AI ભાષા ડિટેક્ટર

આ ભાષા ડિટેક્ટર શું કરે છે

ટેક્સ્ટનો કોઈ ટુકડો ટાઇપ કરો અથવા પેસ્ટ કરો, Detect Language દબાવો, અને આ ટૂલ જે ભાષામાં તે લખાયેલું છે તે ભાષાનું નામ જણાવે છે અને તે કેટલો વિશ્વાસપાત્ર છે તે દર્શાવે છે. આ કામ MediaPipeના ભાષા-શોધ મોડેલ દ્વારા થાય છે, જે WebAssembly મારફતે તમારા બ્રાઉઝરમાં જ ચાલે છે, તેથી તમે પેસ્ટ કરેલો ટેક્સ્ટ વિશ્લેષણ માટે સર્વર પર મોકલાતો નથી. પહેલી વાર વાપરતી વખતે પેજ મોડેલ અને તેનું રનટાઇમ ડાઉનલોડ કરે છે; ત્યારપછી, શોધ સ્થાનિક રીતે જ થાય છે.

આ ભાષા ઓળખનાર છે, અનુવાદક નથી. તે તમને જણાવે છે કે ટેક્સ્ટ કઈ ભાષામાં જણાય છે, ISO-શૈલીનો ભાષા કોડ આપે છે, અને સંભાવના જણાવે છે. તે ટેક્સ્ટને બદલતું નથી, સુધારતું નથી, કે તેનો અર્થ સમજાવતું નથી.

શોધ કેવી રીતે કામ કરે છે

પેજ એક નાનું ટેક્સ્ટ-વર્ગીકરણ મોડેલ (એક TensorFlow Lite ફાઇલ) સાથે MediaPipeનું ટેક્સ્ટ ટાસ્ક રનટાઇમ લોડ કરે છે. જ્યારે તમે ટેક્સ્ટ સબમિટ કરો છો, ત્યારે મોડેલ તેને જે ભાષાઓ પર તાલીમ મેળવી છે તેની સામે સ્કોર કરે છે અને ક્રમબદ્ધ યાદી પરત કરે છે. ટૂલ સૌથી ઉપરનું પરિણામ દર્શાવે છે: ભાષાનું નામ, તેનો કોડ, અને ટકાવારી તરીકેની સંભાવના.

મોડેલ ડાઉનલોડ થયા પછીનું બધું તમારા ઉપકરણ પર જ થાય છે. ટેક્સ્ટએરિયા, અક્ષર ગણતરી, Detect બટન અને પરિણામ કાર્ડ – બધું સ્થાનિક JavaScript છે. તેથી જ આ ટૂલ ખાતા વગર અને તમારો પેરાગ્રાફ ક્યાંય મોકલ્યા વગર કામ કરી શકે છે.

પહેલી લોડિંગ અને “Load AI Model” બટન

મોડેલ એક અલગ ફાઇલ હોવાથી, ટૂલ તેને જરૂર પડે ત્યાં સુધી લાવતું નથી. તમે ડાઉનલોડ અગાઉથી શરૂ કરવા Load AI Model દબાવી શકો છો, અથવા ફક્ત Detect દબાવીને તેને આપોઆપ લોડ થવા દેવું. લોડ થતી વખતે પેજ ચાલુ પગલું દર્શાવે છે (“Preparing AI engine”, “Downloading modules”, “Loading language model”). પૂરું થાય ત્યારે બટન Model Ready માં બદલાય છે.

જો ડાઉનલોડ નિષ્ફળ જાય, તો બટન લાલ થાય છે અને સ્ટેટસ લાઇન ભૂલ દર્શાવે છે. તે સામાન્ય રીતે નેટવર્ક કે કન્ટેન્ટ-બ્લોકરની સમસ્યા હોય છે, તમારા ટેક્સ્ટની સમસ્યા નહીં. પેજ ફરી લોડ કરો અને ફરી પ્રયાસ કરો, અથવા ટૂલ વપરાયેલા CDN અને મોડેલ હોસ્ટને વિનંતીઓની મંજૂરી આપો.

કઈ ભાષાઓ આવરી લેવાય છે

ટૂલના ભાષા નકશામાં લગભગ 110 કોડની યાદી છે, જે સૌથી વધુ વપરાતી ભાષાઓ અને ઘણી પ્રાદેશિક ભાષાઓને આવરી લે છે: English, Spanish, French, German, Portuguese, Italian, Dutch, Russian, Ukrainian, Polish, Czech, Romanian, Greek, Turkish, Arabic, Hebrew, Persian, Urdu, Hindi, Bengali, Punjabi, Gujarati, Marathi, Tamil, Telugu, Kannada, Malayalam, Sinhala, Nepali, ચાઇનીઝ (સરળ અને પરંપરાગત), Japanese, Korean, Vietnamese, Thai, Indonesian, Malay, Filipino, Swahili, Amharic, Yoruba, Zulu, Afrikaans અને અન્ય.

