AI भाषा डिटेक्टर

यह भाषा डिटेक्टर क्या करता है

कोई टेक्स्ट टाइप या पेस्ट करें, Detect Language दबाएँ, और टूल बताता है कि यह किस भाषा में लिखा गया है और उसका भरोसा कितना है। यह काम MediaPipe के language-detection मॉडल द्वारा किया जाता है जो WebAssembly के ज़रिए आपके ब्राउज़र के भीतर चलता है, इसलिए आपका पेस्ट किया गया टेक्स्ट विश्लेषण के लिए किसी सर्वर पर नहीं भेजा जाता। पहली बार उपयोग करने पर, पेज मॉडल और उसका रनटाइम डाउनलोड करता है; उसके बाद, डिटेक्शन लोकल ही होता है।

यह एक भाषा पहचानकर्ता है, अनुवादक नहीं। यह बताता है कि टेक्स्ट किस भाषा का प्रतीत होता है, ISO-शैली का भाषा कोड देता है, और एक प्रायिकता बताता है। यह टेक्स्ट को बदलता, सुधारता या उसका अर्थ समझाता नहीं है।

डिटेक्शन कैसे काम करता है

पेज एक छोटा टेक्स्ट-वर्गीकरण मॉडल (एक TensorFlow Lite फ़ाइल) और MediaPipe के text tasks रनटाइम को लोड करता है। जब आप टेक्स्ट सबमिट करते हैं, मॉडल उसे उन भाषाओं के मुक़ाबले स्कोर करता है जिन पर उसे प्रशिक्षित किया गया था और एक क्रमबद्ध सूची लौटाता है। टूल शीर्ष परिणाम दिखाता है: भाषा का नाम, उसका कोड, और प्रतिशत के रूप में प्रायिकता।

मॉडल डाउनलोड होने के बाद सब कुछ आपके डिवाइस पर होता है। टेक्स्टएरिया, कैरेक्टर काउंटर, Detect बटन और परिणाम कार्ड सभी लोकल JavaScript हैं। इसीलिए यह टूल बिना किसी अकाउंट के और आपके पैराग्राफ़ को कहीं भेजे बिना काम कर सकता है।

पहली लोडिंग और "Load AI Model" बटन

चूँकि मॉडल एक अलग फ़ाइल है, टूल इसे ज़रूरत पड़ने तक नहीं लाता। आप डाउनलोड पहले से शुरू करने के लिए Load AI Model दबा सकते हैं, या सीधे Detect दबाकर इसे स्वतः लोड होने दे सकते हैं। लोड होते समय, पेज वर्तमान चरण दिखाता है ("Preparing AI engine", "Downloading modules", "Loading language model")। पूरा होने पर, बटन Model Ready में बदल जाता है।

अगर डाउनलोड विफल हो जाए, तो बटन लाल हो जाता है और स्टेटस लाइन त्रुटि दिखाती है। यह आमतौर पर आपके टेक्स्ट की समस्या नहीं, बल्कि नेटवर्क या कंटेंट-ब्लॉकर की समस्या होती है। पेज को फिर से लोड करें और दोबारा प्रयास करें, या टूल द्वारा उपयोग किए जाने वाले CDN और मॉडल होस्ट के अनुरोधों की अनुमति दें।

कौन-सी भाषाएँ शामिल हैं

टूल का भाषा मैप लगभग 110 कोड की सूची देता है, जो अधिकांश व्यापक रूप से उपयोग की जाने वाली भाषाओं और कई क्षेत्रीय भाषाओं को कवर करता है: अंग्रेज़ी, स्पेनिश, फ़्रेंच, जर्मन, पुर्तगाली, इतालवी, डच, रूसी, यूक्रेनी, पोलिश, चेक, रोमानियाई, ग्रीक, तुर्की, अरबी, हिब्रू, फ़ारसी, उर्दू, हिन्दी, बांग्ला, पंजाबी, गुजराती, मराठी, तमिल, तेलुगु, कन्नड़, मलयालम, सिंहला, नेपाली, चीनी (सरलीकृत और पारंपरिक), जापानी, कोरियाई, वियतनामी, थाई, इंडोनेशियाई, मलय, फ़िलिपिनो, स्वाहिली, अम्हारिक, योरूबा, ज़ुलू, अफ़्रीकी और अन्य।

