Traduce PDF

Libro PDF traducido conservando el diseño

Convierte un PDF de libro (típicamente escaneado) a otro idioma manteniendo la misma maquetación: mismas cajas de texto, tipografía equivalente, arte y mapas intactos, paridad de página (la p87 traducida es la p87 original). Probado end-to-end en un manual de rol de 258 páginas.

El texto lo traduce un modelo LOCAL del usuario (Ollama), no tú. Tú orquestas: diagnosticas, reparas la maquinaria, adjudicas OCR contra el render y decides. Esta división no es opcional — traducir un libro entero de corrido es reproducir una obra protegida. Tú sí puedes: pasajes cortos, encabezados, etiquetas de mapa, tablas reconstruidas y todo el trabajo de composición.

Memoria extendida en gbrain (consúltala al arrancar)

La crónica detallada de cada proyecto (qué documento, glosarios curados, decisiones editoriales, cómo retomarlo) vive en la memoria PRIVADA del usuario en gbrain — este archivo trae lo crítico; allá está el detalle con contexto:

• mcp__gbrain__search "pdf traducción" y mcp__gbrain__get_page de las páginas pdf-traduccion-* — consúltalas al arrancar y antes de decisiones grandes (terminología ya curada, trampas por tipo de documento, proyectos retomables).

Si gbrain no está disponible en la sesión, NO te bloquees: este archivo basta para operar; solo pierdes el detalle histórico.

Al TERMINAR un proyecto: actualiza este SKILL.md + scripts con lo aprendido (capa ejecutable) y escribe/actualiza una página pdf-traduccion-* en gbrain (capa buscable), enlazándolas entre sí en ambas direcciones. Regla anti-inflación: aquí las capacidades se escriben en presente y sin historial (nada de nombres de proyecto ni fechas en el cuerpo); la crónica de cada proyecto —qué libro, cuándo, qué salió mal— vive SOLO en su página de gbrain.

Quick start

1. TRIAJE PRIMERO — crea el proyecto con traduce-pdf init y ejecuta traduce-pdf run triage --project <proyecto>. Nunca arranques el pipeline de parcheo sin esto: si el PDF es digital, ese camino desperdicia calidad.
2. Pregunta lo mínimo (§Decisiones) y completa el project.json generado.
3. Ejecuta traduce-pdf preflight --project <proyecto>: inventaría las fuentes vectoriales de todas las páginas y crea templates/fonts/font-policy.json y qa/font-audit.json. Resuelve cada familia/estilo, verifica la cobertura del idioma destino, documenta el origen/licencia y vuelve a ejecutar el preflight. Los proyectos nuevos bloquean run pilot y run translate sin evidencia vigente. Una auditoría aprobada confirma disponibilidad; no aplica todavía el mapa de fuentes a todos los compositores ni certifica fidelidad visual. Conecta y comprueba las fuentes en el render antes de traducir. Revisa manualmente texto en imágenes, contornos y PDFs sin fuentes vectoriales.
4. Ejecuta traduce-pdf doctor --project <proyecto>. El motor y el entorno son centrales: no copies scripts/ ni crees un venv dentro del proyecto.
5. F0–F2: catálogo, OCR, glosario. F3: piloto de 10 páginas — no sigas sin piloto limpio.
6. F4: producción por tandas de capítulo en segundo plano; repara lo que marque el QA.
7. F5 arte/mapas, F6 ensamble, F7 QA final, F7.5 validación total EN↔ES (obligatoria, §Ruta A — aplica igual en rutas B/C antes de entregar). F8 Foundry solo si aplica.

F-1 — Triaje: ¿qué clase de PDF es? (obligatorio)

00_triaje.py muestrea 8 páginas repartidas y mide tres señales: fuentes embebidas (¿el texto es vectorial?), texto extraíble y páginas de imagen única. La señal decisiva es la primera: un PDF de diseño puede llevar arte a sangre con texto vectorial encima, y sigue siendo digital.

Madurez real de cada ruta (no la infles al usuario):

• C — probada end-to-end en un libro de 258 páginas. Es la ruta segura.
• B — C con el OCR abaratado; misma maquinaria.
• A — probada end-to-end en un zine de diseño repartido en 3 documentos y en un libro de rol denso de 153 páginas (tablas de clase, statblocks, listas de conjuros, índice, portada). Capacidades y reglas en §Ruta A; la crónica de cada proyecto y sus porqués viven en gbrain, no aquí. El piloto de páginas representativas sigue siendo obligatorio (una de cada tipo: prosa, tabla, lista, statblock, título de capítulo, índice, portada).

