Add Brazilian Portuguese (pt) translation- #729 - #736
Open
natalieac03 wants to merge 43 commits into
Open
Conversation
… operadores, formas)
cargo test Languages::pt saía de 33 falhas em 91 testes. Agora passa 92/92,
e a suíte inteira do repositório continua verde. Nada em src/ foi tocado.
Bugs de regra:
- SharedRules/general.yaml: a distinção Verbose/Medium tinha desabado na
química. 14 pares de ramos diziam "subscrito"/"sobrescrito" nos dois
níveis, onde o inglês tem subscript/sub. Um deles (ramo $Prescripts[4])
dizia "subscrito" onde o inglês diz superscript.
- SharedRules/general.yaml: ligação dupla escrita "::" não era reconhecida.
A regra testava .='::', mas o canonicalizador converte para ∷ (U+2237)
antes de as regras rodarem, então H₂C::CH₂ saía "maiúsculo c, como
maiúsculo c".
- unicode.yaml: a regra de "|" era uma simplificação da inglesa e perdia
três casos — P(A|B) ("dado"), a|b entre números ("divide") e o intent
literal. Portada a estrutura inglesa inteira.
- SharedRules/general.yaml: <none/> fora da química caía no default-text,
que fala o nome da tag, e saía a palavra inglesa "none". Agora "nenhum".
- SharedRules/general.yaml: faltava o Log maiúsculo (valor principal), que
saía "Log de x". Marcado t: — a tradução precisa de conferência.
- definitions.yaml: "segundo de arco" estava duplicado em PluralForms. O
leitor de YAML do Rust aceita, mas audit-translations recusava o arquivo
inteiro, ou seja, definitions.yaml não estava sendo auditado de verdade.
- definitions.yaml: plurais das formas prefixadas de "segundo de arco", que
a regra genérica produzia como "yoctossegundo de arcos".
Testes desatualizados: pausas geradas pelo motor (ver ACHADOS.md seção 1),
o artigo em "o log de x", "1 meio" em vez de "um meio", "l n x" no modo
conciso, e a vírgula do grego (que o teste inglês também tem).
Decisão: menos unário fica "menos", não "negativo". Os testes estavam
divididos; a regra já dizia "menos" e os três discordantes foram alinhados.
Resolve duas pendências do ACHADOS.md: a contradição aparente entre
tensor_mmultiscripts e mhchem_so4_2mais (caminhos de código diferentes — só
o da química estava quebrado) e a divergência de inverse_trig entre
SimpleSpeak e ClearSpeak (as regras já estavam alinhadas; era o teste).
ACHADOS.md ganha a seção 6. Corrigidas duas afirmações das seções
anteriores: compute_auto_pause conta bytes, não letras; e as regras de
química não eram idênticas às inglesas (só as diretivas de pausa eram).
Registrado também que trocar bytes por caracteres foi testado e não
resolve — piora de 15 para 36 falhas.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
…e colidir com ⊄
Duas correções de fala, com varredura e não caso a caso (ACHADOS 7.8/7.9):
1. Dentro de um conjunto ({x ∈ ℤ : x > 5}) a expressão modifica "todos os x"
e não pode ter verbo finito nem singular: o verbo grudava em "conjunto"
("o conjunto de todos os x pertence a inteiros"). Seis dos oito ramos
estavam errados, não só o Belongs. Agora: em / membros de / elementos de /
pertencentes a, e as negações nominais. "fora de" foi rejeitado por trocar
pertinência por localização; "não em" por ser truncado. O ramo SimpleSpeak
usava uma string só para dentro e fora e passou a bifurcar.
2. ∉ com ClearSpeak_SetMemberSymbol=In fora de conjunto falava "não está
contido em", exatamente a fala do ⊄. Passa a "não está em", espelhando o ∈.
Também nesta rodada, já em varredura: termo único por família de estilo
(fraktur, caligráfico) e adjetivo posposto nos dois arquivos; ∈ ∊ com Auto
separado de Member como o ∉; ! volta a distinguir literal/fatorial; ≇ ≚ ≞ ⋕
com termo matemático em vez do nome Unicode; cópula dupla em ∦ ⊈ ⊉.
