Como Este Blog É Traduzido para 42 Idiomas

Este é o 23º artigo no meu blog para a Splync, um rastreador de orçamento compartilhado para casais, amigos e famílias. Você pode se perguntar como publico cada post em 42 idiomas, mesmo sendo um engenheiro solo. Como o aviso no topo de cada artigo diz, este site é traduzido automaticamente para múltiplos idiomas usando um software que eu mesmo desenvolvi. Para ser claro: eu não escrevo manualmente nem uma única frase em qualquer idioma que não seja inglês. Por isso, peço gentilmente que os leitores consultem a versão original em inglês quando a precisão do significado for realmente importante. Ainda assim, após muitas rodadas de tentativas e erros melhorando o processo de tradução, acredito que a qualidade geral das traduções é razoavelmente boa. Neste artigo, vou compartilhar o que meu software faz para tornar o blog da Splync multilíngue.

Eu sempre começo escrevendo cada artigo em inglês simples, incluindo os metadados relacionados a SEO. Depois disso, meu script em Python envia o texto em inglês para a API da OpenAI, junto com um prompt e um pequeno arquivo de referência. Nos servidores da OpenAI, o ChatGPT-4o lê a solicitação e retorna o artigo traduzido — por exemplo, a versão em árabe — em formato JSON. Assim que meu MacBook recebe essa tradução, o script imediatamente envia outra solicitação, desta vez pedindo bengali. O script percorre automaticamente todos os 42 idiomas de destino. Ao final do processo, meu computador tem 42 arquivos JSON traduzidos. Outro script em Python então incorpora cada tradução em um modelo HTML e gera 42 arquivos HTML em menos de um segundo. Todos os arquivos são carregados no servidor onde este blog é hospedado, e cada versão de idioma é colocada em seu próprio diretório. Finalmente, um script Python no lado do servidor atualiza o índice de artigos e os links “Próximo post” para que a navegação de cada idioma permaneça consistente. Com o artigo original em inglês escrito em texto simples, todo o processo normalmente leva 5 minutos ou menos. Quando preciso fazer alterações, atualizo vários arquivos HTML simultaneamente usando scripts Python no lado do servidor.

Se você não está familiarizado com termos técnicos, pode se perguntar como meu computador “conversa” com o servidor da OpenAI em primeiro lugar. A resposta é algo chamado API, Interface de Programação de Aplicações. Você pode pensar em uma API como uma janela de comunicação entre dois programas: um programa envia uma solicitação, e o outro envia uma resposta de volta. Por exemplo, meu script em Python envia uma mensagem como, “Por favor, traduza este artigo para o alemão.” A OpenAI recebe essa mensagem através da API, prepara a tradução e envia o resultado de volta. Funciona como fazer um pedido em um restaurante: você diz ao garçom o que deseja, a cozinha prepara e o garçom traz de volta à sua mesa. E por que você precisa de um garçom em primeiro lugar? Porque você não entra na cozinha nem fala diretamente com o chef — você não sabe como a cozinha funciona, e não precisa saber. Você pode dizer, “Posso ter um cheeseburger?” ao garçom, e o garçom pode gritar, “Pedido pronto! T21, Chihuahua!” em um formato completamente diferente. Uma API exerce o mesmo papel. Ela conecta dois sistemas diferentes sem exigir que entendam a linguagem ou o fluxo de trabalho interno um do outro.

Agora que vimos o que é uma API, aqui está o motivo pelo qual realmente dependo dela para este blog. Praticamente falando, eu sei como “conversar” com o ChatGPT por mim mesmo — mas tenho 42 idiomas para processar. Chamar um garçom 42 vezes seria tedioso (o programa pula traduzir inglês para inglês, mas ainda converte o texto em JSON). Usar a OpenAI API permite que meu script em Python envie todas essas solicitações automaticamente, me poupando do trabalho repetitivo para que eu possa focar em outras coisas. Sou um desenvolvedor solo, então preciso usar meu tempo da maneira mais eficiente possível. Sempre que vejo uma tarefa repetitiva e com regras claras, eu a automatizo. O resultado geralmente é um processo que é um milhão de vezes mais rápido e completamente livre de erros. É por isso que a automação através da API é essencial — ela permite que meu script faça todos os 42 “pedidos” de forma instantânea e confiável.

Tecnicamente, eu poderia adicionar muitas mais línguas; levaria apenas mais alguns minutos para rodar enquanto estou lavando a louça. Mas eu gosto pessoalmente do número 42, a "Resposta para a Questão Fundamental sobre a Vida, o Universo e Tudo", do livro de Douglas Adams. Além do meu apego ao número 42, adicionar línguas muito pouco faladas pode ser arriscado, porque a tradução da IA pode se tornar menos confiável para idiomas com dados de treinamento limitados.

