Detector de idioma con IA

Qué hace este detector de idiomas

Escribe o pega un fragmento de texto, pulsa Detect Language y la herramienta indica el idioma en el que está escrito y muestra su nivel de confianza. El trabajo lo realiza el modelo de detección de idiomas de MediaPipe ejecutándose en tu navegador mediante WebAssembly, por lo que el texto que pegas no se envía a un servidor para su análisis. La primera vez que lo usas, la página descarga el modelo y su entorno de ejecución; a partir de ahí, la detección es local.

Es un identificador de idiomas, no un traductor. Te dice en qué idioma parece estar el texto, proporciona el código de idioma al estilo ISO e informa de una probabilidad. No convierte el texto, no lo corrige ni explica su significado.

Cómo funciona la detección

La página carga un pequeño modelo de clasificación de texto (un archivo TensorFlow Lite) junto con el entorno de ejecución de tareas de texto de MediaPipe. Cuando envías texto, el modelo lo puntúa frente a los idiomas con los que fue entrenado y devuelve una lista clasificada. La herramienta muestra el resultado principal: el nombre del idioma, su código y la probabilidad como porcentaje.

Todo lo que ocurre después de la descarga del modelo sucede en tu dispositivo. El área de texto, el contador de caracteres, el botón Detect y la tarjeta de resultados son JavaScript local. Por eso la herramienta puede funcionar sin cuenta y sin enviar tu párrafo a ningún sitio.

La primera carga y el botón «Load AI Model»

Como el modelo es un archivo aparte, la herramienta no lo descarga hasta que es necesario. Puedes pulsar Load AI Model para iniciar la descarga por adelantado, o simplemente pulsar Detect y dejar que se cargue automáticamente. Mientras se carga, la página muestra el paso actual («Preparing AI engine», «Downloading modules», «Loading language model»). Cuando termina, el botón cambia a Model Ready.

Si la descarga falla, el botón se vuelve rojo y la línea de estado muestra el error. Normalmente se trata de un problema de red o de un bloqueador de contenido, más que de un problema con tu texto. Recarga la página e inténtalo de nuevo, o permite las solicitudes al CDN y al host del modelo que utiliza la herramienta.

Qué idiomas están cubiertos

El mapa de idiomas de la herramienta incluye alrededor de 110 códigos, que cubren la mayoría de los idiomas más usados y muchos regionales: inglés, español, francés, alemán, portugués, italiano, neerlandés, ruso, ucraniano, polaco, checo, rumano, griego, turco, árabe, hebreo, persa, urdu, hindi, bengalí, punyabí, gujarati, maratí, tamil, telugu, canarés, malabar, cingalés, nepalí, chino (simplificado y tradicional), japonés, coreano, vietnamita, tailandés, indonesio, malayo, filipino, suajili, amhárico, yoruba, zulú, afrikáans y otros.

Cobertura no es lo mismo que certeza. Los idiomas estrechamente relacionados comparten vocabulario y sintaxis, y el modelo puede devolver un idioma vecino en lugar de la variedad exacta. Una frase corta en portugués puede puntuar como español, y una oración en noruego puede puntuar como danés. La cifra de confianza es tu guía: cuanto más baja sea, más debe tratarse el resultado como una simple conjetura.

Cómo usar el detector

1. Escribe o pega al menos unas pocas palabras en el cuadro de texto. El contador de caracteres se actualiza mientras escribes, y el botón Detect permanece desactivado hasta que haya al menos tres caracteres.
2. Opcionalmente, pulsa Load AI Model y espera a que indique que el modelo está listo.
3. Pulsa Detect Language.
4. Lee la tarjeta de resultados: un porcentaje, el nombre del idioma y el código de idioma.
5. Si el resultado parece incorrecto, pega una muestra más larga y vuelve a detectar.
6. Pulsa Clear para vaciar el cuadro y restablecer el resultado.

Cómo interpretar la puntuación de confianza

La herramienta agrupa la puntuación en tres franjas. Por encima del 80 por ciento, etiqueta la detección como de alta confianza. Entre el 50 y el 80 por ciento, sugiere añadir más texto. Por debajo del 50 por ciento, advierte de que el resultado es débil. Estas franjas son ayudas de presentación, no garantías: una puntuación alta en un nombre de marca de dos palabras puede seguir siendo errónea, y una puntuación media en un párrafo largo puede ser correcta.

Usa la puntuación como una señal de cuánta evidencia encontró el modelo, no como una medida de cuánto deberías confiar en la herramienta en general. Cuando dos idiomas son plausibles, el idioma en segundo lugar suele ser la pista útil, y por eso ayuda una muestra más larga.

Conseguir un mejor resultado

• Usa oraciones, no palabras sueltas. Una sola palabra suele ser compartida entre idiomas; una oración completa da al modelo gramática y palabras funcionales con las que trabajar.
• Evita nombres, códigos y números. Los nombres de productos, las URL y los números de serie no tienen ninguna señal de idioma y pueden inclinar la predicción hacia el idioma al que se parezcan.
• Mantén la muestra en un solo idioma. El texto con varios idiomas produce una mezcla de señales; el modelo sigue devolviendo una única respuesta principal, que puede ser engañosa.
• Pega texto sin formato. Elimina el HTML, las marcas de tiempo y el formato si puedes; solo añaden ruido.
• Repite con un fragmento diferente. Si dos muestras no coinciden, el texto puede ser corto, mixto o realmente ambiguo.

Qué no hace

No traduce, no translitera, no corrige la ortografía ni identifica dialectos con certeza. No lee texto romanizado de forma fiable: el hindi o el urdu escritos con letras latinas suelen parecerle al modelo inglés u otra lengua de escritura latina, porque el modelo ve los caracteres, no la lengua prevista. Tampoco devuelve en la interfaz todos los idiomas candidatos; muestra el primero, aunque el segundo esté muy cerca.

Privacidad y actividad de red

Tu texto permanece en el navegador. Las solicitudes de red que hace la página son para el propio código de la herramienta, el entorno de ejecución de MediaPipe, los archivos de WebAssembly y el archivo del modelo; ninguna de ellas contiene tu párrafo. El navegador puede almacenar esos archivos en caché, así que una visita posterior puede saltarse la descarga, aunque borrar la caché o una recarga forzada volverán a descargarlos. Como en cualquier página, el servidor registra la solicitud de la página en sí, pero no el texto que escribes en el cuadro.

Errores comunes

• Probar con una sola palabra. Las entradas cortas son la principal causa de resultados sorprendentes.
• Suponer que una puntuación baja significa un fallo. Significa que la evidencia es escasa; añade texto.
• Esperar que el hindi romanizado se detecte como hindi. La entrada en escritura latina se puntúa como una lengua de escritura latina.
• Pulsar Detectar antes de que cargue el modelo y suponer que no funciona. El panel de carga muestra el progreso; espera a que termine.
• Tratar la herramienta como un traductor. Identifica; no convierte.

Limitaciones

El detector funciona con el texto que pegas, no con audio ni imágenes, y su precisión depende de la longitud de la muestra y de la similitud entre idiomas. Informa de un único idioma principal en lugar de una clasificación completa, por lo que los casos reñidos quedan ocultos. El modelo y el entorno de ejecución se descargan de servidores de terceros, lo que significa que el primer uso requiere que esos servidores sean accesibles. No puede detectar un idioma para el que el modelo no se haya entrenado, y no puede decirte qué dialecto o variedad regional se está usando.

Preguntas frecuentes