AI-taaldetector

Wat deze taaldetector doet

Typ of plak een stuk tekst, druk op Taal detecteren, en de tool benoemt de taal waarin het is geschreven en toont hoe zeker het ervan is. Het werk wordt gedaan door het taal-detectiemodel van MediaPipe dat via WebAssembly in je browser draait, dus de tekst die je plakt wordt niet naar een server gestuurd voor analyse. De eerste keer dat je het gebruikt, downloadt de pagina het model en de runtime; daarna is de detectie lokaal.

Het is een taalidentificator, geen vertaler. Het vertelt je in welke taal de tekst lijkt te zijn, geeft de ISO-achtige taalcode en rapporteert een waarschijnlijkheid. Het zet de tekst niet om, corrigeert die niet en legt de betekenis niet uit.

Hoe de detectie werkt

De pagina laadt een klein tekstclassificatiemodel (een TensorFlow Lite-bestand) samen met de text-tasks-runtime van MediaPipe. Wanneer je tekst indient, scoort het model die tegen de talen waarop het is getraind en geeft een gerangschikte lijst terug. De tool toont het beste resultaat: de taalnaam, de code en de waarschijnlijkheid als percentage.

Alles na het downloaden van het model gebeurt op je apparaat. Het tekstvak, de tekenteller, de knop Detecteren en de resultaatkaart zijn allemaal lokale JavaScript. Daarom kan de tool werken zonder account en zonder je alinea ergens naartoe te sturen.

De eerste keer laden en de knop “AI-model laden”

Omdat het model een apart bestand is, haalt de tool het pas op wanneer het nodig is. Je kunt op AI-model laden drukken om de download vast te starten, of gewoon op Detecteren drukken en het automatisch laten laden. Tijdens het laden toont de pagina de huidige stap (“AI-engine voorbereiden”, “Modules downloaden”, “Taalmodel laden”). Wanneer het klaar is, verandert de knop in Model gereed.

Als de download mislukt, wordt de knop rood en toont de statusregel de fout. Dat is meestal een netwerk- of contentblokkeerderprobleem, niet een probleem met je tekst. Laad de pagina opnieuw en probeer het nog eens, of sta verzoeken toe naar de CDN en de modelhost die de tool gebruikt.

Welke talen worden ondersteund

De talenkaart van de tool bevat ongeveer 110 codes, die de meeste veelgebruikte talen en veel regionale talen dekken: Engels, Spaans, Frans, Duits, Portugees, Italiaans, Nederlands, Russisch, Oekraïens, Pools, Tsjechisch, Roemeens, Grieks, Turks, Arabisch, Hebreeuws, Perzisch, Urdu, Hindi, Bengaals, Punjabi, Gujarati, Marathi, Tamil, Telugu, Kannada, Malayalam, Singalees, Nepalees, Chinees (Vereenvoudigd en Traditioneel), Japans, Koreaans, Vietnamees, Thais, Indonesisch, Maleis, Filipijns, Swahili, Amhaars, Yoruba, Zoeloe, Afrikaans en andere.

Dekking is niet hetzelfde als zekerheid. Nauw verwante talen delen woordenschat en syntaxis, en het model kan een buurtaal teruggeven in plaats van de exacte variant. Een korte zin in het Portugees kan als Spaans worden gescoord, en een zin in het Noors kan als Deens worden gescoord. Het zekerheidscijfer is je richtlijn: hoe lager het is, hoe meer het resultaat als een beste gok moet worden beschouwd.

Hoe je de detector gebruikt

1. Typ of plak ten minste een paar woorden in het tekstvak. De tekenteller wordt bijgewerkt terwijl je typt, en de knop Detecteren blijft uitgeschakeld tot er ten minste drie tekens zijn.
2. Druk eventueel op AI-model laden en wacht tot wordt gemeld dat het model gereed is.
3. Druk op Taal detecteren.
4. Lees de resultaatkaart: een percentage, de taalnaam en de taalcode.
5. Als het resultaat verkeerd lijkt, plak dan een langer voorbeeld en detecteer opnieuw.
6. Druk op Wissen om het vak leeg te maken en het resultaat te resetten.