Quando experimentei pela primeira vez essa abordagem de tradução multilíngue, os resultados foram decentes, mas não perfeitos. Algumas frases foram traduzidas errado, de forma muito literal, ou sutilmente enganosas em certos idiomas. Também me preocupava gerar expressões que pudessem ser inapropriadas ou insensíveis em contextos culturais específicos. E, claro, eu não queria que minhas traduções soassem robóticas ou mecânicas. Um dos fatores-chave por trás da qualidade da tradução é o ajuste de temperatura — um parâmetro que controla o quão “criativo” ou “estrito” a IA deve ser. Uma alta temperatura torna a IA mais imaginativa, mas também mais imprevisível. Uma baixa temperatura faz com que ela se mantenha próxima ao significado original, mas pode às vezes parecer rígida. Foi necessário muito tentar e errar para encontrar o equilíbrio certo: baixo o suficiente para garantir precisão, mas não tão baixo que o texto se tornasse sem vida. Após muitos experimentos, senti que temperatura = 0.8 era a melhor opção para as necessidades deste blog: preciso o suficiente para ser fiel ao original em inglês, mas flexível o bastante para soar natural em outros idiomas.

Modelos mais novos como o ChatGPT 5 e 5.1 não suportam mais configurações de temperatura de forma alguma — o parâmetro foi removido e substituído por conceitos como raciocínio e esforço, que influenciam como o modelo pensa ao invés de quão “criativo” ele se torna. Em outras palavras, o ChatGPT 4o me deu um botão físico que eu podia girar para ajustar o estilo da tradução, mas a família 5.x segue uma filosofia completamente diferente. Se você casualmente pedir ao modelo mais novo para “traduzir isso com temperatura = 0.8”, ele pode tentar se comportar como se tal configuração ainda existisse, mas internamente o parâmetro se foi. O modelo simplesmente aproxima a intenção. À medida que a OpenAI continua a atualizar seus modelos, posso ajustar meu processo de tradução algum dia. Por ora, o ChatGPT 4o continua sendo minha escolha para traduções multilíngues — não só porque entende bem o contexto em muitos idiomas, mas também porque seu preço de API é razoável para um desenvolvedor solo como eu. Na verdade, 4o pode se tornar um dos modelos mais amados da história da OpenAI.

Uma coisa incrível sobre a OpenAI API — comparando com usar o ChatGPT diretamente em um navegador — é que você pode usar mais de um “trabalhador” do ChatGPT ao mesmo tempo. Quando envio solicitações de tradução para 42 idiomas, não estou enviando uma por uma em uma fila lenta. Em vez disso, a API pode processar muitas solicitações em paralelo, como se eu de repente contratasse uma sala cheia de tradutores que começam a trabalhar ao mesmo tempo. Meu script em Python gerencia o fluxo de trabalho como uma pequena linha de produção: ele prepara o artigo em inglês, envia as solicitações, espera as respostas e processa os resultados em arquivos JSON. Enquanto isso, os servidores da OpenAI executam múltiplas instâncias de modelo simultaneamente, cada uma traduzindo um idioma diferente em paralelo. Isso é algo que o site ou aplicativo do ChatGPT não pode fazer — essas interfaces lhe dão um modelo, uma conversa, uma tarefa de cada vez. Mas com a API, você pode dimensionar sua carga de trabalho tanto quanto seu script permitir. Para um desenvolvedor solo como eu, isso parece ter uma equipe pequena dos assistentes mais inteligentes e sem ego. Depende em parte da velocidade da internet, mas geralmente eu ajusto trabalhadores = 12.

Eu costumava trabalhar como lavador de pratos na cafeteria de estudantes quando estudava matemática na Universidade de Quioto. Embora o pagamento fosse cerca de 5 dólares por hora, eu sempre gostei de trabalhos manuais repetitivos depois de passar várias horas — ou às vezes vários dias — em profunda concentração intelectual. Mais tarde, quando trabalhei em uma fábrica de alho em Hokkaido, meu trabalho era simplesmente polir milhares de bulbos de alho branco para que parecessem mais brilhantes na esteira. Oito horas por dia — foco total, ritmo constante. Era estranhamente satisfatório. Agora, de volta a essas memórias, estou atualmente fazendo trabalho intelectual — escrevendo software, projetando sistemas, compondo esses artigos. Mas o equilíbrio não mudou. Se você me perguntar como consigo publicar um artigo de blog em 42 idiomas sozinho, a resposta honesta é: eu faço isso lavando louça.