Pengesan Bahasa AI

Apa yang dilakukan oleh pengesan bahasa ini

Taip atau tampal sekeping teks, tekan Kesan Bahasa, dan alat ini akan menamakan bahasa yang digunakan oleh teks tersebut serta menunjukkan tahap keyakinannya. Kerja ini dilakukan oleh model pengesanan bahasa MediaPipe yang berjalan di dalam pelayar anda melalui WebAssembly, jadi teks yang anda tampal tidak dihantar ke pelayan untuk dianalisis. Kali pertama anda menggunakannya, halaman ini memuat turun model dan masa jalannya; selepas itu, pengesanan dilakukan secara setempat.

Ia ialah pengenal bahasa, bukan penterjemah. Ia memberitahu anda bahasa apa yang kelihatan digunakan oleh teks itu, memberikan kod bahasa gaya ISO, dan melaporkan kebarangkalian. Ia tidak menukar teks, membetulkannya, atau menjelaskan maksudnya.

Bagaimana pengesanan berfungsi

Halaman ini memuatkan model pengelasan teks yang kecil (fail TensorFlow Lite) bersama masa tugas teks MediaPipe. Apabila anda menghantar teks, model akan menilai teks itu berbanding bahasa-bahasa yang dilatihnya dan mengembalikan senarai mengikut kedudukan. Alat ini memaparkan hasil teratas: nama bahasa, kodnya, dan kebarangkalian sebagai peratusan.

Semua yang berlaku selepas muat turun model berlaku pada peranti anda. Kotak teks, pembilang aksara, butang Kesan dan kad hasil semuanya ialah JavaScript setempat. Itulah sebabnya alat ini boleh berfungsi tanpa akaun dan tanpa menghantar perenggan anda ke mana-mana.

Muat kali pertama dan butang “Muat Model AI”

Oleh sebab model ialah fail yang berasingan, alat ini tidak mengambilnya sehingga ia diperlukan. Anda boleh menekan Muat Model AI untuk memulakan muat turun lebih awal, atau hanya tekan Kesan dan biarkannya dimuatkan secara automatik. Semasa ia dimuatkan, halaman menunjukkan langkah semasa (“Menyediakan enjin AI”, “Memuat turun modul”, “Memuatkan model bahasa”). Apabila selesai, butang itu bertukar kepada Model Sedia.

Jika muat turun gagal, butang itu bertukar merah dan baris status menunjukkan ralat. Biasanya ini masalah rangkaian atau penyekat kandungan, bukan masalah dengan teks anda. Muat semula halaman dan cuba lagi, atau benarkan permintaan ke CDN dan hos model yang digunakan oleh alat ini.

Bahasa mana yang diliputi

Peta bahasa alat ini menyenaraikan sekitar 110 kod, meliputi kebanyakan bahasa yang digunakan secara meluas dan banyak bahasa serantau: Inggeris, Sepanyol, Perancis, Jerman, Portugis, Itali, Belanda, Rusia, Ukraine, Poland, Czech, Romania, Yunani, Turki, Arab, Ibrani, Parsi, Urdu, Hindi, Bengali, Punjabi, Gujarat, Marathi, Tamil, Telugu, Kannada, Malayalam, Sinhala, Nepal, Cina (Ringkas dan Tradisional), Jepun, Korea, Vietnam, Thai, Indonesia, Melayu, Filipino, Swahili, Amhara, Yoruba, Zulu, Afrikaans dan lain-lain.

Liputan tidak sama dengan kepastian. Bahasa-bahasa yang berkait rapat berkongsi perbendaharaan kata dan sintaksis, dan model mungkin mengembalikan bahasa jiran dan bukan variasi yang tepat. Frasa pendek dalam bahasa Portugis boleh dinilai sebagai Sepanyol, dan ayat dalam bahasa Norway boleh dinilai sebagai Denmark. Angka keyakinan ialah panduan anda: semakin rendah nilainya, semakin hasil itu harus dianggap sebagai agakan terbaik.

Cara menggunakan pengesan

1. Taip atau tampal sekurang-kurangnya beberapa perkataan ke dalam kotak teks. Pembilang aksara dikemas kini semasa anda menaip, dan butang Kesan kekal dinyahdayakan sehingga terdapat sekurang-kurangnya tiga aksara.
2. Secara pilihan, tekan Muat Model AI dan tunggu sehingga ia melaporkan bahawa model sudah sedia.
3. Tekan Kesan Bahasa.
4. Baca kad hasil: peratusan, nama bahasa dan kod bahasa.
5. Jika hasilnya kelihatan salah, tampal sampel yang lebih panjang dan kesan semula.
6. Tekan Kosongkan untuk mengosongkan kotak dan menetapkan semula hasilnya.