Verificación extra cuando el veredicto es HIBRIDO: que la capa parezca limpia no basta. Se ha visto una capa que extraía 545 palabras por página y aun así traía las cabeceras destrozadas. Contrasta 1–2 páginas de la capa contra un OCR fresco antes de confiar en ella.

Decisiones (pregunta esto al inicio, nada más)

• Idioma/variante destino (p. ej. español de México).
• Destino: pantalla, impresión casera o ambos (define calidad del ensamble).
• Dominio y terminología: ¿hay glosario oficial que respetar (SRD, norma técnica, edición previa)?
• Modelo local: ollama list y elige; verifica que responda antes de empezar.

Todo lo demás se decide con datos: el catálogo dice qué páginas son texto, arte o mapa.

project.json y compatibilidad legacy

Los proyectos nuevos usan claves en inglés y esquema 3 en project.json; el contrato vigente está en docs/project-schema.md del repositorio central. El siguiente ejemplo es únicamente el contrato legacy que acepta el adaptador para proyectos anteriores:

{
  "titulo": "Nombre original", "titulo_es": "Nombre traducido",
  "slug": "nombre-libro", "pdf_origen": "../Nombre original.pdf",
  "idioma_destino": "español de México", "dominio": "manual de rol d20",
  "modelo": "qwen3.5:35b-a3b-coding-nvfp4",
  "engine": {"package": "traduce-pdf", "version": "0.1.0",
             "profile": "digital", "mode": "packaged"},
  "nombres_propios": ["Karvek", "Puertobruma"],
  "reglas_extra": ["Hit: = Impacto:", "undead = muertos vivientes"],
  "secciones": [[6, "Introducción"], [18, "Capítulo 1"]]
}

Todos los scripts leen de aquí vía _proyecto.py: no hay rutas ni títulos quemados. Claves opcionales de la ruta A (compose, portada, pagina_indice, indice_fijos): ver §Ruta A. Para montar la carpeta del proyecto y el orden de ejecución completo, lee references/plantilla-proyecto.md.

Instalación

El repositorio canónico es yacafx/pdf-translation-toolkit (privado). Instala la CLI una vez con uv tool install --editable '.[digital]' desde el clon local. Para escaneos usa el extra scan; es independiente porque Torch y OCR tienen un impacto de instalación mucho mayor.

Los proyectos nuevos usan engine.mode: packaged. Un proyecto antiguo con modificaciones locales puede usar temporalmente mode: legacy y legacy_script_root: scripts; conserva su snapshot como extensión, pero utiliza el entorno y la orquestación centrales.

• OCR = Apple Vision (macOS, 1.2 s/pág, excelente con cabeceras y cifras).
• Inpainting = LaMa TorchScript directo (70_lama.py). No uses iopaint: fija un Pillow viejo que no compila en Python moderno. Descarga big-lama.pt (196 MB) a plantillas/modelos/.
• Fuentes: primero consigue la familia completa desde el proveedor oficial y verifica glifos, estilo y licencia. Adobe Fonts se activa desde Creative Cloud y se referencia en su ubicación administrada: no copies ni parches sus archivos. Solo considera FontForge cuando la licencia de otra fuente permita modificarla; guarda los derivados permitidos en templates/fonts/patched/. El fsType es evidencia técnica, no una licencia completa. Consulta docs/typography-preflight.md en el motor central.

Fases

F0 — Catálogo (rutas B y C). 01_catalog.py clasifica cada página (texto / arte+caption / mapa / mixta) y renderiza fondos 300 dpi. Ojo: las páginas de un escaneo tienen tamaños variables; los fondos salen de pdftoppm por página (geometría real), no del JPEG crudo.

F1 — OCR. 10_ocr_vision.py → 11_corpus.py (+12_reclassify.py) producen líneas con caja, tipo y columna. 23_bloques.py agrupa en bloques, deshifena y detecta capitulares.

F2 — Glosario. 20_entidades.py extrae candidatos; valida contra la fuente oficial y guarda traduccion/glosario.tsv (EN→ES, fuente, nota). El TSV manda sobre cualquier intuición. 21_glosario_check.py valida coherencia.

F3 — Piloto (GO/NO-GO). 10 páginas representativas: prosa, tabla, panel de datos, capitular, arte con caption. Solo si las 10 quedan limpias pasa a producción.

