Come Questo Blog Viene Tradotto in 42 Lingue

Questo è il 23° articolo sul mio blog per Splync, un tracker di budget condiviso per coppie, amici e famiglie. Potresti chiederti come riesco a pubblicare ogni post in 42 lingue se sono un ingegnere solitario. Come indicato nel disclaimer in cima a ogni articolo, questo sito web viene tradotto automaticamente in più lingue usando un software che ho creato. Per essere chiari: non scrivo manualmente nemmeno una singola frase in nessuna lingua diversa dall'inglese. Per questo motivo, chiedo gentilmente ai lettori di fare riferimento alla versione originale in inglese quando è davvero importante l'accuratezza del significato. Tuttavia, dopo molti tentativi ed errori per migliorare la pipeline di traduzione, credo che la qualità complessiva della traduzione sia ragionevolmente buona. In questo articolo, condividerò cosa fa il mio software per rendere il blog di Splync multilingue.

Inizio sempre scrivendo ogni articolo in semplice inglese, inclusi i metadati relativi alla SEO. Successivamente, il mio script Python invia il testo inglese all'API di OpenAI, insieme a un prompt e a un piccolo file di riferimento. Sui server di OpenAI, ChatGPT-4o legge la richiesta e restituisce l'articolo tradotto — ad esempio, la versione araba — in formato JSON. Una volta che il mio MacBook riceve quella traduzione, lo script invia immediatamente un'altra richiesta, questa volta per il bengalese. Lo script esegue automaticamente il ciclo attraverso tutte le 42 lingue target. Alla fine del processo, il mio computer ha 42 file JSON tradotti. Un altro script Python quindi incorpora ciascuna traduzione in un template HTML e genera 42 file HTML in meno di un secondo. Tutti i file vengono caricati sul server dove è ospitato questo blog, e ogni versione linguistica è inserita nella propria directory. Infine, uno script Python lato server aggiorna l'indice dell'articolo e i link “Post successivo” affinché la navigazione di ogni lingua rimanga coerente. Con l'articolo originale in inglese scritto in testo semplice, l'intero processo di solito richiede 5 minuti o molto meno. Quando ho bisogno di fare modifiche, aggiorno più file HTML simultaneamente utilizzando script Python lato server.

Se non sei pratico di termini tecnici, potresti chiederti come il mio computer "parla" ai server di OpenAI. La risposta è qualcosa chiamato API, Application Programming Interface. Puoi pensare a un'API come a una finestra di comunicazione tra due programmi: uno invia una richiesta e l'altro restituisce una risposta. Ad esempio, il mio script Python invia un messaggio del tipo “Per favore traduci questo articolo in tedesco”. OpenAI riceve quel messaggio tramite l'API, prepara la traduzione e invia il risultato indietro. Funziona proprio come fare un ordine in un ristorante: dici al cameriere cosa vuoi, la cucina lo prepara e il cameriere lo porta al tuo tavolo. E perché hai bisogno di un cameriere? Perché non entri in cucina o parli direttamente con lo chef — non sai come funziona la cucina, e non ne hai bisogno. Potresti dire, “Posso avere un cheeseburger?” al cameriere, e il cameriere potrebbe urlare, “Ordine pronto! T21, Chihuahua!” in un formato completamente diverso. Un'API svolge lo stesso ruolo. Connette due sistemi diversi senza richiedere che comprendano il linguaggio o il flusso di lavoro interno dell'altro.

Ora che abbiamo visto cos'è un'API, ecco perché me ne avvalgo per questo blog. Praticamente, so come "parlare" con ChatGPT da solo — ma ho 42 lingue da gestire. Chiamare un cameriere 42 volte sarebbe noioso (il programma evita di tradurre dall'inglese all'inglese, ma converte comunque il testo in JSON). Usare l'API di OpenAI consente al mio script Python di inviare automaticamente tutte quelle richieste, risparmiandomi lavoro ripetitivo e permettendomi di concentrarmi su altro. Sono uno sviluppatore solitario, quindi devo usare il mio tempo nel modo più efficiente possibile. Ogni volta che vedo un compito ripetitivo con regole chiare, lo automatizzo. Il risultato è di solito un processo velocissimo e completamente privo di errori. Ecco perché l'automazione tramite l'API è essenziale — permette al mio script di effettuare tutte le 42 “ordinazioni” in modo istantaneo e affidabile.

Tecnicamente, potrei aggiungere molte più lingue; ci vorrebbero solo pochi minuti in più mentre faccio i piatti. Ma personalmente mi piace il numero 42, la "Risposta alla domanda fondamentale sulla vita, l'universo e tutto quanto" dal libro di Douglas Adams. Oltre al mio attaccamento al numero 42, aggiungere lingue molto minoritarie può essere rischioso, perché la traduzione AI può diventare meno affidabile per lingue con dati limitati di addestramento.

