AI ഭാഷാ ഡിറ്റക്ടർ

ഈ ഭാഷാ ഡിറ്റക്ടർ എന്താണ് ചെയ്യുന്നത്

ഒരു ഭാഗം ടെക്സ്റ്റ് ടൈപ്പ് ചെയ്യുകയോ പേസ്റ്റ് ചെയ്യുകയോ ചെയ്ത് ഭാഷ കണ്ടെത്തുക അമർത്തുക, എന്നിട്ട് അത് ഏത് ഭാഷയിലാണ് എഴുതിയിരിക്കുന്നതെന്ന് ഉപകരണം പറയുകയും അതിന്റെ ഉറപ്പ് എത്രയാണെന്ന് കാണിക്കുകയും ചെയ്യും. ഈ ജോലി നിങ്ങളുടെ ബ്രൗസറിനുള്ളിൽ WebAssembly വഴി പ്രവർത്തിക്കുന്ന MediaPipe-ന്റെ ഭാഷാ-കണ്ടെത്തൽ മോഡലാണ് ചെയ്യുന്നത്, അതിനാൽ നിങ്ങൾ പേസ്റ്റ് ചെയ്യുന്ന ടെക്സ്റ്റ് വിശകലനത്തിനായി ഒരു സെർവറിലേക്ക് അയയ്ക്കുന്നില്ല. ആദ്യമായി ഉപയോഗിക്കുമ്പോൾ, പേജ് മോഡലും അതിന്റെ റൺടൈമും ഡൗൺലോഡ് ചെയ്യുന്നു; അതിനുശേഷം, കണ്ടെത്തൽ പ്രാദേശികമാണ്.

ഇത് ഒരു ഭാഷാ ഐഡന്റിഫയറാണ്, ഒരു വിവർത്തകനല്ല. ടെക്സ്റ്റ് ഏത് ഭാഷയാണെന്ന് തോന്നുന്നതെന്ന് ഇത് പറയുകയും ISO-ശൈലിയിലുള്ള ഭാഷാ കോഡ് നൽകുകയും ഒരു സാധ്യത റിപ്പോർട്ട് ചെയ്യുകയും ചെയ്യുന്നു. ഇത് ടെക്സ്റ്റ് പരിവർത്തനം ചെയ്യുകയോ തിരുത്തുകയോ അതിന്റെ അർത്ഥം വിശദീകരിക്കുകയോ ഇല്ല.

കണ്ടെത്തൽ എങ്ങനെ പ്രവർത്തിക്കുന്നു

MediaPipe-ന്റെ ടെക്സ്റ്റ് ടാസ്ക് റൺടൈമിനൊപ്പം ഒരു ചെറിയ ടെക്സ്റ്റ്-വർഗ്ഗീകരണ മോഡലും (ഒരു TensorFlow Lite ഫയൽ) പേജ് ലോഡ് ചെയ്യുന്നു. നിങ്ങൾ ടെക്സ്റ്റ് സമർപ്പിക്കുമ്പോൾ, അത് പരിശീലിപ്പിച്ച ഭാഷകൾക്കെതിരെ മോഡൽ സ്കോർ ചെയ്ത് ഒരു റാങ്ക് ചെയ്ത പട്ടിക നൽകുന്നു. ഉപകരണം ഏറ്റവും മികച്ച ഫലം പ്രദർശിപ്പിക്കുന്നു: ഭാഷയുടെ പേര്, അതിന്റെ കോഡ്, ശതമാനമായി സാധ്യത.

മോഡൽ ഡൗൺലോഡിനുശേഷമുള്ള എല്ലാം നിങ്ങളുടെ ഉപകരണത്തിൽത്തന്നെ നടക്കുന്നു. ടെക്സ്റ്റ് ഏരിയ, അക്ഷര കൗണ്ടർ, ഡിറ്റക്ട് ബട്ടൺ, ഫല കാർഡ് എന്നിവയെല്ലാം പ്രാദേശിക JavaScript ആണ്. അതുകൊണ്ടാണ് ഒരു അക്കൗണ്ടും കൂടാതെയും നിങ്ങളുടെ ഖണ്ഡിക എവിടെയും അയയ്ക്കാതെയും ഈ ഉപകരണത്തിന് പ്രവർത്തിക്കാൻ കഴിയുന്നത്.

ആദ്യ ലോഡും “Load AI Model” ബട്ടണും

മോഡൽ ഒരു പ്രത്യേക ഫയലായതിനാൽ, അത് ആവശ്യമാകുന്നതുവരെ ഉപകരണം അത് ഫെച്ച് ചെയ്യുന്നില്ല. ഡൗൺലോഡ് മുൻകൂട്ടി ആരംഭിക്കാൻ നിങ്ങൾക്ക് Load AI Model അമർത്താം, അല്ലെങ്കിൽ ഡിറ്റക്ട് അമർത്തി അത് സ്വയമേവ ലോഡ് ചെയ്യാൻ അനുവദിക്കാം. അത് ലോഡ് ചെയ്യുമ്പോൾ, നിലവിലെ ഘട്ടം പേജ് കാണിക്കുന്നു (“Preparing AI engine”, “Downloading modules”, “Loading language model”). അത് പൂർത്തിയാകുമ്പോൾ, ബട്ടൺ Model Ready എന്നാകുന്നു.