F4 — Producción. 35_traduce_ollama.py INICIO FIN hace por página: traducir → componer → QA → auto-reparar → progress.csv. Lánzalo en segundo plano por capítulo y ve reparando lo que marque. 60_paneles.py reconstruye fichas de datos (statblocks) como paneles estructurados.

F5 — Arte y mapas. 71_arte.py enmascara etiquetas, reconstruye el fondo con LaMa, el modelo traduce y se compone con las fuentes del libro. Arte sin texto: --sin-texto.

F6 — Ensamble. 50_assemble.py --todas sustituye páginas en el PDF original, pone marcadores en el idioma destino y saca dos salidas (maestro 300 dpi + digital ~150 dpi). Es re-corrible: hazlo tras cada tanda para tener siempre un híbrido usable.

F7 — QA final. Barrido de defectos (§Detectores), hoja de contactos de páginas representativas y verificación visual.

F8 — Foundry VTT (opcional, solo material de rol). 80_foundry.py genera diarios por capítulo + glosario (lee ruta A o C; secciones desde proyecto.json); 81_foundry_fase2.py añade actores dnd5e, RollTables, escenas y handouts; se empaqueta con bunx @foundryvtt/foundryvtt-cli. TRES TRAMPAS del CLI: (1) exige _key (!coleccion!id) en CADA documento Y en los embebidos (!journal.pages!entry.page, !actors.items!…) — sin él omite documentos o truena, y el pack queda VACÍO en silencio; (2) --out es la carpeta PADRE (el CLI añade el nombre del pack; pasarle la ruta completa anida pack/pack); (3) verificar SIEMPRE con package unpack contando documentos — bajo bun el unpack puede fallar con «Iterator is not open», usar npx.

Ruta A — pipeline completo (scripts 90–97)

• 90_digital.py --piloto/--traduce/--compone INI FIN — extracción, traducción y composición por página (reanuda: salta páginas con JSON existente).

Qué hace la composición de 90_digital.py (todo automático salvo lo marcado):

• Reinserción con insert_htmlbox; redacciones con fill=False (el relleno por defecto pinta rectángulos sobre fondos oscuros) y PDF_REDACT_IMAGE_NONE (el arte va debajo).

• Sonda de tinta por píxeles para rótulos de una línea: las métricas del motor HTML mienten ~0.65×cuerpo y sin la sonda los títulos caen sobre el bloque siguiente. "compose": {"sube": true} extiende la compensación a párrafos multilínea.

• Expansión de caja a la derecha limitada por la columna real (máx x1 de bloques MULTILÍNEA; los de una línea la sobreestiman); bloques de barra lateral no se expanden.

• Listones verticales rotados (1 línea y alto > 2×ancho); segmentación por salto de cuerpo ≥1.25× (get_text pega títulos con párrafos); capitulares fusionadas a su párrafo («T»+«he» → «The»); modo lista (mediana de línea ≤30 chars → conservar saltos; línea sangrada = continuación); run-in en versalitas reconstruido desde el EN (el modelo pierde los tokens).

• Tablas por celda (tabla_frases): números y símbolos JAMÁS se tocan; separadores de columna por huecos de cobertura horizontal + esqueleto numérico; en tablas de marcas (✦) cada palabra del encabezado se asigna al centro de columna más cercano; ordinales 1st→1.º automáticos.

• Line-art: MuPDF solo borra sub-trazos totalmente cubiertos por la redacción (una letra que sobresale 0.3 pt sobrevive entera). Con "line_art": "auto" se une a la redacción el dibujo chico (3–60 pt) mayormente dentro del bloque + los glifos realmente pintados vía get_texttrace() (las capas de sombra pintan fuera del bbox de get_text) — necesario cuando los encabezados llevan copia vectorial. Con "line_art": "none" el vectorial se protege — necesario cuando hay adornos pegados al texto que deben sobrevivir. Elegir según el documento en el piloto.

• Fuentes embebidas: casi siempre subconjunto Identity-H sin glifos acentuados — NO sirven para texto nuevo; se compone con familias completas (base-14) o con "fuente_sustituta": "/ruta/a.ttf" en proyecto.json.

• Valores del es/pag-NNN.json de la ruta A: además de "texto", "~" y null (§Convenciones), dict {t, caja, size, lineas, centrado, alin} para fusiones a mano; al dar caja más chica que el bbox original, el original se redacta completo igual.

• Saltos de línea en ruta A: \n\n (el token ⏎ es de la ruta C y se imprime literal). Listas con {t: "uno\n\ndos", lineas: N} conservan un elemento por renglón.

