Que Língua É Esta?

Como o detetor reconhece um idioma

A primeira pista é o alfabeto. Alguns sistemas de escrita pertencem a um idioma, ou quase: Hangul é coreano, o script tailandês é tailandês, as letras gregas são gregas e kana misturado com caracteres chineses é japonês. Quando o texto está num desses scripts, a resposta é quase certa.

As letras latinas, cirílicas, árabes e devanagari são partilhadas por dezenas de idiomas, pelo que o detetor verifica quais as sequências de letras que aparecem com mais frequência. Cada idioma tem os seus próprios hábitos. O inglês está cheio de "the", "ing" e "and"; o polaco de "prz", "ów" e "dz"; o alemão de "sch" e "ein"; o espanhol de "que" e "ción". O texto é comparado com as sequências típicas de cerca de 80 idiomas, e a correspondência mais próxima vence.

Quando a resposta é menos certa

A confiança mostrada com cada resposta indica o quão à frente o vencedor estava. Três situações diminuem-na:

• Texto muito curto. Uma saudação ou um nome não contém padrões de letras suficientes para decidir. Duas ou três frases completas são geralmente suficientes.
• Parentes próximos. Bósnio, croata e sérvio em letras latinas são escritos quase da mesma forma, tal como indonésio e malaio. Hindi, marata e nepalês partilham o script devanagari e muitas palavras. Quando dois idiomas assim se aproximam, ambos são nomeados.
• Texto misto. Um e-mail em inglês que cita um contrato em francês é lido como um todo, e o idioma com mais texto vence. Cole a parte sobre a qual não tem a certeza separadamente.

O detetor nomeia idiomas, não variedades regionais. Não consegue distinguir português brasileiro de português europeu, nem o espanhol do México do da Espanha; a sua ortografia difere demasiado pouco.

Verificar um documento, não apenas uma frase

Arraste um ficheiro PDF, Word, Excel, PowerPoint, InDesign (IDML) ou EPUB, ou um ficheiro de texto simples, e o detetor lê o seu texto no seu navegador e nomeia o idioma do documento como um todo. É uma verificação rápida antes de enviar um ficheiro para tradução e uma forma de detetar um anexo que não está no idioma esperado.

Um documento digitalizado não tem texto para ler. Para um scan ou uma foto, extraia primeiro o texto com Imagem para Texto, depois cole-o aqui.

Do conhecimento à tradução

Quando carrega um documento para o DocTranslator, escolhe o idioma em que está escrito e aquele que pretende, de entre 108 idiomas. Assim que souber o primeiro, o resto são alguns cliques, e o ficheiro traduzido mantém o layout do original.