polite professional register (です/ます form)
Polonês	Pan/Pani	Professional register with Pan/Pani form

Escrita Inclusiva de Gênero

Cada cartão de idioma tem um campo gender.inclusiveGuidance com conselhos específicos do idioma. Isso é injetado no prompt de tradução do LLM separadamente da predefinição de registro, para que se aplique de forma consistente, independentemente da predefinição de formalidade que o usuário escolher:

• Francês: Écriture inclusive com notação de ponto mediano (ex., "Connecté·e")
• Alemão: Notação Doppelpunkt (ex., "Benutzer:innen")
• Espanhol: Preferência por reestruturação neutra em termos de gênero; notação de barra (ex., "usuario/a") como alternativa

Para idiomas sem orientação específica em seu cartão (ex., Coreano, conlangs), o sistema recorre a uma regra genérica: "prefira formas neutras em termos de gênero ou a opção mais inclusiva disponível."

Requisitos de Script RTL

Os registros de Árabe, Hebraico, Persa e Urdu observam os requisitos da direita para a esquerda (RTL): Ensure text reads naturally in RTL layout contexts.

Substituindo Qualquer Registro

Todo registro é um valor de configuração — substitua-o para corresponder à voz do seu projeto:

{
  "languages": {
    "fr": {
      "register": "Casual French. Use tu-form. Conversational blog tone. Gender-neutral when possible."
    },
    "de": {
      "register": "Informal German. Use du-form. Tech startup voice."
    }
  }
}

Consulte Configuração para ver a referência completa de configuração.

---

Adicionando uma Nova Conlang

Passo a passo

1. Escolha um código de uso privado BCP-47: Use o prefixo x- (ex., x-dothraki, x-valyrian).

2. Adicione à sua configuração:

{
  "languages": {
    "x-dothraki": {
      "register": "Dothraki language. Use David J. Peterson's vocabulary from the Living Language Dothraki textbook. Harsh, direct tone. No articles, no verb 'to be'."
    }
  }
}

3. (Opcional) Adicione um conversor de script: Se a sua conlang usar um script de exibição não latino, adicione um conversor em lib/scripts.js e registre-o em SCRIPT_CONVERTERS.

4. Teste: Execute i18n-rosetta sync --dry para visualizar as traduções sem gravar arquivos.

5. Verifique o quality gate: O quality gate pode precisar de ajustes para a sua conlang — particularmente a verificação requireNonLatin se a sua conlang usar caracteres PUA.

:::note A qualidade da conlang depende do conhecimento do LLM O LLM só pode traduzir para uma conlang que ele tenha visto nos dados de treinamento. Conlangs bem documentadas (Klingon, Sindarin, Dothraki) funcionam bem. Conlangs obscuras ou recém-inventadas podem produzir resultados inconsistentes. Use dados de coaching para melhorar a qualidade. :::

---

Veja Também

• Idiomas Suportados — tabela completa de idiomas com a disponibilidade de métodos
• Conversores de Script — detalhes técnicos do pipeline de conversão
• Métodos de Tradução — como cada método de tradução funciona
• Configuração — referência de configuração, incluindo configuração de idioma e registro
• Support a Low-Resource Language — a mesma infraestrutura aplicada a idiomas reais sub-representados