कवरेज का मतलब निश्चितता नहीं है। नज़दीकी रूप से संबंधित भाषाएँ शब्दावली और वाक्य-रचना साझा करती हैं, और मॉडल सटीक किस्म के बजाय किसी पड़ोसी भाषा को लौटा सकता है। पुर्तगाली का एक छोटा वाक्यांश स्पेनिश के रूप में स्कोर हो सकता है, और नॉर्वेजियाई का एक वाक्य डेनिश के रूप में। भरोसा आँकड़ा आपका मार्गदर्शक है: यह जितना कम होगा, परिणाम को उतना ही एक अनुमान मात्र मानना चाहिए।

डिटेक्टर का उपयोग कैसे करें

1. टेक्स्ट बॉक्स में कम से कम कुछ शब्द टाइप या पेस्ट करें। टाइप करते समय कैरेक्टर काउंटर अपडेट होता रहता है, और कम से कम तीन अक्षर होने तक Detect बटन अक्षम रहता है।
2. वैकल्पिक रूप से Load AI Model दबाएँ और इसके मॉडल तैयार होने की सूचना देने तक प्रतीक्षा करें।
3. Detect Language दबाएँ।
4. परिणाम कार्ड पढ़ें: एक प्रतिशत, भाषा का नाम और भाषा कोड।
5. अगर परिणाम ग़लत लगे, तो एक लंबा नमूना पेस्ट करें और दोबारा डिटेक्ट करें।
6. बॉक्स खाली करने और परिणाम रीसेट करने के लिए Clear दबाएँ।

भरोसा स्कोर पढ़ना

टूल स्कोर को तीन श्रेणियों में बाँटता है। 80 प्रतिशत से ऊपर यह डिटेक्शन को उच्च भरोसे के रूप में लेबल करता है। 50 से 80 प्रतिशत के बीच यह अधिक टेक्स्ट जोड़ने का सुझाव देता है। 50 प्रतिशत से नीचे यह चेतावनी देता है कि परिणाम कमज़ोर है। ये श्रेणियाँ प्रस्तुति में सहायक हैं, गारंटी नहीं: दो-शब्द के ब्रांड नाम पर उच्च स्कोर फिर भी ग़लत हो सकता है, और लंबे पैराग्राफ़ पर मध्यम स्कोर सही हो सकता है।

स्कोर को इस बात के संकेत के रूप में लें कि मॉडल को कितना प्रमाण मिला, इस बात के माप के रूप में नहीं कि आपको सामान्य तौर पर टूल पर कितना भरोसा करना चाहिए। जब दो भाषाएँ संभव लगें, तो दूसरे स्थान की भाषा अक्सर उपयोगी सुराग होती है, इसीलिए लंबा नमूना मदद करता है।

बेहतर परिणाम पाना

• वाक्यों का उपयोग करें, अकेले शब्दों का नहीं। एक शब्द अक्सर कई भाषाओं में समान होता है; एक पूरा वाक्य मॉडल को व्याकरण और फ़ंक्शन शब्द देता है जिन पर काम कर सके।
• नाम, कोड और संख्याओं से बचें। उत्पाद नाम, URL और सीरियल नंबरों में कोई भाषा संकेत नहीं होता और ये भविष्यवाणी को उस भाषा की ओर खींच सकते हैं जिससे वे मिलते-जुलते हैं।
• नमूने को एक ही भाषा में रखें। मिश्रित-भाषा टेक्स्ट संकेतों का मिश्रण उत्पन्न करता है; मॉडल फिर भी एक शीर्ष उत्तर लौटाता है, जो भ्रामक हो सकता है।
• सादा टेक्स्ट पेस्ट करें। अगर हो सके तो HTML, टाइमस्टैम्प और फ़ॉर्मैटिंग हटा दें; वे शोर बढ़ाते हैं।
• किसी अलग अनुच्छेद के साथ दोहराएँ। अगर दो नमूने अलग-अलग परिणाम दें, तो टेक्स्ट छोटा, मिश्रित या वास्तव में अस्पष्ट हो सकता है।

