ИИ-определитель языка

Что делает этот определитель языка

Введите или вставьте фрагмент текста, нажмите Detect Language, и инструмент назовёт язык, на котором он написан, и покажет степень своей уверенности. Работу выполняет модель определения языка от MediaPipe, запущенная в вашем браузере через WebAssembly, поэтому вставляемый текст не отправляется на сервер для анализа. При первом использовании страница загружает модель и её среду выполнения; после этого определение происходит локально.

Это определитель языка, а не переводчик. Он сообщает, на каком языке, по-видимому, написан текст, выдаёт код языка в стиле ISO и показывает вероятность. Он не преобразует текст, не исправляет его и не объясняет его значение.

Как работает определение

Страница загружает небольшую модель классификации текста (файл TensorFlow Lite) вместе со средой выполнения текстовых задач MediaPipe. Когда вы отправляете текст, модель оценивает его по языкам, на которых она была обучена, и возвращает ранжированный список. Инструмент показывает лучший результат: название языка, его код и вероятность в процентах.

Всё после загрузки модели происходит на вашем устройстве. Текстовое поле, счётчик символов, кнопка Detect и карточка результата — всё это локальный JavaScript. Именно поэтому инструмент может работать без учётной записи и без отправки вашего абзаца куда-либо.

Первая загрузка и кнопка «Load AI Model»

Поскольку модель — это отдельный файл, инструмент не загружает её, пока она не понадобится. Вы можете нажать Load AI Model, чтобы начать загрузку заранее, или просто нажать Detect и позволить ей загрузиться автоматически. Во время загрузки страница показывает текущий шаг («Preparing AI engine», «Downloading modules», «Loading language model»). Когда она завершается, кнопка меняется на Model Ready.

Если загрузка не удалась, кнопка становится красной, а в строке состояния отображается ошибка. Обычно это проблема сети или блокировщика контента, а не проблема с вашим текстом. Перезагрузите страницу и попробуйте снова либо разрешите запросы к CDN и хосту модели, используемым инструментом.

Какие языки поддерживаются

Карта языков инструмента содержит около 110 кодов, охватывающих большинство широко используемых языков и многие региональные: английский, испанский, французский, немецкий, португальский, итальянский, нидерландский, русский, украинский, польский, чешский, румынский, греческий, турецкий, арабский, иврит, персидский, урду, хинди, бенгальский, панджаби, гуджарати, маратхи, тамильский, телугу, каннада, малаялам, сингальский, непальский, китайский (упрощённый и традиционный), японский, корейский, вьетнамский, тайский, индонезийский, малайский, филиппинский, суахили, амхарский, йоруба, зулу, африкаанс и другие.

Охват — это не то же самое, что уверенность. Близкородственные языки имеют общую лексику и синтаксис, и модель может вернуть соседний язык вместо точной разновидности. Короткая фраза на португальском может быть оценена как испанский, а предложение на норвежском — как датский. Показатель уверенности служит вам ориентиром: чем он ниже, тем больше результат следует считать лишь предположением.

Как пользоваться определителем

1. Введите или вставьте в текстовое поле хотя бы несколько слов. Счётчик символов обновляется по мере ввода, а кнопка Detect остаётся неактивной, пока не будет хотя бы трёх символов.
2. При желании нажмите Load AI Model и дождитесь, пока появится сообщение о готовности модели.
3. Нажмите Detect Language.
4. Прочитайте карточку результата: процент, название языка и код языка.
5. Если результат кажется неверным, вставьте более длинный фрагмент и определите снова.
6. Нажмите Clear, чтобы очистить поле и сбросить результат.

Как читать показатель уверенности

Инструмент делит показатель на три диапазона. Выше 80 процентов он помечает определение как высокую уверенность. От 50 до 80 процентов он предлагает добавить больше текста. Ниже 50 процентов он предупреждает, что результат слабый. Эти диапазоны — вспомогательные ориентиры, а не гарантии: высокий показатель для названия бренда из двух слов всё равно может быть ошибочным, а средний показатель для длинного абзаца может быть верным.

Относитесь к показателю как к сигналу о том, сколько доказательств нашла модель, а не как к мере того, насколько вообще следует доверять инструменту. Когда два языка правдоподобны, язык, стоящий на втором месте, часто служит полезной подсказкой — именно поэтому более длинный фрагмент помогает.

Как получить лучший результат

• Используйте предложения, а не отдельные слова. Одно слово часто встречается в нескольких языках; полное предложение даёт модели грамматику и служебные слова для анализа.
• Избегайте имён, кодов и чисел. Названия продуктов, URL-адреса и серийные номера не несут языкового сигнала и могут сместить предсказание в сторону того языка, на который они похожи.
• Пускай фрагмент будет на одном языке. Текст на смеси языков даёт смесь сигналов; модель всё равно возвращает один лучший ответ, который может вводить в заблуждение.
• Вставляйте простой текст. По возможности удалите HTML, метки времени и форматирование — они добавляют шум.
• Повторите с другим отрывком. Если два образца дают разные результаты, текст может быть коротким, смешанным или действительно неоднозначным.

Чего он не делает

Он не переводит, не транслитерирует, не исправляет орфографию и не определяет диалекты с уверенностью. Он не читает надёжно романизированный текст: хинди или урду, записанные латинскими буквами, часто выглядят для модели как английский или другой язык с латинской письменностью, потому что модель видит символы, а не предполагаемый язык. Он также не возвращает в интерфейсе все возможные языки: показывается только первый, даже когда второй результат очень близок.

Конфиденциальность и сетевая активность

Ваш текст остаётся в браузере. Сетевые запросы, которые делает страница, предназначены для собственного кода инструмента, среды выполнения MediaPipe, файлов WebAssembly и файла модели; ни один из них не содержит ваш абзац. Браузер может кэшировать эти файлы, поэтому при следующем посещении загрузку можно пропустить, хотя очистка кэша или жёсткая перезагрузка заставят загрузить их снова. Как и на любой странице, сервер регистрирует запрос самой страницы, но не текст, который вы вводите в поле.

Частые ошибки

• Проверка на одном слове. Короткие входные данные — главная причина неожиданных результатов.
• Предположение, что низкая оценка означает сбой. Она означает, что доказательств мало; добавьте текста.
• Ожидание, что романизированный хинди будет определён как хинди. Ввод латиницей оценивается как язык с латинской письменностью.
• Нажатие «Detect» до загрузки модели и предположение, что она сломана. Панель загрузки показывает прогресс; дождитесь её завершения.
• Отношение к инструменту как к переводчику. Он определяет; он не преобразует.

Ограничения

Детектор работает с текстом, который вы вставляете, а не с аудио или изображениями, и его точность зависит от длины образца и близости языков. Он сообщает один основной язык, а не полный рейтинг, поэтому близкие случаи скрыты. Модель и среда выполнения загружаются со сторонних хостов, а значит, при первом использовании эти хосты должны быть доступны. Он не может определить язык, на котором модель не обучалась, и не может сказать, какой диалект или региональная разновидность используется.

Часто задаваемые вопросы