Conlangs, Sistemas de Escrita e Ortografia

O rosetta tem suporte de primeira classe para línguas construídas (conlangs) por meio de registros de LLM e conversores determinísticos de sistemas de escrita. 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 sistemas de escrita funcionam de forma idêntica para o Klingon e o Plains Cree. Se o seu pipeline de conlang funciona, o seu pipeline de línguas com poucos recursos também funcionará. :::

---

Línguas Construídas Suportadas

Idioma	Código	Conversor de Sistema de Escrita	Fonte Necessária
Klingon	tlh	✅ Romanização → pIqaD	Fonte PUA (ex., pIqaD qolqoS)
Sindarin (Élfico de Tolkien)	x-elvish-s	✅ Latino → Tengwar	Fonte PUA CSUR
Kryptoniano	x-kryptonian	✅ Latino → 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 conlangs 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 codepoints não têm atribuição padrão. O ConScript Unicode Registry (CSUR) mantém mapeamentos acordados pela comunidade para sistemas de escrita 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 codepoints PUA
• O rosetta NÃO inclui fontes PUA — você mesmo deve carregá-las
• As fontes do sistema nunca renderizarão esses caracteres

Intervalos PUA por Sistema de Escrita

Sistema de Escrita	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

Para exibir texto de conlang baseado em PUA na sua aplicação web, carregue a fonte apropriada via CSS:

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

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

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

---

Conversores de Sistemas de Escrita

Como Eles Funcionam

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

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

Essa abordagem em duas etapas funciona porque os LLMs produzem resultados melhores quando trabalham em sistemas de escrita baseados no alfabeto latino. O conversor determinístico garante a saída correta do sistema de escrita sem depender do conhecimento (muitas vezes não confiável) do modelo sobre o sistema de escrita.

Todos os Cinco Conversores

O rosetta vem com cinco conversores de sistemas de escrita integrados:

Plains Cree: 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 Suporte a um Idioma de Poucos Recursos para ver o pipeline completo do Cree.

Sérvio: Latino → Cirílico (sr)

Conversão determinística de Latino 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: Latino → 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: Latino → Kryptoniano (x-kryptonian)

Mapeamento do sistema de escrita Kryptoniano do léxico de fãs.

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

Acionando um Conversor

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

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

Plains Cree (crk) é detectado automaticamente — você não precisa definir scripts explicitamente.

---

Idiomas com Múltiplos Sistemas de Escrita

Alguns idiomas reais usam vários sistemas de escrita ativos:

Idioma	Sistemas de Escrita	Abordagem do rosetta
Sérvio	Latino + Cirílico	Conversor de sistema de escrita (sr) — traduz em Latino, converte para Cirílico
Chinês	Simplificado + Tradicional	Códigos de localidade separados (zh vs zh-TW) com registros distintos

Para idiomas onde ambos os sistemas de escrita atendem ao mesmo público (Sérvio), use um conversor de sistema de escrita. Para idiomas onde os sistemas de escrita 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 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 do 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 do registro, de modo que se aplica de forma consistente, independentemente de qual predefinição de formalidade 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 orientações específicas 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 Sistemas de Escrita RTL (Da Direita para a Esquerda)

Os registros de Árabe, Hebraico, Persa e Urdu observam os requisitos da direita para a esquerda: 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 sistema de escrita: Se a sua conlang usar um sistema de escrita 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 Sistemas de Escrita — 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
• Suporte a um Idioma de Poucos Recursos — a mesma infraestrutura aplicada a idiomas reais sub-representados