यह क्या नहीं करता

यह अनुवाद, लिप्यंतरण, वर्तनी-शोधन नहीं करता और न ही निश्चितता के साथ बोलियों की पहचान करता है। यह रोमन लिपि में लिखे टेक्स्ट को भरोसेमंद तरीके से नहीं पढ़ता: लैटिन अक्षरों में लिखी हिन्दी या उर्दू अक्सर मॉडल को अंग्रेज़ी या किसी अन्य लैटिन-लिपि भाषा जैसी लगती है, क्योंकि मॉडल अक्षर देखता है, इच्छित भाषा नहीं। यह इंटरफ़ेस में हर संभावित भाषा भी नहीं दिखाता; यह शीर्ष वाली भाषा दिखाता है, भले ही दूसरी भाषा बहुत करीब हो।

निजता और नेटवर्क गतिविधि

आपका टेक्स्ट ब्राउज़र में ही रहता है। पेज जो नेटवर्क अनुरोध करता है, वे टूल के अपने कोड, MediaPipe रनटाइम, WebAssembly फ़ाइलों और मॉडल फ़ाइल के लिए होते हैं; इनमें से किसी में भी आपका अनुच्छेद नहीं होता। ब्राउज़र उन फ़ाइलों को कैश कर सकता है, इसलिए बाद की विज़िट में डाउनलोड छूट सकता है, हालाँकि कैश साफ़ करने या हार्ड रीलोड करने पर वे फिर से आ जाएँगी। किसी भी पेज की तरह, सर्वर पेज के लिए किए गए अनुरोध का लॉग रखता है, लेकिन बॉक्स में आपके द्वारा टाइप किए गए टेक्स्ट का नहीं।

आम गलतियाँ

• एक शब्द से परीक्षण करना। छोटे इनपुट ही चौंकाने वाले परिणामों का मुख्य कारण हैं।
• कम स्कोर को विफलता मान लेना। इसका मतलब है कि साक्ष्य कम है; और टेक्स्ट जोड़ें।
• रोमन हिन्दी के हिन्दी के रूप में पहचाने जाने की अपेक्षा करना। लैटिन-लिपि इनपुट को लैटिन-लिपि भाषा के रूप में स्कोर किया जाता है।
• मॉडल लोड होने से पहले Detect दबाकर यह मान लेना कि यह खराब है। लोडिंग पैनल प्रगति दिखाता है; इसके पूरा होने का इंतज़ार करें।
• टूल को अनुवादक मानना। यह पहचान करता है; यह रूपांतरित नहीं करता।

सीमाएँ

डिटेक्टर आपके पेस्ट किए गए टेक्स्ट पर काम करता है, ऑडियो या छवियों पर नहीं, और इसकी सटीकता नमूने की लंबाई और भाषा की समानता पर निर्भर करती है। यह पूरी रैंकिंग के बजाय एक शीर्ष भाषा बताता है, इसलिए करीबी अंतर छिप जाते हैं। मॉडल और रनटाइम तीसरे पक्ष के होस्ट से डाउनलोड होते हैं, यानी पहले उपयोग के लिए उन होस्ट तक पहुँच होना ज़रूरी है। यह ऐसी भाषा का पता नहीं लगा सकता जिस पर मॉडल को प्रशिक्षित नहीं किया गया था, और यह नहीं बता सकता कि कौन सी बोली या क्षेत्रीय रूप प्रयोग में है।

अक्सर पूछे जाने वाले प्रश्न