આવરણ એ નિશ્ચિતતા સમાન નથી. નજીક સંબંધિત ભાષાઓ શબ્દભંડોળ અને વાક્યરચના વહેંચે છે, અને મોડેલ ચોક્કસ પ્રકારને બદલે પડોશી ભાષા પરત કરી શકે છે. પોર્ટુગીઝમાંનો ટૂંકો શબ્દસમૂહ સ્પેનિશ તરીકે સ્કોર થઈ શકે છે, અને નોર્વેજિયનમાંનું વાક્ય ડેનિશ તરીકે સ્કોર થઈ શકે છે. વિશ્વાસનો આંકડો તમારો માર્ગદર્શક છે: તે જેટલો નીચો, તેટલું પરિણામને શ્રેષ્ઠ અંદાજ તરીકે ગણવું જોઈએ.

ડિટેક્ટરનો ઉપયોગ કેવી રીતે કરવો

1. ટેક્સ્ટ બોક્સમાં ઓછામાં ઓછા થોડા શબ્દો ટાઇપ કરો અથવા પેસ્ટ કરો. તમે ટાઇપ કરતાં અક્ષર ગણતરી અપડેટ થાય છે, અને ઓછામાં ઓછા ત્રણ અક્ષરો ન થાય ત્યાં સુધી Detect બટન નિષ્ક્રિય રહે છે.
2. વૈકલ્પિક રીતે Load AI Model દબાવો અને મોડેલ તૈયાર છે તેવું જણાવે ત્યાં સુધી રાહ જુઓ.
3. Detect Language દબાવો.
4. પરિણામ કાર્ડ વાંચો: એક ટકાવારી, ભાષાનું નામ અને ભાષા કોડ.
5. જો પરિણામ ખોટું લાગે, તો લાંબો નમૂનો પેસ્ટ કરો અને ફરી શોધ કરો.
6. બોક્સ ખાલી કરવા અને પરિણામ રીસેટ કરવા Clear દબાવો.

વિશ્વાસ સ્કોર વાંચવો

ટૂલ સ્કોરને ત્રણ શ્રેણીઓમાં વહેંચે છે. 80 ટકાથી ઉપર તે શોધને ઉચ્ચ વિશ્વાસ તરીકે ઓળખે છે. 50 થી 80 ટકાની વચ્ચે તે વધુ ટેક્સ્ટ ઉમેરવાનું સૂચવે છે. 50 ટકાથી નીચે તે ચેતવે છે કે પરિણામ નબળું છે. આ શ્રેણીઓ રજૂઆતની સહાય છે, બાંયધરી નહીં: બે-શબ્દના બ્રાન્ડ નામ પરનો ઉચ્ચ સ્કોર તો પણ ખોટો હોઈ શકે, અને લાંબા પેરાગ્રાફ પરનો મધ્યમ સ્કોર સાચો હોઈ શકે.

સ્કોરને મોડેલને કેટલો પુરાવો મળ્યો તેનો સંકેત તરીકે વાપરો, સામાન્ય રીતે ટૂલ પર કેટલો ભરોસો મૂકવો તેના માપદંડ તરીકે નહીં. જ્યારે બે ભાષાઓ શક્ય લાગે, ત્યારે બીજા ક્રમની ભાષા ઘણી વાર ઉપયોગી સૂત્ર હોય છે, તેથી જ લાંબો નમૂનો મદદ કરે છે.

વધુ સારું પરિણામ મેળવવું

• એક શબ્દને બદલે વાક્યો વાપરો. એક શબ્દ ઘણી વાર ભાષાઓમાં સમાન હોય છે; પૂરું વાક્ય મોડેલને વ્યાકરણ અને કાર્યદર્શક શબ્દો આપે છે.
• નામ, કોડ અને નંબર ટાળો. ઉત્પાદન નામ, URL અને સિરિયલ નંબરમાં ભાષાનો સંકેત હોતો નથી અને તે આગાહીને જે ભાષા સાથે મળતા આવે તે તરફ ખેંચી શકે છે.
• નમૂનો એક જ ભાષામાં રાખો. મિશ્ર-ભાષા ટેક્સ્ટ સંકેતોનું મિશ્રણ ઉત્પન્ન કરે છે; મોડેલ તો પણ એક જ ટોચનો જવાબ પરત કરે છે, જે ભ્રામક હોઈ શકે.
• સાદો ટેક્સ્ટ પેસ્ટ કરો. જો શક્ય હોય તો HTML, ટાઇમસ્ટેમ્પ અને ફોર્મેટિંગ દૂર કરો; તે ઘોંઘાટ ઉમેરે છે.
• બીજા કલમ સાથે પુનરાવર્તન કરો. જો બે નમૂનાઓ અસહમત હોય, તો ટેક્સ્ટ ટૂંકું, મિશ્ર અથવા ખરેખર અસ્પષ્ટ હોઈ શકે.

