cuesift

cuesift es un motor de triaje que selecciona de los resultados de traducción de subtítulos únicamente los elementos que realmente deben ser revisados por una persona. En lugar de revisar todo el subtítulo, asigna una puntuación de riesgo y coloca en la cola de revisión solo aquellos que superan un determinado porcentaje o umbral, reduciendo así el costo y los cuellos de botella. Funcionalidades principales: - CLI command: `cuesift check` (comprobación de normas de subtítulos – longitud de línea, CPS, solapamiento temporal, etc. 7 tipos de infracción), `cuesift translate` (traducción multilingüe usando LLM, aplicación automática de perfiles de norma por idioma de destino), `cuesift transcribe` (STT) - Triaje: inmediatamente después de la traducción, se calcula la peligrosidad utilizando las 9 señales de Tier 0 (ratio de longitud, tasa de traducción, duplicados, estructura vacía, etc.). Se puede establecer la cuota de revisión mediante `--review-budget`, `--review-threshold`, `--review-top-k`. - Tier 1: se capturan errores de significado mediante autoconsistencia (re-traducción del mismo segmento y medición de variabilidad) y retrotraducción (similitud de embeddings). Se usa junto `--tier1` y `--embed-model`. - Formatos de entrada/salida: se admiten SRT, WebVTT, ASS, SAMI. El nombre del archivo de salida sigue la regla `{stem}.{idioma_destino}.{extensión}`, evitando etiquetas de idioma duplicadas. - Caché: los resultados de las llamadas de traducción se guardan en `.cuesift/cache/` para reducir el costo de red en ejecuciones posteriores. - Informe de revisión: se proporciona en formato JSON o HTML. Benchmark: En el experimento de inserción de errores sintéticos utilizando el corpus TED2020, con un presupuesto del 10% se obtuvo una tasa de captura de errores (Recall) 7,32 veces mayor para en-ko y 7,56 veces mayor para ja-ko en comparación con la selección aleatoria. Sin embargo, esto se basa en errores sintéticos; la correspondencia con errores reales de traducción aún no ha sido verificada. Los errores de negación (significado invertido) rara vez se detectan solo con señales determinísticas, lo que confirma la necesidad de Tier 1. Estado actual: Se encuentra en fase pre-alpha: el motor de señales de Tier 0 y los comandos de la CLI están implementados y medidos. La señal de retrotraducción de Tier 1 funciona, pero la lógica de selección de candidatos está incompleta. Se desaconseja el uso en producción hasta la estabilización oficial.