Novo: tests/Languages/pt/ClearSpeak/sets.rs (pt vai de 102 para 142 testes,
∈ e ∊ travados iguais nas cinco preferências e nos dois estilos),
PythonScripts/conferir_vocabulario.py (consistência de vocabulário entre
unicode.yaml e unicode-full.yaml: 8 -> 4 grupos, restantes benignos) e
Rules/Languages/pt/TERMINOLOGIA_PT_BR.md (registro único das leituras).
Suíte inteira: 7307 passed, 0 failed.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_0134dJm6wzqbquvZrNhPD3Ea
…o; pacote de escuta
Diagnóstico antes de escolher (ACHADOS 9): o MathML do ACESSÍLIA vem do
latex2mathml nos dois caminhos (inclusive Docling) e nunca traz intent=, então
os 186 IntentMappings ausentes não são prioridade. O que importa é o que o
motor infere sozinho e o que sai cru para o sintetizador.
Correções, pelo dano ao estudante:
- caracteres crus no corpus real: negrito latino e grego (\mathbf, \boldsymbol),
⟨ ⟩, ¯ de \bar{x} (o motor canonicaliza U+0304/U+203E para U+00AF, então a
entrada "com mácron" nunca era alcançada), setas longas, µ Ω ℧ Å soltos
- "1 terceiro" -> "1 terço": listas fracionárias paravam em "meio"
- "o integral" -> "a integral": artigo concorda com o operador grande
- "magnitude de x" -> "a norma de x": intent inferido sem mapping pt
- "cross product"/"dot product" literais -> "produto vetorial/escalar": o
intent inferido vem sem filhos e nenhuma regra casava com count(*)=0
- recuo controlado só em regra (gerar_recuo_en.py): 2091 entradas do en para
codepoints sem cobertura, estilo já definido traduzido, resto em t: minúsculo.
Antes o caractere saía cru; agora sai em inglês, contado como pendente.
Pacote da sessão de escuta (gerar_pacote_escuta.py -> SESSAO_ESCUTA.md): 30
expressões em 6 áreas, fala real nos dois estilos e três verbosidades, roteiro
e tabela das decisões que dependem do ouvinte.
cargo test: 7307 passed, 0 failed (pt: 142). conferir_vocabulario.py: 4 grupos,
todos benignos, antes e depois.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_0134dJm6wzqbquvZrNhPD3Ea
…o en
O latex2mathml emite \mid como U+2223, não "|": P(A ∣ B) saía "A divide B".
A entrada "∣" ganha a mesma condição de contexto da regra do "|" (dentro de
P( · ∣ · ) é "dado"; fora continua "divide"). Em conjunto por compreensão
{x ∣ ...} o problema persiste e não é regra: o canonicalizador só trata "|"
como cerca (registrado como item de src/ em ACHADOS 9.6).
Varredura: as 593 expressões dos testes do inglês faladas em português, à
procura de palavras inglesas. Fora dos <mtext> em inglês dos próprios testes
e das letras decoradas, nenhum vazamento em material real. As decorações
(circulado, entre parênteses, com ponto, invertido) entraram no mapa de
estilo do recuo controlado.
cargo test: 7307 passed, 0 failed (pt: 142). conferir_vocabulario.py: 4.
Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_0134dJm6wzqbquvZrNhPD3Ea
…ão do recuo = 0 As entradas do recuo controlado usavam t: minúsculo, a mesma marca de "traduzido mas não conferido" — 2 mil delas contra 20 pendências reais, que sumiam no meio. Cada entrada do bloco leva agora # RECUO-EN na linha da chave e o conferir_vocabulario.py ganhou a seção 5, que reporta os dois números em separado: 2091 entradas de recuo (1980 strings em inglês) contra 20 strings pendentes de conferência (fraktur x10, caligráfico x10). Verificação de regressão: as 593 expressões dos testes do en faladas em pt sem e com o bloco. 526 iguais; 67 mudaram, todas com caractere cru antes. Nenhuma expressão 100% português mudou de fala. cargo test: 7307 passed, 0 failed (pt: 142). conferir_vocabulario.py: 4. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_0134dJm6wzqbquvZrNhPD3Ea
Removed comments regarding translation corrections and pluralization issues.
