تشخیصدهنده زبان هوش مصنوعی

این تشخیص‌دهندهٔ زبان چه کاری انجام می‌دهد

یک متن را تایپ یا جای‌گذاری کنید، روی تشخیص زبان بزنید، و ابزار زبانی را که متن به آن نوشته شده نام می‌برد و نشان می‌دهد چقدر به آن اطمینان دارد. این کار توسط مدل تشخیص زبان MediaPipe انجام می‌شود که از طریق WebAssembly درون مرورگر شما اجرا می‌شود، بنابراین متنی که جای‌گذاری می‌کنید برای تحلیل به سروری فرستاده نمی‌شود. نخستین بار که از آن استفاده می‌کنید، صفحه مدل و محیط اجرایی آن را دانلود می‌کند؛ پس از آن، تشخیص به‌صورت محلی انجام می‌شود.

این ابزار یک شناساگر زبان است، نه مترجم. به شما می‌گوید متن به نظر می‌رسد به چه زبانی است، کد زبان به سبک ISO را می‌دهد و یک احتمال را گزارش می‌کند. متن را تبدیل نمی‌کند، اصلاح نمی‌کند و معنای آن را توضیح نمی‌دهد.

تشخیص چگونه کار می‌کند

صفحه یک مدل کوچک دسته‌بندی متن (یک فایل TensorFlow Lite) را همراه با محیط اجرایی وظایف متنی MediaPipe بارگذاری می‌کند. وقتی متنی را ارسال می‌کنید، مدل آن را در برابر زبان‌هایی که روی آن‌ها آموزش دیده امتیازدهی می‌کند و فهرستی رتبه‌بندی‌شده بازمی‌گرداند. ابزار نتیجهٔ برتر را نمایش می‌دهد: نام زبان، کد آن و احتمال به‌صورت درصد.

همه‌چیز پس از دانلود مدل روی دستگاه شما انجام می‌شود. کادر متن، شمارندهٔ کاراکتر، دکمهٔ تشخیص و کارت نتیجه همه JavaScript محلی هستند. به همین دلیل ابزار می‌تواند بدون حساب کاربری و بدون فرستادن پاراگراف شما به جایی کار کند.

بارگذاری نخست و دکمهٔ «Load AI Model»

چون مدل یک فایل جداگانه است، ابزار تا زمانی که به آن نیاز نباشد آن را دریافت نمی‌کند. می‌توانید برای شروع دانلود از پیش روی Load AI Model بزنید، یا به‌سادگی تشخیص را بزنید تا به‌طور خودکار بارگذاری شود. در حین بارگذاری، صفحه مرحلهٔ جاری را نشان می‌دهد («Preparing AI engine»، «Downloading modules»، «Loading language model»). وقتی تمام شد، دکمه به Model Ready تغییر می‌کند.

اگر دانلود ناموفق باشد، دکمه قرمز می‌شود و خط وضعیت خطا را نشان می‌دهد. این معمولاً مشکلی مربوط به شبکه یا مسدودکنندهٔ محتواست، نه مشکلی در متن شما. صفحه را دوباره بارگذاری کنید و دوباره امتحان کنید، یا درخواست‌های به CDN و میزبان مدلی که ابزار استفاده می‌کند را مجاز کنید.

کدام زبان‌ها پوشش داده شده‌اند

نقشهٔ زبان ابزار حدود ۱۱۰ کد را فهرست می‌کند و بیشتر زبان‌های پرکاربرد و بسیاری از زبان‌های منطقه‌ای را در بر می‌گیرد: انگلیسی، اسپانیایی، فرانسوی، آلمانی، پرتغالی، ایتالیایی، هلندی، روسی، اوکراینی، لهستانی، چکی، رومانیایی، یونانی، ترکی، عربی، عبری، فارسی، اردو، هندی، بنگالی، پنجابی، گجراتی، مراتی، تامیلی، تلوگو، کانادا، مالایالام، سینهالی، نپالی، چینی (ساده‌شده و سنتی)، ژاپنی، کره‌ای، ویتنامی، تایلندی، اندونزیایی، مالایی، فیلیپینی، سواحیلی، امهری، یوروبایی، زولو، آفریقایی و دیگران.

پوشش با قطعیت یکی نیست. زبان‌های نزدیک به هم واژگان و نحو مشترکی دارند، و مدل ممکن است به‌جای گونهٔ دقیق، زبان همسایه را بازگرداند. یک عبارت کوتاه به پرتغالی می‌تواند به‌عنوان اسپانیایی امتیاز بگیرد، و یک جمله به نروژی می‌تواند به‌عنوان دانمارکی امتیاز بگیرد. رقم اطمینان راهنمای شماست: هرچه پایین‌تر باشد، نتیجه بیشتر باید به‌عنوان یک حدس بهترین‌گونه تلقی شود.

نحوهٔ استفاده از تشخیص‌دهنده

1. حداقل چند کلمه را در کادر متن تایپ یا جای‌گذاری کنید. شمارندهٔ کاراکتر هم‌زمان با تایپ به‌روزرسانی می‌شود، و دکمهٔ تشخیص تا زمانی که حداقل سه کاراکتر وجود نداشته باشد غیرفعال می‌ماند.
2. به‌طور اختیاری روی Load AI Model بزنید و منتظر بمانید تا گزارش دهد که مدل آماده است.
3. روی تشخیص زبان بزنید.
4. کارت نتیجه را بخوانید: یک درصد، نام زبان و کد زبان.
5. اگر نتیجه نادرست به نظر می‌رسد، نمونهٔ بلندتری را جای‌گذاری کنید و دوباره تشخیص دهید.
6. روی پاک کردن بزنید تا کادر خالی و نتیجه بازنشانی شود.

