translate.py (local + grátis)

Pipeline 100% local para traduzir (Argos Translate), romancear (heurística) e modernizar pt‑BR, com barras de progresso reais (por arquivo e por trecho) e ETA estável.

Instalação rápida

python3 -m venv env_tradutor
source env_tradutor/bin/activate

pip install --upgrade "pip<25"
pip install "numpy>=1.26,<2" "ctranslate2<5" argostranslate tqdm pandas requests
# (opcional) stanza e spacy se você já usa em outros projetos

Instale o par de idiomas no Argos:

python - <<'PY'
import argostranslate.package as pkg
pkg.update_package_index()
p = [p for p in pkg.get_available_packages() if p.from_code=="en" and p.to_code=="pt"][0]
pkg.install_from_path(p.download())
print("OK en→pt instalado")
PY

Uso

python translate.py --mode both --provider argos \
  --src en --tgt pt \
  --in ./originais --out ./final \
  --ext .md .txt \
  --chunk-by paragraph --max-chars 3000 \
  --romance-strength 0.6 \
  --modernize \
  --verbose

• --mode translate executa somente a tradução.
• --mode both traduz → romanceia (leve) → moderniza (lexical/fluência).
• --modernize ativa modernizações pt‑BR (ex.: propriedade hereditária → herança de família, etc.).
• --romance-strength controla quão “fluida” fica a prosa sem criar fatos (0.3–0.7 recomendado).
• --chunk-by paragraph pré‑fatia por parágrafos (ETA estável).

Dicas anti‑segfault (macOS + Argos/CT2)

• O script já define OMP_NUM_THREADS=1, ARGOS_DEVICE_TYPE=cpu e desativa multiprocessing por padrão.
• Evite --mp no macOS com Argos. Se quiser tentar paralelismo, use --mp por sua conta e risco.
• Se ainda assim travar, rode com --safe-threads (reforça env) e/ou reduza --max-chars (ex. 1800).

Personalizando modernizações

Crie um modernizer_ptbr_overrides.json ao lado do script, por exemplo:

{
  "\\bpropriedade(?:s)? hereditária(?:s)?\\b": "herança de família",
  "\\bassegurar(?:em)?\\s+salas ancestrais\\b": "conseguir alugar um casarão antigo"
}

Saídas

• Mantém a estrutura de pastas de entrada.
• Barras de progresso:
  • Arquivos (lista total)
  • Trechos por arquivo (count conhecido para ETA honesto)

Limites / Filosofia

• Romanceador é heurístico (sem IA remota). Ele alisa cadência e acrescenta pequenas reformulações sem inventar fatos.
• Modernizador aplica substituições pt‑BR naturais pós-tradução (com dicionário e regex).

Reescrever (reescrever.py)

Reescreve arquivos Markdown romanceando/modernizando prosa já traduzida. Possui três modos de operação:

1. Heurístico local (padrão)

• Não depende de modelos externos;
• Reescreve de forma limitada (agora sem frases metalinguísticas);
• Uso direto:

  python3 reescrever.py --in Reescrever/original.md --out Reescrever/gerado.md

2. GPT4All (modelo .gguf)

• Instale a biblioteca no Python correto:

  python3 -m pip install gpt4all

• Baixe um modelo (ex.: models/mistral-7b-instruct-v0.2.Q4_K_M.gguf).
• Execute:

  python3 reescrever.py --in Reescrever/original.md --out Reescrever/gerado.md --llm-model models/mistral-7b-instruct-v0.2.Q4_K_M.gguf

• Se o LLM inventar fatos, o script volta automaticamente ao modo heurístico.

3. OpenAI (online opcional)

• Copie openai_config.json.example para openai_config.json e informe api_key (e base_url, se necessário).
• Instale openai no Python em uso:

  python3 -m pip install openai

• Rode com:

  python3 reescrever.py --in Reescrever/original.md --out Reescrever/gerado.md \
    --use-openai --openai-config openai_config.json --openai-model gpt-4o-mini

• Prompt embutido exige expansão sensorial da prosa e explica termos incomuns dentro do próprio texto (sem notas de rodapé), mantendo fatos intactos.

Termos raros

• Explicações vêm de rare_terms_default.json (base) + rare_terms.json (personalizável).
• Elabore sua lista em rare_terms.json antes de rodar o script. Qualquer termo presente ali será convertido em “termo (explicação)” dentro da narrativa.

O script indica no stderr a rota utilizada:

• [OpenAI] Reescrevendo seção via OpenAI (modo online).
• [GPT4All] Reescrevendo seção via modelo local.
• Sem mensagem adicional = heurístico.

Caso nenhuma camada funcione, o texto final virá do modo heurístico.