તે શું કરતું નથી

તે અનુવાદ, લિપ્યંતરણ, જોડણી સુધારો કરતું નથી અથવા ચોકસાઈપૂર્વક બોલીઓ ઓળખતું નથી. તે રોમન લિપિમાં લખાયેલા ટેક્સ્ટને વિશ્વસનીય રીતે વાંચતું નથી: લેટિન અક્ષરોમાં લખાયેલી હિન્દી કે ઉર્દૂ મોટે ભાગે મોડેલને અંગ્રેજી કે અન્ય લેટિન-લિપિ ભાષા જેવી લાગે છે, કારણ કે મોડેલ અક્ષરો જુએ છે, ઇચ્છિત ભાષા નહીં. તે ઇન્ટરફેસમાં દરેક સંભવિત ભાષા પણ દર્શાવતું નથી; તે ટોચની એક દર્શાવે છે, જ્યારે દ્વિતીય સ્થાને રહેલી ભાષા નજીક હોય ત્યારે પણ.

ગોપનીયતા અને નેટવર્ક પ્રવૃત્તિ

તમારો ટેક્સ્ટ બ્રાઉઝરમાં જ રહે છે. પૃષ્ઠ જે નેટવર્ક વિનંતીઓ કરે છે તે સાધનના પોતાના કોડ, MediaPipe રનટાઇમ, WebAssembly ફાઇલો અને મોડેલ ફાઇલ માટે હોય છે; તેમાંથી કોઈમાં તમારો પેરાગ્રાફ હોતો નથી. બ્રાઉઝર તે ફાઇલો કેશ કરી શકે છે, તેથી પછીની મુલાકાતમાં ડાઉનલોડ છોડી શકાય છે, જોકે કેશ સાફ કરવાથી કે હાર્ડ રીલોડથી તે ફરી ફેચ થશે. કોઈપણ પૃષ્ઠની જેમ, સર્વર પૃષ્ઠ માટેની વિનંતી લોગ કરે છે, પરંતુ બોક્સમાં તમે લખેલો ટેક્સ્ટ નહીં.

સામાન્ય ભૂલો

• એક શબ્દથી પરીક્ષણ કરવું. ટૂંકા ઇનપુટ આશ્ચર્યજનક પરિણામોનું મુખ્ય કારણ છે.
• ઓછો સ્કોર એટલે નિષ્ફળતા એમ માનવું. તેનો અર્થ છે કે પુરાવા પાતળા છે; ટેક્સ્ટ ઉમેરો.
• રોમન હિન્દી હિન્દી તરીકે ઓળખાશે એવી અપેક્ષા રાખવી. લેટિન-લિપિ ઇનપુટ લેટિન-લિપિ ભાષા તરીકે ગણાય છે.
• મોડેલ લોડ થાય તે પહેલાં Detect દબાવવું અને તે બગડેલું છે એમ માનવું. લોડિંગ પેનલ પ્રગતિ દર્શાવે છે; તે પૂર્ણ થાય ત્યાં સુધી રાહ જુઓ.
• સાધનને અનુવાદક તરીકે ગણવું. તે ઓળખે છે; તે રૂપાંતર કરતું નથી.

મર્યાદાઓ

ડિટેક્ટર તમે પેસ્ટ કરેલા ટેક્સ્ટ પર કામ કરે છે, ઓડિયો કે ઇમેજ પર નહીં, અને તેની ચોકસાઈ નમૂનાની લંબાઈ અને ભાષાની સામ્યતા પર આધાર રાખે છે. તે સંપૂર્ણ ક્રમાંકનને બદલે એક ટોચની ભાષા જણાવે છે, તેથી નજીકના તફાવતો છુપાયેલા રહે છે. મોડેલ અને રનટાઇમ તૃતીય-પક્ષના હોસ્ટ્સમાંથી ડાઉનલોડ થાય છે, જેનો અર્થ છે કે પ્રથમ વપરાશ માટે તે હોસ્ટ્સ સુધી પહોંચવું જરૂરી છે. તે એવી ભાષા ઓળખી શકતું નથી જેના પર મોડેલને તાલીમ આપવામાં આવી નથી, અને તે તમને કહી શકતું નથી કે કઈ બોલી કે પ્રાદેશિક પ્રકાર વપરાય છે.

વારંવાર પૂછાતા પ્રશ્નો