Soporte de Idiomas: Fuentes y Texto a Voz
Mi blog ahora admite nueve idiomas: Japonés (ja), Español (es), Hindi (hi), Chino (zh), Inglés (en), Francés (fr), Alemán (de), Árabe (ar), y Chino Tradicional (hant). Puedes encontrar el sitio en https://lzwjava.github.io
Al tratar con múltiples idiomas en un entorno de computación, se deben considerar varios aspectos.
Manejo de Fuentes
Diferentes idiomas requieren fuentes específicas para una representación correcta, especialmente al generar PDFs utilizando LaTeX. El siguiente código en Python muestra cómo seleccionar fuentes adecuadas basadas en el sistema operativo y el idioma:
if platform.system() == "Darwin":
if lang == "hi":
CJK_FONT = "Kohinoor Devanagari"
elif lang == "ar":
CJK_FONT = "Geeza Pro"
elif lang in ["en", "fr", "de", "es"]:
CJK_FONT = "Helvetica"
elif lang == "zh":
CJK_FONT = "PingFang SC"
elif lang == "hant":
CJK_FONT = "PingFang TC"
elif lang == "ja":
CJK_FONT = "Hiragino Sans"
else:
CJK_FONT = "Arial Unicode MS"
else:
if lang == "hi":
CJK_FONT = "Noto Sans Devanagari"
elif lang == "ar":
CJK_FONT = "Noto Naskh Arabic"
elif lang in ["en", "fr", "de", "es"]:
CJK_FONT = "DejaVu Sans"
elif lang == "zh":
CJK_FONT = "Noto Sans CJK SC"
elif lang == "hant":
CJK_FONT = "Noto Sans CJK TC"
elif lang == "ja":
CJK_FONT = "Noto Sans CJK JP"
else:
CJK_FONT = "Noto Sans"
command = [
'pandoc',
input_markdown_path,
'-o', output_pdf_path,
'-f', 'markdown',
'--pdf-engine', 'xelatex',
'-V', f'romanfont={CJK_FONT}',
'-V', f'mainfont={CJK_FONT}',
'-V', f'CJKmainfont={CJK_FONT}',
'-V', f'CJKsansfont={CJK_FONT}',
'-V', f'CJKmonofont={CJK_FONT}',
'-V', f'geometry:{GEOMETRY}',
'-V', 'classoption=16pt',
'-V', 'CJKoptions=Scale=1.1',
'-V', 'linestretch=1.5'
]
Es importante señalar que esta solución no es perfecta. Por ejemplo, el texto en Hindi dentro de los bloques de comentarios de código puede no renderizarse como se espera.
Texto a Voz
Utilizo Google Text-to-Speech para generar versiones de audio de mis publicaciones de blog. El siguiente fragmento de código muestra cómo selecciono el código de idioma adecuado para el motor de texto a voz:
synthesis_input = texttospeech.SynthesisInput(text=chunk)
if language_code == "en-US":
voice_name = random.choice(["en-US-Journey-D", "en-US-Journey-F", "en-US-Journey-O"])
elif language_code == "cmn-CN":
voice_name = random.choice(["cmn-CN-Wavenet-A", "cmn-CN-Wavenet-B", "cmn-CN-Wavenet-C", "cmn-CN-Wavenet-D"])
elif language_code == "es-ES":
voice_name = random.choice(["es-ES-Journey-D", "es-ES-Journey-F", "es-ES-Journey-O"])
elif language_code == "fr-FR":
voice_name = random.choice(["fr-FR-Journey-D", "fr-FR-Journey-F", "fr-FR-Journey-O"])
elif language_code == "yue-HK":
voice_name = random.choice(["yue-HK-Standard-A", "yue-HK-Standard-B", "yue-HK-Standard-C", "yue-HK-Standard-D"])
elif language_code == "ja-JP":
voice_name = random.choice(["ja-JP-Neural2-B", "ja-JP-Neural2-C", "ja-JP-Neural2-D"])
elif language_code == "hi-IN":
voice_name = random.choice(["hi-IN-Wavenet-A", "hi-IN-Wavenet-B", "hi-IN-Wavenet-C", "hi-IN-Wavenet-D", "hi-IN-Wavenet-E", "hi-IN-Wavenet-F"])
elif language_code == "de-DE":
voice_name = random.choice(["de-DE-Journey-D", "de-DE-Journey-F", "de-DE-Journey-O"])
elif language_code == "ar-XA":
voice_name = random.choice(["ar-XA-Wavenet-A", "ar-XA-Wavenet-B", "ar-XA-Wavenet-C", "ar-XA-Wavenet-D"])
text_to_speech(
text=article_text,
output_filename=output_filename,
task=task,
language_code=language_code,
dry_run=dry_run,
progress=progress
)
En este momento, se genera audio para el contenido en chino e inglés. Para extender el soporte a otros idiomas, deben configurarse los códigos de idioma correspondientes.
Resumen
Los idiomas difieren en dos aspectos principales: su representación escrita (forma) y su forma hablada (pronunciación). La selección de fuentes y las configuraciones de texto a voz abordan estos dos aspectos, respectivamente.