• Rasgo duplicado por segmentación (ids tipo b11b): el modelo mete el rasgo COMPLETO en el primer segmento y las continuaciones se traducen aparte → texto doble en página. Se detecta como LARGO (ratio >200 %) con un vecino que repite contenido. Receta: bloque largo = {t, caja: unión de los bboxes}, continuaciones = "~".

• desduplica() colapsa palabras repetidas ENTRE nombres adyacentes en bloques-lista («… Zombie / Zombie Pack» pierde una entrada). Al reconstruir listas contra el glosario, los tokens sin match suelen ser víctimas de ese colapso: reinsertar.

• Normalizar guiones U+2011 → - antes del match de glosario_pagina: un guion no separable en el original esquiva la fila del glosario y el modelo improvisa.

• Página de contenido a 2-3 columnas: 97_indice puede unir segmentos de columnas vecinas. Alternativa que funciona: construir es/pag-NNN.json a mano con UN RENGLÓN POR ENTRADA ({t: "*Título . . . N*\n\n…", lineas: N}, título traducido, puntos y folio intactos) y componer por la vía normal. Para retocar UNA página del libro ya ensamblado: recomponerla sola e insertarla con delete_page + insert_pdf (guardando a temp + move) — mucho más barato que re-ensamblar todo.

• 95_libro.py [INI FIN] — ensambla el libro entero sobre el PDF original, marcadores en idioma destino desde secciones, y guarda con deflate_images + garbage=4 (apply_redactions descomprime las imágenes: sin esto un libro de 23 MB sale en 216 MB; con esto, en 16). Portada e índice van por composición especial si proyecto.json declara "portada" / "pagina_indice". Compuerta: sin la validación total de F7.5 el libro completo sale como -BORRADOR.pdf.

• 96_qa.py — barrido: SIN-TRAD, inglés residual, números alterados, glosario, tokens, y VALIDACION (falta o cobertura incompleta de la validación total F7.5).

• 97_indice.py — índice con puntos líder: reemplaza SOLO el segmento del título de cada entrada (los puntos y números de página quedan intactos); títulos de sección fijos en "indice_fijos"; ojo con números pegados al título («Background114»), se separan por caracteres. La página que guarda sale de "pagina_indice".

• 98_consistencia.py — validación determinística EN↔ES de TODO el libro; abarata la validación total (F7.5) dejando a Claude solo lo que exige juicio. Detecta NUM (números alterados), MARCADO (asteriscos/tokens desbalanceados), CORTO/LARGO (ratio ES/EN fuera de 45–200 %: delata rotación de contenido entre claves), INGLES, PERDIDO (nombre propio del EN ausente en el ES) y DIVERGE (el MISMO texto EN traducido de dos formas distintas en el libro). Córrelo ANTES de gastar agentes revisores.

• 99_marcado.py — repara el marcado desbalanceado contra el EN en dos fases: alinea el cierre del run-in copiándolo del original y luego cierra al final lo que quede abierto. Idempotente; lo no reparable lo lista para adjudicar a mano.

• 97b_sentido.py — sospechas de significado equivocado, que ningún detector de forma ve: FALSO-AMIGO (tabla EN→calco: eventually/vicious/actually/realize…), NEGACION (el EN niega y el ES perdió la negación), CONDICION (el EN nombra una condición y el ES otra), FRECUENCIA (once per rest/scene/session cambiado) y RECURSO (Hope↔Fear intercambiados). NO decide: marca candidatos para adjudicar uno a uno contra el original.

• digital_ligero.py [dpi] [calidad] — saca la versión de pantalla DEL maestro con Document.rewrite_images(), que recomprime respetando máscaras y recortes. Jamás con replace_image() a mano: pierde el SMask y el arte acaba pintado ENCIMA del texto (ya probado y descartado). El texto sigue vectorial; solo cambian las imágenes.

Orden del cierre (F7–F7.5), cada paso alimenta al siguiente: 99_marcado.py → 98_consistencia.py → 97b_sentido.py → adjudicar cada hallazgo contra el EN → aplicar con scripts idempotentes → recomponer SOLO las páginas tocadas → registrar en qa/validacion-total.tsv → 95_libro.py. Los falsos positivos se documentan en qa/overrides.tsv con su motivo; no se «corrige» lo que ya estaba bien.