Removed comments regarding corrections in Portuguese grammar and terminology for mathematical expressions.
Removed comments regarding corrections related to gendered ordinal numbers and unnecessary English suffixes.
Removed translation notes and comments from definitions.yaml.
Corrected the tag for 'overview-default' to include 'fraction' for better intent matching.
Removed comments and documentation from escuta.rs.
Removed cautionary comments regarding the Spanish equivalent tests and their historical inaccuracies.
Reverte o .gitignore à versão do upstream; arquivos locais (venv, saídas de teste, scripts auxiliares e documentos .md) ficam fora do controle de versão via .git/info/exclude. Co-Authored-By: Claude Fable 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01VJN43HMwJHeagwCporXvF3
Author
|
Sorry for the noise, the venv was tracked by mistake. It's removed now, and |
Collaborator
|
thank you. @natalieac03 as Neil is busy currently, the review might take a few days. |
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
This PR adds a Brazilian Portuguese translation of the speech rules.
What's included
unicode.yaml,unicode-full.yaml,definitions.yaml,SimpleSpeak_Rules.yaml,ClearSpeak_Rules.yaml, the fiveSharedRules/files,navigate.yaml,overview.yaml)tests/Languages/pt/, all passing; full suite green (7307 passed)Method
The translation was originally seeded from Spanish, but every entry was
subsequently checked against the English reference rather than Spanish.
This turned out to matter: I found several entries in
es/unicode.yamlthat areincorrect and marked
T:(human-verified), e.g."reads as barra inversa(backslash) and
ℂℕℚℝℤreads as prima inversa, which is the value belongingto U+2035. These read as correct Spanish, so a careful translator would carry
them over intact. I'm happy to open a separate issue for the Spanish file if
that's useful.
I also ported rules present in
en/but missing fromes/(and therefore frompt/):repeating-decimal, zero/identity/diagonal matrix,laplacian,coordinate,currency,exponential,covariance,dimension-by,unit-terse,power-indexed-by,nofix-intent, andpausein SimpleSpeak.Deliberate divergences from
en/These are marked with
# audit-ignoreand documented inRules/Languages/pt/ACHADOS.md:Portuguese the articles differ in gender ("a matriz" / "o determinante"), which
a merged rule can't express.
"maiúscula a vazado", not"vazado maiúscula a"— Portuguese places the qualifier after the noun.ToOrdinal()reads from a single masculine list, but the exponent context requires feminine
agreement in Portuguese ("a quarta potência"). Using the cardinal form
("a potência 4") is gender-neutral and works in both contexts. Note this means
ClearSpeak_Exponents = 'Ordinal'currently degrades to the same output asthe default; a
NumbersOrdinalOnesFemininelist would fix this properly, ifyou'd accept one.
≢ ≇ ∦ ⊈ ⊉— in Portuguese "não é congruente a"is already a complete predicate, so the
$Verbosity!='Terse'→"is"branchwould produce "é não é congruente a".
One upstream fix worth taking on its own
The interval rule in
en/SharedRules/general.yamlbuilds its phrase by readingthe internal tag name and replacing hyphens with spaces, so
open-closed-intervalbecomes "open closed interval". This only works becausethe tag names are English — every other language hears the English term. The
Portuguese version tests the interval type explicitly instead. I can split this
into a separate PR against
en/if you'd prefer.Known limitations
unicode-full.yamlis complete but 19 entries remaint:(lowercase): thefraktur/script naming choice needs validation with a native speaker using a
screen reader.
navigate.yamlpredates commit 0107c89 and hasn't been migrated to theNavNodeOffsetgeneration; the character-navigation rules are absent.textual and structural.