De zekerheidsscore lezen

De tool verdeelt de score in drie banden. Boven 80 procent bestempelt het de detectie als hoge zekerheid. Tussen 50 en 80 procent raadt het aan meer tekst toe te voegen. Onder 50 procent waarschuwt het dat het resultaat zwak is. Deze banden zijn hulpmiddelen bij de weergave, geen garanties: een hoge score op een merknaam van twee woorden kan nog steeds fout zijn, en een gemiddelde score op een lange alinea kan correct zijn.

Gebruik de score als een signaal over hoeveel bewijs het model heeft gevonden, niet als een maatstaf voor hoeveel je de tool in het algemeen zou moeten vertrouwen. Wanneer twee talen aannemelijk zijn, is de op een na beste taal vaak de nuttige aanwijzing, en daarom helpt een langer voorbeeld.

Een beter resultaat krijgen

• Gebruik zinnen, geen losse woorden. Eén woord komt vaak in meerdere talen voor; een volledige zin geeft het model grammatica en functiewoorden om mee te werken.
• Vermijd namen, codes en getallen. Productnamen, URL's en serienummers bevatten geen taalsignaal en kunnen de voorspelling naar de taal trekken waarop ze lijken.
• Houd het voorbeeld in één taal. Tekst in meerdere talen levert een mix van signalen op; het model geeft nog steeds één beste antwoord terug, wat misleidend kan zijn.
• Plak platte tekst. Verwijder HTML, tijdstempels en opmaak als dat kan; ze zorgen voor ruis.
• Herhaal met een andere passage. Als twee voorbeelden van elkaar afwijken, is de tekst mogelijk te kort, gemengd of echt dubbelzinnig.

Wat het niet doet

Het vertaalt niet, translitereert niet, corrigeert geen spelling en stelt geen dialecten met zekerheid vast. Het leest geromaniseerde tekst niet betrouwbaar: Hindi of Urdu in Latijnse letters lijkt voor het model vaak op Engels of een andere taal in Latijns schrift, omdat het model de tekens ziet, niet de bedoelde taal. Het geeft in de interface ook niet elke kandidaattaal weer; het toont de beste, zelfs als de nummer twee dicht in de buurt komt.

Privacy en netwerkactiviteit

Je tekst blijft in de browser. De netwerkverzoeken die de pagina doet, zijn voor de eigen code van de tool, de MediaPipe-runtime, de WebAssembly-bestanden en het modelbestand; geen daarvan bevat je alinea. De browser kan die bestanden cachen, zodat een later bezoek de download kan overslaan, al worden ze bij het wissen van de cache of een harde herlaadbeurt opnieuw opgehaald. Zoals bij elke pagina logt de server het verzoek om de pagina zelf, maar niet de tekst die je in het vak typt.

Veelgemaakte fouten

• Testen met één woord. Korte invoer is de belangrijkste oorzaak van verrassende resultaten.
• Aannemen dat een lage score op falen wijst. Het betekent dat het bewijs dun is; voeg tekst toe.
• Verwachten dat geromaniseerd Hindi als Hindi wordt herkend. Invoer in Latijns schrift wordt beoordeeld als een taal in Latijns schrift.
• Op Detecteren drukken voordat het model is geladen en aannemen dat het stuk is. Het laadpaneel toont de voortgang; wacht tot het klaar is.
• De tool als vertaler behandelen. Hij identificeert; hij zet niet om.

Beperkingen

De detector werkt op de tekst die je plakt, niet op audio of afbeeldingen, en de nauwkeurigheid hangt af van de lengte van het monster en de gelijkenis tussen talen. Hij geeft één beste taal in plaats van een volledige ranglijst, dus twijfelgevallen blijven verborgen. Het model en de runtime worden gedownload van hosts van derden, wat betekent dat het eerste gebruik vereist dat die hosts bereikbaar zijn. Hij kan geen taal detecteren waarin het model niet is getraind, en hij kan je niet vertellen welk dialect of welke regionale variant wordt gebruikt.

Veelgestelde vragen