Claves nuevas de proyecto.json (todas opcionales): "compose": {"line_art": "auto|none", "sube": false} · "portada": {"zona": […], "caja": […], "titulo": "…", "tamano": 52, "color": "white", "contorno": "black"} (efecto contorno = N copias desplazadas + relleno) · "pagina_indice": 3 · "indice_fijos": {"Chapter 1: …": "Capítulo 1: …"}.

Consistencia con lo YA entregado: si existe un proyecto hermano entregado del mismo juego/dominio, sus es/ son la autoridad terminológica: grep ahí ANTES de fijar o «corregir» un término. Dos veces por proyecto el instinto propone divergir de una decisión ya impresa — y pierde.

Glosario como palanca de consistencia: el modelo local inventa un nombre distinto para el mismo término en cada página. Antes de producción, construir el glosario COMPLETO (todos los nombres de conjuros/habilidades/etiquetas de tabla, no solo lore) e inyectarlo filtrado por página (glosario_pagina). Si el dominio tiene terminología oficial localizada (juegos, normas técnicas), verificarla contra la fuente oficial antes de producción — las fuentes concretas ya validadas están en las notas privadas de gbrain.

F7.5 — Validación total EN↔ES (GO/NO-GO, OBLIGATORIA)

Tras el QA automático, el orquestador (no el modelo local) revisa TODO el texto EN↔ES por tramos: agentes paralelos que reportan reemplazos exactos página\tbloque\ttipo\tfragmento_actual\tfragmento_corregido; el orquestador adjudica CADA hallazgo contra el EN antes de aplicar — los revisores también se equivocan e inventan términos. En un libro denso salen ~6 correcciones/página que los detectores no ven: género en viñetas, falsos amigos (vicious→vicioso, check→tirada vs prueba), rotaciones de contenido entre claves (cazarlas también con ES < 45 % del largo del EN), celdas de tabla mal etiquetadas. Aplicación idempotente: si el fragmento nuevo ya está, cuenta como aplicado (sobrevive a relanzamientos).

Antes de gastar agentes, resolver los DIVERGE por REGLAS DE MASA con jerarquía de canonicidad: (1) el apéndice de referencia manda sobre los mazos imprimibles; (2) la página real de la sección/clase manda sobre listados, ejemplos y hojas de referencia (que adoptan la redacción conservando MAYÚSCULAS/negritas locales); (3) entre duplicados del capítulo de adversarios, el statblock real manda sobre el ejemplo anotado. Al aplicar hallazgos de agentes: CADA reemplazo lleva una GUARDA (regex sobre el EN del bloque) — los revisores contradicen el glosario a veces y la guarda lo detiene. Si un agente reporta con tope de hallazgos, pedirle el resto. Y en 96_qa, ~80 % de los falsos GLOSARIO son conjugaciones («marques» vs «marcar un Estrés»): filtrar por raíz (4 primeras letras) antes de revisar a mano.

Esta fase NO es opcional y deja evidencia: registra qa/validacion-total.tsv con # cobertura: INI-FIN (rangos revisados; un tramo sin hallazgos también cuenta) y una fila por corrección aplicada (contrato en _validacion.py). La compuerta es mecánica: 95_libro.py produce -BORRADOR.pdf si la cobertura no abarca todas las páginas, y 96_qa.py lo reporta como defecto VALIDACION. Saltártela exige decisión EXPLÍCITA del usuario (--sin-validar) — nunca la tomes tú solo.

Convenciones de traduccion/es/pag-NNN.json

• extiende: ["b04","b05"] fusiona bloques partidos por el OCR (los absorbidos ya no se componen: nunca metas ahí una celda que deba traducirse aparte).
• caja: [x0,y0,x1,y1] sustituye la geometría cuando el OCR perdió líneas (adjudícala contra un recorte del render).
• __statblocks__ para fichas de datos estructuradas.
• Marcado: ***negrita-cursiva***, **negrita**, *cursiva*, ‹sc›versalitas‹/sc›, ⏎.