Quando ho iniziato a sperimentare questo approccio di traduzione multilingue, i risultati erano discreti ma non perfetti. Alcune frasi erano tradotte male, eccessivamente letterali o in certi casi fuorvianti. Ero anche preoccupato di generare inconsapevolmente espressioni che potessero essere inappropriate o insensibili in specifici contesti culturali. E naturalmente, non volevo che le mie traduzioni suonassero robotiche o meccaniche. Uno dei fattori chiave per la qualità della traduzione è l'impostazione della temperatura — un parametro che controlla quanto l'AI debba essere “creativa” o “rigida”. Una temperatura alta rende l'AI più fantasiosa, ma anche più imprevedibile. Una temperatura bassa la mantiene vicina al significato originale, ma a volte può sembrare rigida. Ci è voluto molto tempo di tentativi per trovare il giusto equilibrio: abbastanza bassa per garantire l'accuratezza, ma non così bassa da rendere il testo senza vita. Dopo molti esperimenti, ho ritenuto che temperatura = 0,8 fosse il miglior compromesso per le esigenze di questo blog: sufficientemente accurata per essere fedele all'originale inglese, ma flessibile abbastanza da suonare naturale in altre lingue.

I modelli più recenti come ChatGPT 5 e 5.1 non supportano più le impostazioni di temperatura — il parametro è stato rimosso e sostituito con concetti come ragionamento e sforzo, che influenzano il modo in cui il modello pensa piuttosto che quanto diventa “creativo”. In altre parole, ChatGPT 4o mi dava un controllo fisico per regolare lo stile di traduzione, ma la famiglia 5.x segue una filosofia completamente diversa. Se chiedi casualmente al modello più recente di “tradurre questo con temperatura = 0,8”, potrebbe tentare di comportarsi come se tale impostazione esistesse ancora, ma internamente il parametro è sparito. Il modello semplicemente approssima l'intenzione. Mentre OpenAI continua ad aggiornare i loro modelli, potrei un giorno adattare la mia pipeline di traduzione. Per ora, ChatGPT 4o rimane la mia scelta per le traduzioni multilingue — non solo perché comprende bene il contesto in molte lingue, ma anche perché il prezzo dell'API è ragionevole per uno sviluppatore solitario come me. In effetti, 4o potrebbe passare alla storia come uno dei modelli più amati della storia di OpenAI.

Una cosa sorprendente dell'API di OpenAI — rispetto all'uso diretto di ChatGPT in un browser — è che puoi usare più di un “lavoratore” di ChatGPT allo stesso tempo. Quando invio richieste di traduzione per 42 lingue, non le invio una per una in fila lenta. Invece, l'API può elaborare molte richieste in parallelo, come se avessi improvvisamente assunto una stanza piena di traduttori che iniziano tutti a lavorare contemporaneamente. Il mio script Python gestisce il flusso di lavoro come una piccola linea di produzione: prepara l'articolo in inglese, invia le richieste, attende le risposte e trasforma i risultati in file JSON. Nel frattempo, i server di OpenAI eseguono più istanze di modello simultaneamente, ciascuna traducendo una lingua diversa in parallelo. Questo è qualcosa che il sito web o l'app di ChatGPT non possono fare — quelle interfacce ti danno un modello, una conversazione, un compito alla volta. Ma con l'API, puoi espandere il tuo carico di lavoro quanto il tuo script consente. Per uno sviluppatore solitario come me, questo sembra avere un piccolo team di assistenti intelligenti e senza ego. Dipende in parte dalla velocità di internet, ma di solito imposto lavoratori = 12.

Ho lavorato come lavapiatti nella mensa studentesca quando studiavo matematica all'Università di Kyoto. Anche se la paga era di circa 5 USD all'ora, mi è sempre piaciuto il lavoro manuale ripetitivo dopo aver trascorso diverse ore — o a volte giorni — in profonda concentrazione intellettuale. Più tardi, quando lavoravo in una fabbrica di aglio a Hokkaido, il mio compito era semplicemente lucidare migliaia di bulbi d'aglio bianchi affinché apparissero più brillanti sul nastro trasportatore. Otto ore al giorno — piena concentrazione, ritmo costante. Era stranamente soddisfacente. Ora, tornando a quei ricordi, attualmente svolgo lavori intellettuali — scrivere software, progettare sistemi, comporre questi articoli. Ma l'equilibrio non è cambiato. Se mi chiedi come faccio a pubblicare un articolo del blog in 42 lingue da solo, la risposta onesta è: lo faccio lavando i piatti.