Traduzir PDF para Bhojpuri

O ficheiro está bem, 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 copia-se dessa forma também. Tal ficheiro tem de ser convertido para Devanagari Unicode primeiro, seja reexportando-o da aplicação original ou executando um conversor de fontes, antes que qualquer ferramenta de tradução o possa ler.

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 idêntica em Hindi significa nós, e a segunda pessoa respeitosa रउआ não tem contrapartida em Hindi. Uma página de texto traduzido sem nenhuma destas formas nela derivou para Hindi. Escolher Bhojpuri explicitamente como língua 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 ligatura e reordenação aplicadas, de modo que combinações como क्ष e त्र são renderizadas como formas únicas unidas, o sinal de i curto é desenhado à esquerda da sua consoante, e os pontos nukta permanecem ligados às sete letras que os recebem. Círculos pontilhados num PDF são o sinal de uma marca combinada que perdeu o seu caractere base, o que é uma falha de renderização em vez de uma de tradução.

Não automaticamente, e nenhuma ferramenta honesta afirmará o contrário. Kaithi é uma escrita cursiva separada que foi usada para papelada de receita e legal em Bihar e no leste de Uttar Pradesh até bem dentro do século XX, e lê-la é uma habilidade especializada que cada vez menos pessoas têm. O caminho usual é ter um leitor de Kaithi que transcreva o registo 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, trabalho de cinema e legendagem, e documentos familiares detidos por descendentes de trabalhadores contratados em Maurícias, Fiji, Trindade, Guiana e Suriname. Inglês para Bhojpuri é principalmente material de divulgação: campanhas de saúde, conselhos agrícolas e explicações de esquemas governamentais dirigidos a leitores em Bihar e Purvanchal.

Muito poucos, porque Bhojpuri não está listado na Oitava Lista da Constituição Indiana e não é uma língua administrativa nem em Bihar nem em Uttar Pradesh. Certificados, registos de terras e papéis judiciais da região são emitidos em Hindi ou Inglês. Se lhe foi pedida uma tradução em Bhojpuri de um documento oficial, o pedido é geralmente sobre tornar o conteúdo compreensível para um membro da família ou um público comunitário, em vez de o apresentar em qualquer lugar.

Horizontalmente a diferença é modesta, mas o espaço vertical importa mais do que as pessoas esperam. Devanagari coloca sinais de vogais acima e abaixo da linha e o shirorekha ao longo do topo, de modo que 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 apertado entre linhas, é aí que aparece a sobreposição, e a passagem 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 a uma resolução decente lê bem. Duas coisas degradam-no acentuadamente: forte transparência do lado reverso de papel fino, que se funde com o shirorekha e confunde os limites das letras, e caligrafia. Achate a página o melhor que puder e digitalize a uma resolução mais alta se a primeira tentativa retornar com lacunas.