ഡൗൺലോഡ് പരാജയപ്പെട്ടാൽ, ബട്ടൺ ചുവപ്പാകും, സ്റ്റാറ്റസ് ലൈൻ പിശക് കാണിക്കും. അത് സാധാരണയായി നിങ്ങളുടെ ടെക്സ്റ്റിലെ പ്രശ്നമല്ല, മറിച്ച് ഒരു നെറ്റ്വർക്ക് അല്ലെങ്കിൽ കണ്ടന്റ്-ബ്ലോക്കർ പ്രശ്നമാണ്. പേജ് റീലോഡ് ചെയ്ത് വീണ്ടും ശ്രമിക്കുക, അല്ലെങ്കിൽ ഉപകരണം ഉപയോഗിക്കുന്ന CDN-ലേക്കും മോഡൽ ഹോസ്റ്റിലേക്കുമുള്ള അഭ്യർത്ഥനകൾ അനുവദിക്കുക.

ഏതൊക്കെ ഭാഷകൾ ഉൾക്കൊള്ളുന്നു

ഉപകരണത്തിന്റെ ഭാഷാ മാപ്പിൽ ഏകദേശം 110 കോഡുകൾ ഉണ്ട്, ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്ന ഭാഷകളും നിരവധി പ്രാദേശിക ഭാഷകളും ഉൾപ്പെടെ: ഇംഗ്ലീഷ്, സ്പാനിഷ്, ഫ്രഞ്ച്, ജർമ്മൻ, പോർട്ടുഗീസ്, ഇറ്റാലിയൻ, ഡച്ച്, റഷ്യൻ, ഉക്രേനിയൻ, പോളിഷ്, ചെക്ക്, റൊമാനിയൻ, ഗ്രീക്ക്, തുർക്കിഷ്, അറബിക്, ഹീബ്രു, പേർഷ്യൻ, ഉർദു, ഹിന്ദി, ബംഗാളി, പഞ്ചാബി, ഗുജറാത്തി, മറാത്തി, തമിഴ്, തെലുങ്ക്, കന്നഡ, മലയാളം, സിംഹള, നേപ്പാളി, ചൈനീസ് (ലളിതവും പരമ്പരാഗതവും), ജാപ്പനീസ്, കൊറിയൻ, വിയറ്റ്നാമീസ്, തായ്, ഇന്തോനേഷ്യൻ, മലായ്, ഫിലിപ്പിനോ, സ്വാഹിലി, അംഹാരിക്, യൊറൂബ, സുലു, ആഫ്രിക്കാൻസ് തുടങ്ങിയവ.

കവറേജ് ഉറപ്പിന് തുല്യമല്ല. അടുത്ത ബന്ധമുള്ള ഭാഷകൾ പദാവലിയും വാക്യഘടനയും പങ്കിടുന്നു, കൃത്യമായ വകഭേദത്തിനുപകരം മോഡൽ ഒരു അയൽഭാഷ നൽകിയേക്കാം. പോർട്ടുഗീസിലെ ഒരു ചെറിയ ശൈലി സ്പാനിഷായി സ്കോർ ചെയ്യാം, നോർവീജിയനിലെ ഒരു വാക്യം ഡാനിഷായി സ്കോർ ചെയ്യാം. ഉറപ്പിന്റെ അളവാണ് നിങ്ങളുടെ വഴ

ഇത് ചെയ്യാത്തത്

ഇത് വിവർത്തനം ചെയ്യുകയോ ലിപ്യന്തരണം നടത്തുകയോ അക്ഷരവിന്യാസം തിരുത്തുകയോ ഉപഭാഷകൾ ഉറപ്പോടെ തിരിച്ചറിയുകയോ ചെയ്യുന്നില്ല. റോമൻ ലിപിയിലുള്ള ടെക്സ്റ്റ് ഇത് വിശ്വസനീയമായി വായിക്കുന്നില്ല: ലാറ്റിൻ അക്ഷരങ്ങളിൽ എഴുതിയ ഹിന്ദിയോ ഉർദുവോ മോഡലിന് പലപ്പോഴും ഇംഗ്ലീഷ് അല്ലെങ്കിൽ ലാറ്റിൻ ലിപിയിലുള്ള മറ്റൊരു ഭാഷയായി തോന്നും, കാരണം മോഡൽ ഉദ്ദേശിച്ച ഭാഷയല്ല, അക്ഷരങ്ങളാണ് കാണുന്നത്. കൂടാതെ, ഇന്റർഫേസിൽ എല്ലാ സാധ്യതയുള്ള ഭാഷകളും ഇത് നൽകുന്നില്ല; രണ്ടാം സ്ഥാനക്കാരൻ അടുത്തായിരുന്നാലും ഒന്നാമത്തേത് മാത്രമാണ് കാണിക്കുന്നത്.