Reglas duras (aprendidas a la mala — respétalas)

Modelo local

• think:false en qwen/deepseek: thinking + JSON forzado en prompts largos = timeout infinito.
• Verifica siempre lo que devuelve: números idénticos, términos de glosario presentes, nada de inglés residual, y que los nombres propios del bloque original aparezcan en su traducción (detecta contenido rotado entre claves, un fallo silencioso y peligroso).
• El modelo a veces renombra la clave o devuelve vacío: acepta clave única como fallback.
• Traduce nombres propios si lo dejas: lista negra explícita + barrido posterior.
• Traduce nombres de PERSONAJES en los ejemplos de juego y créditos de artista (una fila de glosario genérica tipo «Bear→Oso» le pega al artista Bear): los bloques de crédito («© … 20XX» + nombre) van a null, y los diálogos de ejemplo se barren buscando los nombres del reparto.
• Traduce «Tier» y unidades del juego aunque las reglas lo prohíban: fila EN==ES en el glosario («Tier→Tier») arma el detector PERDIDO y evita recaídas silenciosas.
• Rota rangos en statlines: correr POR TANDA un detector barato que extrae el rango (Melee/Very Close/…) de la misma posición en EN y ES y los compara. Caza errores que cambian el alcance de un adversario en mesa.

Composición

• El tamaño se topa por el interlineado del OCR: en fragmentos de una línea eso lo vuelve diminuto. Un size explícito con caja manda sobre ese tope.
• El parche de un panel debe cubrir todos los bloques absorbidos, o el texto original queda visible debajo (síntoma: "texto encimado").
• Los títulos se centran en la página completa salvo que declaren caja.
• WeasyPrint: nunca <p> dentro de <span> (línea fantasma); columns no funciona en divs absolutos (haz el reparto de columnas midiendo con PIL); box-shadow no existe.
• Parches todos antes que los textos (orden de capas).
• Los regex de limpieza de tokens deben ceñirse a ‹›: si incluyen «» se comen la letra inicial de palabras españolas tras comillas («gran» → «ran»).
• Rótulos multi-palabra del original con espaciado de letras («N E E D F O R S P E E D»): tradúcelos con espaciado NORMAL; si conservas los espacios entre letras, los espacios de palabra desaparecen al componer («NECESIDADDEVELOCIDAD»).

Trabajo sobre imagen

• Respalda el fondo antes de editarlo (corpus/render300-orig/) y, si dudas de su pureza, regenéralo del PDF fuente con pdftoppm.
• Después de cualquier composición sobre imagen: renderiza y míralo. El QA no ve imágenes. Tres veces en este proyecto el QA dijo ✓ con el resultado visualmente roto.
• Vision barre también los márgenes: filtra créditos de artista verticales (x < 4 % del ancho) y nombres sueltos en mayúsculas.

Diagnóstico

• Escaneos de texto siempre insensibles a mayúsculas (Their capitalizado sobrevivió tres rondas de limpieza).
• Antes de editar un bloque, imprime su valor crudo; no supongas su forma.
• Falsos positivos comunes del validador: «celestial bodies» (cuerpos celestes), «Piercing the Illusion» (encabezado, no daño), «lightning-quick» (modismo). Documenta con glosario_skip en qa/v4-overrides.json, no "corrijas" lo que ya estaba bien.
• Si el compose falla, debe fallar ruidosamente: verifica returncode y existencia del PDF (un bug de tamaño 0 pasó 38 páginas con ✓ ciego).

Ciclo de auto-reparación (ya implementado en 35_traduce_ollama.py)

1. Overflow → acortar el bloque con el modelo (2 rondas, guardias de números y glosario) → escalera de tamaños 8.5 → 8.3 → 8.2 con acortado intermedio → caja extendida.
2. Glosario → re-traducir solo los bloques con el término fallado, con requisito duro y verificación de que el término aparezca.
3. Números → casi siempre es OCR del original revuelto: adjudica contra un recorte del render y documenta numeros_ok en overrides.
4. Inglés residual / rotación → re-traducción suelta del bloque.

Cuándo parar y preguntar al usuario: cambio de alcance (traducir o no portada, créditos, marcas registradas), rehacer una página completa desde cero, o un defecto que solo él puede juzgar estéticamente. Todo lo demás resuélvelo tú.

Detectores de defectos (F7)

• Huérfanos: bloques con texto sin entrada en el JSON — whitelistea extiende y resto-L/R o tendrás ~120 falsos positivos por 1 real.
• Solapes: cajas de bloques compuestos que se intersectan >40 px × >12 px.
• Sin traducir: stopwords del idioma origen en el JSON traducido, sin distinguir mayúsculas.
• Hoja de contactos: renderiza 10 páginas representativas y míralas.

Rendimiento realista

Espera 40–60 % de páginas limpias a la primera en material denso; el resto pasa por reparación. Es normal y está automatizado.

Uso personal

Este flujo es para material del que el usuario ya posee copia y para su uso privado. Deja constancia en el proyecto y no publiques ni distribuyas el resultado.