Como Este Blog É Traduzido para 42 Idiomas

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

Sempre começo escrevendo cada artigo em inglês simples, incluindo os metadados relacionados ao SEO. Depois disso, meu script em Python envia o texto em inglês para a OpenAI API, 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 a tradução, o script envia imediatamente outra solicitação, desta vez pedindo bengali. O script passa automaticamente por todos os 42 idiomas alvo. 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 do idioma é colocada em seu próprio diretório. Finalmente, um script Python no lado do servidor atualiza o índice do artigo e os links “Próximo post” para que a navegação em 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. A resposta é algo chamado API, Interface de Programação de Aplicações. Você pode pensar em uma API como uma janela de mensageiro 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 quer, a cozinha prepara e o garçom traz de volta à sua mesa. E por que você precisa de um garçom? Porque você não entra na cozinha ou fala diretamente com o chef — você não sabe como a cozinha funciona, e não precisa. 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 desempenha o mesmo papel. Ela conecta dois sistemas diferentes sem exigir que eles entendam a linguagem ou o fluxo de trabalho interno um do outro.

Agora que vimos o que é uma API, aqui está o porquê de eu realmente depender dela para este blog. Na prática, eu sei como "conversar" com o ChatGPT por conta própria — 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 me concentrar em outras coisas. Sou um desenvolvedor solo, então preciso usar meu tempo da maneira mais eficiente possível. Sempre que vejo uma tarefa que é repetitiva e tem regras claras, eu a automato. O resultado geralmente é um processo milhões 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" instantaneamente e de forma confiável.

Tecnicamente, eu poderia adicionar muitos mais idiomas; levaria apenas alguns minutos a mais para rodar enquanto estou lavando louça. Mas eu pessoalmente gosto do número 42, a "Resposta para a Questão Fundamental da Vida, do Universo e de Tudo" do livro de Douglas Adams. Além da minha ligação com o número 42, adicionar idiomas muito menores pode ser arriscado, pois a tradução de 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 mal traduzidas, excessivamente literais ou sutilmente enganosas em certos idiomas. Também estava preocupado em gerar expressões que pudessem ser inadequadas 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 a configuração de temperatura — um parâmetro que controla o quão "criativo" ou "estrito" a IA deve ser. Uma temperatura alta torna a IA mais imaginativa, mas também mais imprevisível. Uma temperatura baixa a faz manter-se próxima ao significado original, mas às vezes pode parecer rígida. Foi preciso muito teste e erro para encontrar o equilíbrio certo: baixo o suficiente para garantir a precisão, mas não tão baixo que o texto se tornasse sem vida. Após muitos experimentos, senti que temperatura = 0.8 era o melhor ajuste para as necessidades deste blog: preciso o suficiente para permanecer fiel ao original em inglês, mas flexível o suficiente para soar natural em outros idiomas.

Modelos mais recentes como o ChatGPT 5 e 5.1 não suportam mais configurações de temperatura — o parâmetro foi removido e substituído por conceitos como raciocínio e esforço, que influenciam como o modelo pensa em vez 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 de tradução, mas a família 5.x segue uma filosofia completamente diferente. Se você pedir casualmente ao modelo mais recente para "traduzir isso com temperatura = 0.8", ele pode tentar se comportar como se tal configuração ainda existisse, mas internamente o parâmetro não existe mais. O modelo simplesmente aproxima a intenção. À medida que a OpenAI continua a atualizar seus modelos, posso ajustar meu pipeline de tradução algum dia. Por enquanto, o ChatGPT 4o continua sendo minha escolha para traduções multilíngues — não apenas porque entende bem o contexto em muitos idiomas, mas também porque o preço da sua API é razoável para um desenvolvedor solo como eu. De fato, o 4o pode ser considerado um dos modelos mais amados na história da OpenAI.

Uma coisa incrível sobre a OpenAI API — em comparação com o uso direto do ChatGPT 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 linha lenta. Em vez disso, a API pode processar muitas solicitações em paralelo, como se eu de repente contratasse uma sala cheia de tradutores que começassem a trabalhar de uma só vez. Meu script em Python lida com o fluxo de trabalho como uma pequena linha de produção: ele prepara o artigo em inglês, envia as solicitações, aguarda as respostas e processa os resultados em arquivos JSON. Enquanto isso, os servidores da OpenAI executam várias 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 oferecem um modelo, uma conversa, uma tarefa por vez. Mas com a API, você pode expandir sua carga de trabalho conforme seu script permitir. Para um desenvolvedor solo como eu, isso parece ter uma pequena equipe de assistentes inteligentes e sem ego. Depende parcialmente da velocidade da internet, mas geralmente configuro workers = 12.

Eu costumava trabalhar como lavador de pratos na cafeteria de estudantes quando estudava matemática na Universidade de Kyoto. Enquanto o pagamento era de cerca de 5 USD por hora, eu sempre gostei de trabalho manual repetitivo após 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 ficassem mais brilhantes na esteira. Oito horas por dia — foco total, ritmo constante. Era estranhamente satisfatório. Agora, de volta àquelas memórias, estou atualmente fazendo trabalho intelectual — escrevendo software, projetando sistemas, compondo estes artigos. Mas o equilíbrio não mudou. Se você me perguntar como eu consigo publicar um artigo de blog em 42 idiomas sozinho, a resposta honesta é: eu faço isso lavando louça.