Traducir PDF a Bhojpuri

El archivo está bien, simplemente no es Unicode. Muchos documentos de oficina indios se compusieron en fuentes heredadas como Kruti Dev, Chanakya o DevLys, que almacenan valores de bytes latinos ordinarios y dependen de la fuente para dibujar una forma Devanagari para cada uno. Sin esa fuente, el texto parece letras romanas aleatorias, y también se copia de esa manera. Dicho archivo debe convertirse primero a Devanagari Unicode, ya sea reexportándolo de la aplicación original o ejecutando un convertidor de fuentes, antes de que cualquier herramienta de traducción pueda leerlo.

Busca el verbo बा en lugar de है en las oraciones del tiempo presente y comprueba los pronombres. En Bhojpuri, हम significa yo, mientras que la palabra hindi idéntica significa nosotros, y la segunda persona respetuosa रउआ no tiene contraparte en hindi. Una página de texto traducido sin ninguna de estas formas ha derivado al hindi. Elegir explícitamente Bhojpuri como idioma de destino en lugar de dejar el campo en hindi es lo primero que hay que comprobar.

Sí. La salida es Devanagari Unicode con las reglas de ligadura y reordenación aplicadas, por lo que combinaciones como क्ष y त्र se renderizan como formas unidas únicas, el signo de i corto se dibuja a la izquierda de su consonante, y los puntos nukta permanecen unidos a las siete letras que los toman. Los círculos punteados en un PDF son la señal de una marca combinada que perdió su carácter base, lo que es un error de renderizado en lugar de uno de traducción.

No automáticamente, y ninguna herramienta honesta afirmará lo contrario. Kaithi es una escritura cursiva separada que se utilizó para documentos de ingresos y legales en Bihar y el este de Uttar Pradesh hasta bien entrado el siglo XX, y leerla es una habilidad especializada que cada vez menos personas tienen. El camino habitual es que un lector de Kaithi transcriba el registro a Devanagari, después de lo cual la transcripción se puede traducir normalmente.

Sí, el par funciona en ambos sentidos. Bhojpuri a inglés es común para transcripciones de historia oral, colecciones de canciones folclóricas, trabajos de cine y subtítulos, y documentos familiares en poder de descendientes de trabajadores contratados en Mauricio, Fiyi, Trinidad, Guyana y Surinam. Inglés a Bhojpuri es principalmente material de divulgación: campañas de salud, consejos agrícolas y explicaciones de programas gubernamentales dirigidos a lectores en Bihar y Purvanchal.

Muy pocos, porque Bhojpuri no está incluido en la Octava Lista de la Constitución India y no es un idioma administrativo ni en Bihar ni en Uttar Pradesh. Los certificados, registros de tierras y documentos judiciales de la región se emiten en hindi o inglés. Si se le ha pedido una traducción al Bhojpuri de un documento oficial, la solicitud generalmente se refiere a hacer que el contenido sea comprensible para un miembro de la familia o una audiencia comunitaria en lugar de presentarlo en algún lugar.

Horizontalmente la diferencia es modesta, pero el espacio vertical importa más de lo que la gente espera. Devanagari coloca los signos de vocales por encima y por debajo de la línea y el shirorekha en la parte superior, por lo que una línea de Bhojpuri necesita más interlineado que una línea de texto latino al mismo tamaño de punto. En formularios densos y tablas con espaciado de línea ajustado, ahí es donde aparece la superposición, y el pase de diseño abre la altura de la línea en lugar de permitir que las marcas colisionen.

Se admiten PDFs de imágenes y cargas JPG, JPEG y PNG, y el Devanagari impreso limpio a una resolución decente se lee bien. Dos cosas lo degradan drásticamente: el fuerte traslucido del reverso del papel fino, que se fusiona con el shirorekha y confunde los límites de las letras, y la escritura a mano. Aplane la página lo mejor que pueda y escanee a una resolución más alta si el primer intento devuelve huecos.