Categoría: Investigaciones Himbestijadas

Todos los que amamos la lectura nos hemos topado con ese muro: un libro o una revista técnica que nos morimos por leer, pero que solo está disponible en inglés. Sí, existen traductores automáticos, pero suelen ser fríos, pierden las sutilezas y, lo peor de todo, destrozan el formato del libro original.

Aprovechando la potencia de mi nuevo Mac Studio M4 Max, decidí que ya era hora de dejar de pelearme con diccionarios y crear una herramienta que hiciera el trabajo sucio por mí, pero con la calidad de un traductor que entiende el contexto.

La idea: No queremos palabras, queremos historias

La premisa era sencilla: quería un proceso que tomara un archivo EPUB, lo tradujera usando un modelo de lenguaje (LLM) potente como Command R 35B y me devolviera otro EPUB idéntico en formato pero en mi idioma.

El camino no fue lineal, y como suele pasar en el desarrollo, la primera idea no fue la definitiva.

Paso 1: El desvío por el Markdown

Mi idea original era convertir el libro a Markdown, traducirlo y volver a generar el EPUB. ¿El problema? Los libros electrónicos son estructuras complejas de XHTML y CSS. Al convertir a Markdown, perdía los estilos específicos de la editorial, las fuentes embebidas y esa maquetación que hace que un libro sea cómodo de leer.

Paso 2: La cirugía estética (XHTML bloque a bloque)

Cambiamos de estrategia. Empezamos a abrir las «tripas» del libro y a extraer cada párrafo del código XHTML para enviárselo al modelo. Funcionaba, pero surgió un enemigo inesperado: la pérdida de contexto.

Si le envías a una IA diez párrafos sueltos, no sabe si «the ship» es una nave espacial o un barco, o si el protagonista es hombre o mujer si no se menciona en ese trozo exacto. La traducción perdía coherencia. Además, el modelo a veces se «cansaba» y dejaba los últimos párrafos de cada bloque en inglés.

Paso 3: El equilibrio perfecto (Markdown interno)

La solución final fue un enfoque híbrido. En lugar de convertir el libro entero, el script ahora:

1. Extrae el contenido de cada capítulo.
2. Lo limpia de «ruido» de código convirtiéndolo temporalmente a Markdown.
3. Envía el capítulo entero al modelo. Al ver el capítulo completo, la IA entiende el tono, el género y la continuidad narrativa.
4. El resultado se convierte de nuevo a HTML y se inyecta en la estructura original del libro.

El toque final: Un ciudadano ejemplar en macOS

Para que el proceso fuera perfecto, añadimos dos detalles de «calidad de vida»:

• Separación silábica: El script marca el nuevo libro como «Español». Esto parece una tontería, pero si no lo haces, el Kindle o el Kobo intentarán separar las palabras siguiendo reglas inglesas, y verás cortes extrañísimos al final de cada línea.
• Gestión de memoria: Usando la línea de comandos de LM Studio, el script carga el modelo al empezar y lo descarga al terminar. Así, mis 36GB de RAM vuelven a estar disponibles para programar en C# o C++ en cuanto el libro está listo.

¿Piratería o cultura?

Esta herramienta no es para piratear. Es para acceder a cultura que, de otro modo, se me quedaría fuera del alcance por la barrera idiomática. Es usar la tecnología para lo que mejor sabe hacer: derribar muros.

Si tienes un Mac potente o una buena GPU y quieres probarlo, aquí te dejo el script final. Solo necesitas LM Studio corriendo de fondo.

El Script: EPUB Translator v4.3

Python

import os
import sys
import subprocess
import warnings
import shutil
import ebooklib
from ebooklib import epub
from bs4 import BeautifulSoup, XMLParsedAsHTMLWarning
from markdownify import markdownify as md
import markdown
from openai import OpenAI

# --- CONFIGURACIÓN ---
PORT = "46357"
MODEL_ID = "c4ai-command-r-08-2024" 
TIMEOUT_LLM = 1200.0 # 20 minutos por capítulo

DEBUG_ROOT = "debug_traduccion"
ORIGINAL_DIR = os.path.join(DEBUG_ROOT, "1_original_xhtml")
TRANSLATED_DIR = os.path.join(DEBUG_ROOT, "2_traducido_xhtml")

warnings.filterwarnings("ignore", category=XMLParsedAsHTMLWarning)
BASE_URL = f"http://localhost:{PORT}/v1"
client = OpenAI(base_url=BASE_URL, api_key="lm-studio", timeout=TIMEOUT_LLM)

def preparar_carpetas():
    if os.path.exists(DEBUG_ROOT): shutil.rmtree(DEBUG_ROOT)
    os.makedirs(ORIGINAL_DIR); os.makedirs(TRANSLATED_DIR)

def manage_model(action="load"):
    """Gestiona el modelo usando el CLI 'lms' de LM Studio."""
    try:
        if action == "load":
            print(f"🚀 Cargando modelo: {MODEL_ID}...")
            subprocess.run(["lms", "load", MODEL_ID], check=True, capture_output=True)
        else:
            print("💤 Descargando modelos...")
            subprocess.run(["lms", "unload", "--all"], check=True, capture_output=True)
        print(f"✅ Operación '{action}' completada.")
    except Exception as e:
        print(f"⚠️ Error al gestionar modelo: {e}")

def is_untranslated(original, translated):
    """Detecta si el modelo ha devuelto el texto original sin cambios."""
    def clean(t): return "".join(t.split()).lower()
    return clean(original) == clean(translated)

def translate_markdown(content, source_lang, genre):
    system_prompt = f"""You are a professional literary translator. 
Translate this Markdown from {source_lang} to Spanish. Genre: {genre}.
RULES:
1. Preserve all Markdown formatting.
2. Return ONLY the translated Markdown."""