സ്വകാര്യതയും നെറ്റ്വർക്ക് പ്രവർത്തനവും

നിങ്ങളുടെ ടെക്സ്റ്റ് ബ്രൗസറിൽത്തന്നെ തുടരുന്നു. പേജ് നടത്തുന്ന നെറ്റ്വർക്ക് അഭ്യർത്ഥനകൾ ടൂളിന്റെ സ്വന്തം കോഡ്, MediaPipe റൺടൈം, WebAssembly ഫയലുകൾ, മോഡൽ ഫയൽ എന്നിവയ്ക്കുള്ളതാണ്; അവയിലൊന്നിലും നിങ്ങളുടെ ഖണ്ഡിക ഉൾപ്പെടുന്നില്ല. ബ്രൗസർ ആ ഫയലുകൾ കാഷെ ചെയ്തേക്കാം, അതിനാൽ പിന്നീടുള്ള സന്ദർശനത്തിൽ ഡൗൺലോഡ് ഒഴിവാക്കാം; എന്നാൽ കാഷെ മായ്ക്കുകയോ ഹാർഡ് റീലോഡ് നടത്തുകയോ ചെയ്താൽ അവ വീണ്ടും ലഭ്യമാക്കും. ഏതൊരു പേജിനെയും പോലെ, പേജിനുവേണ്ടിയുള്ള അഭ്യർത്ഥന സെർവർ ലോഗ് ചെയ്യുന്നു, പക്ഷേ ബോക്സിൽ നിങ്ങൾ ടൈപ്പ് ചെയ്യുന്ന ടെക്സ്റ്റ് അല്ല.

സാധാരണ തെറ്റുകൾ

• ഒരു വാക്ക് ഉപയോഗിച്ച് പരിശോധിക്കുക. ചെറിയ ഇൻപുട്ടുകളാണ് ആശ്ചര്യജനകമായ ഫലങ്ങളുടെ പ്രധാന കാരണം.
• കുറഞ്ഞ സ്കോർ എന്നാൽ പരാജയം എന്ന് കരുതുക. അതിന്റെ അർത്ഥം തെളിവ് കുറവാണ് എന്നാണ്; കൂടുതൽ ടെക്സ്റ്റ് ചേർക്കുക.
• റോമൻ ലിപിയിലുള്ള ഹിന്ദി ഹിന്ദിയായി തിരിച്ചറിയുമെന്ന് പ്രതീക്ഷിക്കുക. ലാറ്റിൻ ലിപിയിലുള്ള ഇൻപുട്ട് ഒരു ലാറ്റിൻ ലിപി ഭാഷയായാണ് സ്കോർ ചെയ്യുന്നത്.
• മോഡൽ ലോഡ് ആകുന്നതിന് മുൻപ് Detect അമർത്തി അത് തകരാറിലാണെന്ന് കരുതുക. ലോഡിംഗ് പാനൽ പുരോഗതി കാണിക്കുന്നു; അത് പൂർത്തിയാകുന്നതുവരെ കാത്തിരിക്കുക.
• ടൂളിനെ ഒരു വിവർത്തകനായി കണക്കാക്കുക. ഇത് തിരിച്ചറിയുന്നു; പരിവർത്തനം ചെയ്യുന്നില്ല.

പരിമിതികൾ

നിങ്ങൾ പേസ്റ്റ് ചെയ്യുന്ന ടെക്സ്റ്റിലാണ് ഡിറ്റക്ടർ പ്രവർത്തിക്കുന്നത്, ഓഡിയോയിലോ ചിത്രങ്ങളിലോ അല്ല, കൂടാതെ അതിന്റെ കൃത്യത സാമ്പിൾ ദൈർഘ്യത്തെയും ഭാഷയുടെ സമാനതയെയും ആശ്രയിച്ചിരിക്കുന്നു. ഒരു പൂർണ്ണ റാങ്കിംഗിനുപകരം ഒരു മുൻനിര ഭാഷ മാത്രമാണ് ഇത് റിപ്പോർട്ട് ചെയ്യുന്നത്, അതിനാൽ അടുത്ത മത്സരങ്ങൾ മറഞ്ഞിരിക്കുന്നു. മോഡലും റൺടൈമും മൂന്നാം കക്ഷി ഹോസ്റ്റുകളിൽ നിന്നാണ് ഡൗൺലോഡ് ചെയ്യുന്നത്, അതായത് ആദ്യ ഉപയോഗത്തിന് ആ ഹോസ്റ്റുകൾ ലഭ്യമായിരിക്കണം. മോഡൽ പരിശീലിപ്പിച്ചിട്ടില്ലാത്ത ഒരു ഭാഷ ഇതിന് കണ്ടെത്താനാകില്ല, കൂടാതെ ഏത് ഉപഭാഷയോ പ്രാദേശിക വകഭേദമോ ഉപയോഗത്തിലുണ്ടെന്ന് ഇതിന് പറയാനും കഴിയില്ല.

പതിവായി ചോദിക്കുന്ന ചോദ്യങ്ങൾ