Membaca skor keyakinan

Alat ini mengelompokkan skor kepada tiga jalur. Melebihi 80 peratus, ia melabel pengesanan sebagai keyakinan tinggi. Antara 50 dan 80 peratus, ia mencadangkan supaya menambah lebih banyak teks. Bawah 50 peratus, ia memberi amaran bahawa hasilnya lemah. Jalur-jalur ini ialah bantuan persembahan, bukan jaminan: skor tinggi pada nama jenama dua perkataan masih boleh salah, dan skor sederhana pada perenggan panjang boleh jadi betul.

Gunakan skor sebagai isyarat tentang berapa banyak bukti yang ditemui oleh model, bukan sebagai ukuran sejauh mana anda harus mempercayai alat ini secara umum. Apabila dua bahasa munasabah, bahasa yang berada di kedudukan kedua selalunya petunjuk yang berguna, itulah sebabnya sampel yang lebih panjang membantu.

Mendapatkan hasil yang lebih baik

• Gunakan ayat, bukan perkataan tunggal. Satu perkataan sering dikongsi merentas bahasa; ayat penuh memberikan tatabahasa dan kata fungsi kepada model untuk diproses.
• Elakkan nama, kod dan nombor. Nama produk, URL dan nombor siri tiada isyarat bahasa dan boleh menarik ramalan ke arah bahasa yang serupa dengannya.
• Pastikan sampel dalam satu bahasa. Teks bahasa bercampur menghasilkan campuran isyarat; model masih mengembalikan satu jawapan teratas, yang mungkin mengelirukan.
• Tampal teks biasa. Buang HTML, cap masa dan pemformatan jika boleh; semuanya menambah bunyi bising.
• Ulang dengan petikan yang berbeza. Jika dua sampel tidak sepadan, teks itu mungkin pendek, bercampur atau benar-benar kabur.

Apa yang tidak dilakukannya

Ia tidak menterjemah, mentransliterasi, membetulkan ejaan atau mengenal pasti dialek dengan pasti. Ia tidak membaca teks perumian dengan boleh dipercayai: bahasa Hindi atau Urdu yang ditulis dalam huruf Latin sering kelihatan seperti bahasa Inggeris atau bahasa berskrip Latin yang lain kepada model, kerana model melihat aksara, bukan bahasa yang dimaksudkan. Ia juga tidak memaparkan setiap bahasa calon dalam antara muka; ia menunjukkan yang teratas sahaja, walaupun pilihan kedua hampir sama.

Privasi dan aktiviti rangkaian

Teks anda kekal dalam pelayar. Permintaan rangkaian yang dibuat oleh halaman adalah untuk kod alat itu sendiri, masa jalan MediaPipe, fail WebAssembly dan fail model; tiada satu pun daripadanya mengandungi perenggan anda. Pelayar mungkin cache fail tersebut, jadi lawatan kemudian boleh melangkau muat turun, walaupun mengosongkan cache atau muat semula paksa akan mengambilnya semula. Seperti mana-mana halaman, pelayan merekod permintaan untuk halaman itu sendiri, tetapi bukan teks yang anda taip ke dalam kotak itu.

Kesilapan biasa

• Menguji dengan satu perkataan. Input pendek ialah punca utama hasil yang mengejutkan.
• Menganggap skor rendah bermakna kegagalan. Ia bermakna buktinya tipis; tambah teks.
• Mengharapkan bahasa Hindi perumian dikesan sebagai bahasa Hindi. Input berskrip Latin dinilai sebagai bahasa berskrip Latin.
• Menekan Detect sebelum model dimuatkan dan menganggap ia rosak. Panel pemuatan menunjukkan kemajuan; tunggu sehingga selesai.
• Menganggap alat ini sebagai penterjemah. Ia mengenal pasti; ia tidak menukar.

Kekangan

Pengesan berfungsi pada teks yang anda tampal, bukan pada audio atau imej, dan ketepatannya bergantung pada panjang sampel dan kesamaan bahasa. Ia melaporkan satu bahasa teratas dan bukan kedudukan penuh, jadi keputusan yang hampir sama tersembunyi. Model dan masa jalan dimuat turun daripada hos pihak ketiga, yang bermakna penggunaan pertama memerlukan hos tersebut boleh dicapai. Ia tidak boleh mengesan bahasa yang tidak dilatih pada model, dan ia tidak boleh memberitahu anda dialek atau variasi serantau yang digunakan.

Soalan Lazim