    try:
        response = client.chat.completions.create(
            model="local-model",
            messages=[{"role": "system", "content": system_prompt}, {"role": "user", "content": content}],
            temperature=0.1
        )
        translated = response.choices[0].message.content
        if is_untranslated(content, translated):
            print("   [!] El modelo devolvió el texto original. Reintentando...")
            return None
        return translated
    except Exception as e:
        print(f"   [!] Error API: {e}")
        return None

def process_epub(input_path, source_lang, genre):
    preparar_carpetas()
    manage_model("load")
    
    book = epub.read_epub(input_path)
    # Forzar metadatos de idioma a español para hyphenation correcta
    book.metadata['http://purl.org/dc/elements/1.1/']['language'] = [('es', {})]
    book.set_language('es')

    for item in book.get_items():
        if item.get_type() == ebooklib.ITEM_DOCUMENT:
            item_name = item.get_name()
            
            # Saltamos portadas e índices para no romper enlaces estructurales
            skip_keywords = ["TOC", "COVER", "TITLEPAGE", "NAV", "PORTADA"]
            if any(key in item_name.upper() for key in skip_keywords):
                print(f"⏩ Saltando: {item_name}")
                continue

            print(f"📖 Traduciendo: {item_name}")
            file_name = item_name.replace("/", "_")
            original_xhtml = item.get_content().decode('utf-8')
            
            # Guardar original para debug
            with open(os.path.join(ORIGINAL_DIR, file_name), "w", encoding="utf-8") as f:
                f.write(original_xhtml)

            # Paso a Markdown -> Traducción -> Paso a HTML
            md_content = md(original_xhtml, heading_style="ATX")
            translated_md = translate_markdown(md_content, source_lang, genre)
            
            if translated_md:
                new_body = markdown.markdown(translated_md)
                soup = BeautifulSoup(original_xhtml, features="xml")
                if soup.body:
                    soup.body.clear()
                    soup.body.append(BeautifulSoup(new_body, "html.parser"))
                
                # Marcar el archivo interno también como español
                html_tag = soup.find('html')
                if html_tag:
                    html_tag['lang'] = 'es'
                    html_tag['xml:lang'] = 'es'
                final_xhtml = soup.encode('utf-8')
            else:
                final_xhtml = original_xhtml.encode('utf-8')

            item.set_content(final_xhtml)
            with open(os.path.join(TRANSLATED_DIR, file_name), "wb") as f: 
                f.write(final_xhtml)

    out_name = f"ES_{os.path.basename(input_path)}"
    epub.write_epub(out_name, book)
    manage_model("unload")
    print(f"\n✅ Proceso finalizado: {out_name}")

if __name__ == "__main__":
    if len(sys.argv) < 4:
        print("Uso: python traductor.py libro.epub English ScienceFiction")
    else:
        process_epub(sys.argv[1], sys.argv[2], sys.argv[3])

Entrada creada con el apoyo de Gemini 3.1

Listado comparativo entre Todo Sherlock Holmes de la editorial Planeta, y los tres tomos de Sherlock Holmes edición anotada de Leslie S. Klinger. 

Todo Sherlock Holmes es una edición del canon completo un tanto peculiar, pues lista los cuentos y novelas de forma cronológicamente interna. Eso no quiere decir que se trate de un listado definitivo, porque hay otros estudiosos de la obra que propone otro listado cronológico. Personalmente creo que está un poco traído por los pelos (este y cualquier otro), pues Conan Doyle jamás pensó que los cuentos tuvieran ninguna relación de este tipo. Siempre he pensado que todas esas introducciones de Watson viudo u otros eventos descritos no son más que un artificio literario para dar un poco de contexto a la historia, y narran lo que primero le viniera a la mente a Sir Arthur. 

He creado dos tablas. En la primera lista el orden que aparece en Todo Sherlock Holmes con la siguiente explicación de las columnas:

1. 1. Número de historia en el devenir cronológico interno, sea novela o cuento
2. 2. Página en la que aparece en mi edición.
3. 3. El título que muestra esta edición.
4. 4. El título original.
5. 5. El título en la traducción de Klinger.
6. 6. El volumen en el que aparece (N = Novelas, I = Volumen I, II = Volumen II)
7. 7. La página en la edición de Klinger

(He de decir que mi edición de este último trae como primer tomo las novelas y luego los dos tomos de cuentos, pero he visto ediciones justo al revés, y por el contenido me da que la mía no es la correcta por algún motivo, ya que los prólogos, introducciones, introitos y demás zarandajas se encuentran en el primer volumen de los cuentos, que en esta edición es el tomo del centro si uno quiere formar la típica figura del investigador con los lomos). 

Y el segundo listado le da la vuelta al asunto, mostrando el orden de publicación en los tomos de Klinger, que sigue la publicación original recogida en varias colecciones de cuentos, y la página en donde aparece en Todo Sherlock.

Listado por Klinger

Equivalencia de relatos entre la edición de Valdemar y los dos volúmenes de Klinger sobre 

Lovecraft. 

Se listan los cuentos de Valdemar por el orden en el que aparecen, que es el cronológico de escritura/publicación, en el centro el título original, y a la derecha el título equivalente de Klinger y el volumen en el que está. Al final de uno de los volúmenes de Klinger se recoge una bibliografía completa del autor. 

Se observa que en la edición de Klinger faltan algunos relatos, sobre todo primerizos, y resulta curioso e inconveniente que la edición de Valdemar no tenga Las pirámides. 

Salvo error u omisión, eso es lo que hay.