Traduzir PDF para Bhojpuri

O arquivo está bom, ele apenas não é Unicode. Muitos documentos de escritório indianos foram compostos em fontes legadas como Kruti Dev, Chanakya ou DevLys, que armazenam valores de bytes latinos comuns e dependem da fonte para desenhar uma forma devanagari para cada um. Sem essa fonte, o texto parece letras romanas aleatórias e também é copiado dessa forma. Tal arquivo precisa ser convertido para devanagari Unicode primeiro, seja reexportando-o do aplicativo original ou executando um conversor de fontes, antes que qualquer ferramenta de tradução possa lê-lo.

Procure o verbo बा em vez de है em frases no tempo presente e verifique os pronomes. Em bhojpuri, हम significa eu, enquanto a palavra hindi idêntica significa nós, e o pronome de segunda pessoa respeitoso रउआ não tem contrapartida em hindi. Uma página de texto traduzido sem nenhuma dessas formas nela derivou para o hindi. Escolher explicitamente bhojpuri como idioma de destino em vez de deixar o campo em hindi é a primeira coisa a verificar.

Sim. A saída é devanagari Unicode com as regras de ligadura e reordenação aplicadas, então combinações como क्ष e त्र são renderizadas como formas únicas unidas, o sinal de i curto é desenhado à esquerda de sua consoante, e os pontos nukta permanecem anexados às sete letras que os recebem. Círculos pontilhados em um PDF são o sinal de uma marca combinada que perdeu seu caractere base, o que é uma falha de renderização e não de tradução.

Não automaticamente, e nenhuma ferramenta honesta afirmará o contrário. Kaithi é uma escrita cursiva separada que foi usada para documentos de receita e legais em Bihar e no leste de Uttar Pradesh até bem no século XX, e lê-la é uma habilidade especializada que cada vez menos pessoas possuem. O caminho usual é ter um leitor de Kaithi que translitere o registro para devanagari, após o qual a transcrição pode ser traduzida normalmente.

Sim, o par funciona nos dois sentidos. Bhojpuri para inglês é comum para transcrições de história oral, coleções de canções folclóricas, trabalhos de cinema e legendagem, e documentos familiares mantidos por descendentes de trabalhadores contratados em Maurício, Fiji, Trinidad, Guiana e Suriname. Inglês para Bhojpuri é principalmente material de divulgação: campanhas de saúde, conselhos agrícolas e explicações de programas governamentais voltados para leitores em Bihar e Purvanchal.

Muito poucos, porque o bhojpuri não está listado na Oitava Lista da Constituição Indiana e não é uma língua administrativa nem em Bihar nem em Uttar Pradesh. Certificados, registros de terras e papéis judiciais da região são emitidos em hindi ou inglês. Se você foi solicitado a uma tradução em bhojpuri de um documento oficial, a solicitação geralmente se refere a tornar o conteúdo compreensível para um membro da família ou público comunitário, em vez de arquivá-lo em algum lugar.

Horizontalmente a diferença é modesta, mas o espaço vertical importa mais do que as pessoas esperam. O Devanagari coloca sinais de vogais acima e abaixo da linha e o shirorekha ao longo do topo, então uma linha de Bhojpuri precisa de mais entrelinhamento do que uma linha de texto latino no mesmo tamanho de ponto. Em formulários densos e tabelas com espaçamento de linha apertado, é aí que a sobreposição aparece, e o passe de layout abre a altura da linha em vez de deixar as marcas colidirem.

PDFs de imagem e uploads de JPG, JPEG e PNG são suportados, e devanagari impresso limpo em uma resolução decente lê bem. Duas coisas o degradam acentuadamente: forte transparência do verso do papel fino, que se mistura com o shirorekha e confunde os limites das letras, e caligrafia. Achate a página o melhor que puder e escaneie em uma resolução mais alta se a primeira tentativa retornar com lacunas.