خواندن امتیاز اطمینان

ابزار امتیاز را در سه بازه دسته‌بندی می‌کند. بالای ۸۰ درصد، تشخیص را با اطمینان بالا برچسب می‌زند. بین ۵۰ تا ۸۰ درصد پیشنهاد می‌کند متن بیشتری اضافه کنید. زیر ۵۰ درصد هشدار می‌دهد که نتیجه ضعیف است. این بازه‌ها کمک‌های نمایشی هستند، نه تضمین: امتیاز بالا برای یک نام تجاری دوکلمه‌ای هنوز می‌تواند نادرست باشد، و امتیاز متوسط برای یک پاراگراف بلند می‌تواند درست باشد.

از امتیاز به‌عنوان نشانه‌ای درباره اینکه مدل چه میزان شواهد یافته استفاده کنید، نه به‌عنوان معیاری از اینکه چقدر باید به‌طور کلی به ابزار اعتماد کنید. وقتی دو زبان محتمل هستند، زبان رتبهٔ دوم اغلب سرنخ مفیدی است، و به همین دلیل نمونهٔ بلندتر کمک می‌کند.

گرفتن نتیجهٔ بهتر

• از جمله استفاده کنید، نه تک‌واژه. یک کلمه اغلب میان زبان‌ها مشترک است؛ یک جملهٔ کامل به مدل دستور زبان و واژه‌های نقشی می‌دهد تا با آن‌ها کار کند.
• از نام‌ها، کدها و اعداد بپرهیزید. نام محصول‌ها، URLها و شماره‌های سری هیچ نشانهٔ زبانی ندارند و می‌توانند پیش‌بینی را به سمت زبانی که به آن شباهت دارند بکشانند.
• نمونه را در یک زبان نگه دارید. متن چندزبانه ترکیبی از نشانه‌ها تولید می‌کند؛ مدل هنوز یک پاسخ برتر بازمی‌گرداند، که ممکن است گمراه‌کننده باشد.
• متن ساده را جایگذاری کنید. اگر می‌توانید، HTML، مُهرهای زمانی و قالب‌بندی را حذف کنید؛ آن‌ها نویز اضافه می‌کنند.
• با قطعهٔ دیگری تکرار کنید. اگر دو نمونه با هم اختلاف داشته باشند، ممکن است متن کوتاه، ترکیبی یا واقعاً مبهم باشد.

چه کاری انجام نمی‌دهد

این ابزار ترجمه، نویسه‌گردانی، اصلاح املا یا تشخیص قطعی گویش‌ها را انجام نمی‌دهد. متن رومَوی را به‌شکل قابل‌اتکا نمی‌خواند: هندی یا اردو که با حروف لاتین نوشته شده باشد اغلب برای مدل شبیه انگلیسی یا زبانی دیگر با خط لاتین به نظر می‌رسد، چون مدل نویسه‌ها را می‌بیند، نه زبان مورد نظر را. همچنین همهٔ زبان‌های نامزد را در رابط کاربری برنمی‌گرداند؛ فقط زبان اول را نشان می‌دهد، حتی وقتی گزینهٔ دوم نزدیک است.

حریم خصوصی و فعالیت شبکه

متن شما در مرورگر می‌ماند. درخواست‌های شبکه‌ای که صفحه انجام می‌دهد برای کد خود ابزار، زمان اجرای MediaPipe، فایل‌های WebAssembly و فایل مدل است؛ هیچ‌یک از آن‌ها پاراگراف شما را در بر نمی‌گیرد. ممکن است مرورگر آن فایل‌ها را در حافظهٔ نهان نگه دارد، بنابراین بازدید بعدی می‌تواند از دانلود صرف‌نظر کند، هرچند پاک‌کردن حافظهٔ نهان یا بارگذاری مجدد کامل دوباره آن‌ها را واکشی می‌کند. مانند هر صفحهٔ دیگری، سرور درخواست خود صفحه را ثبت می‌کند، اما نه متنی را که در کادر تایپ می‌کنید.

اشتباهات رایج

• آزمایش با یک کلمه. ورودی‌های کوتاه عامل اصلی نتایج غافلگیرکننده‌اند.
• این تصور که امتیاز پایین یعنی شکست. یعنی شواهد اندک است؛ متن بیشتری اضافه کنید.
• انتظار اینکه هندی رومَوی به‌عنوان هندی شناسایی شود. ورودی با خط لاتین به‌عنوان زبانی با خط لاتین امتیاز می‌گیرد.
• فشردن تشخیص پیش از بارگذاری مدل و به این نتیجه رسیدن که خراب است. پنل بارگذاری پیشرفت را نشان می‌دهد؛ صبر کنید تا تمام شود.
• برخورد با ابزار به‌عنوان مترجم. این ابزار شناسایی می‌کند؛ تبدیل انجام نمی‌دهد.

محدودیت‌ها

تشخیص‌دهنده روی متنی کار می‌کند که جایگذاری می‌کنید، نه روی صدا یا تصویر، و دقتش به طول نمونه و شباهت زبانی بستگی دارد. یک زبان برتر را گزارش می‌دهد تا یک رتبه‌بندی کامل، بنابراین موارد نزدیک پنهان می‌مانند. مدل و زمان اجرا از میزبان‌های شخص ثالث دانلود می‌شوند، یعنی نخستین استفاده مستلزم در دسترس بودن آن میزبان‌هاست. نمی‌تواند زبانی را که مدل بر آن آموزش ندیده است تشخیص دهد، و نمی‌تواند بگوید کدام گویش یا گونهٔ منطقه‌ای به کار رفته است.

پرسش‌های متداول