ตัวตรวจจับภาษาด้วย AI

เครื่องตรวจจับภาษานี้ทำอะไร

พิมพ์หรือวางข้อความลงไป กด Detect Language แล้วเครื่องมือจะระบุชื่อภาษาที่ข้อความนั้นเขียนอยู่ พร้อมแสดงระดับความมั่นใจของผลลัพธ์ การทำงานทั้งหมดอาศัยโมเดลตรวจจับภาษาของ MediaPipe ที่รันอยู่ในเบราว์เซอร์ของคุณผ่าน WebAssembly ดังนั้นข้อความที่คุณวางจะไม่ถูกส่งไปยังเซิร์ฟเวอร์เพื่อวิเคราะห์ ครั้งแรกที่ใช้งาน หน้าเว็บจะดาวน์โหลดโมเดลและรันไทม์ของมัน หลังจากนั้นการตรวจจับจะทำงานภายในเครื่อง

มันเป็นตัวระบุภาษา ไม่ใช่ตัวแปล มันบอกว่าข้อความดูเหมือนเป็นภาษาใด ให้รหัสภาษาแบบ ISO และรายงานค่าความน่าจะเป็น มันไม่ได้แปลงข้อความ แก้ไขข้อความ หรืออธิบายความหมายของข้อความ

การตรวจจับทำงานอย่างไร

หน้าเว็บจะโหลดโมเดลจำแนกข้อความขนาดเล็ก (ไฟล์ TensorFlow Lite) พร้อมกับรันไทม์ text tasks ของ MediaPipe เมื่อคุณส่งข้อความ โมเดลจะให้คะแนนเทียบกับภาษาต่าง ๆ ที่มันถูกฝึกมา และคืนค่ารายการที่จัดอันดับแล้ว เครื่องมือจะแสดงผลลัพธ์อันดับแรก ได้แก่ ชื่อภาษา รหัสภาษา และค่าความน่าจะเป็นเป็นเปอร์เซ็นต์

ทุกอย่างหลังจากการดาวน์โหลดโมเดลเกิดขึ้นบนอุปกรณ์ของคุณ ทั้งกล่องข้อความ ตัวนับตัวอักษร ปุ่ม Detect และการ์ดผลลัพธ์ ล้วนเป็น JavaScript ที่ทำงานภายในเครื่อง นั่นคือเหตุผลที่เครื่องมือนี้ใช้งานได้โดยไม่ต้องมีบัญชีและไม่ต้องส่งข้อความของคุณไปที่ใด

การโหลดครั้งแรกและปุ่ม "Load AI Model"

เนื่องจากโมเดลเป็นไฟล์แยกต่างหาก เครื่องมือจะไม่ดึงข้อมูลจนกว่าจะจำเป็น คุณสามารถกด Load AI Model เพื่อเริ่มดาวน์โหลดล่วงหน้า หรือเพียงกด Detect แล้วปล่อยให้โหลดอัตโนมัติ ระหว่างโหลด หน้าเว็บจะแสดงขั้นตอนปัจจุบัน ("Preparing AI engine", "Downloading modules", "Loading language model") เมื่อโหลดเสร็จ ปุ่มจะเปลี่ยนเป็น Model Ready

หากการดาวน์โหลดล้มเหลว ปุ่มจะเปลี่ยนเป็นสีแดงและบรรทัดสถานะจะแสดงข้อผิดพลาด ซึ่งมักเป็นปัญหาเครือข่ายหรือตัวบล็อกเนื้อหา มากกว่าจะเป็นปัญหากับข้อความของคุณ ให้โหลดหน้าเว็บใหม่แล้วลองอีกครั้ง หรืออนุญาตคำขอไปยัง CDN และโฮสต์โมเดลที่เครื่องมือนี้ใช้

ครอบคลุมภาษาใดบ้าง

แผนผังภาษาของเครื่องมือนี้มีประมาณ 110 รหัส ครอบคลุมภาษาที่ใช้กันแพร่หลายส่วนใหญ่และอีกหลายภาษาในระดับภูมิภาค เช่น อังกฤษ สเปน ฝรั่งเศส เยอรมัน โปรตุเกส อิตาลี ดัตช์ รัสเซีย ยูเครน โปแลนด์ เช็ก โรมาเนีย กรีก ตุรกี อาหรับ ฮิบรู เปอร์เซีย อูรดู ฮินดี เบงกาลี ปัญจาบ คุชราตี มาราธี ทมิฬ เตลูกู กันนาดา มลยาฬัม สิงหล เนปาล จีน (ตัวย่อและตัวเต็ม) ญี่ปุ่น เกาหลี เวียดนาม ไทย อินโดนีเซีย มลายู ฟิลิปปินส์ สวาฮีลี อัมฮาริก โยรูบา ซูลู แอฟริกัน และอื่น ๆ

ความครอบคลุมไม่เหมือนกับความแน่นอน ภาษาที่ใกล้เคียงกันมีคำศัพท์และไวยากรณ์ร่วมกัน และโมเดลอาจคืนค่าภาษาที่อยู่ใกล้เคียงแทนที่จะเป็นภาษาถิ่นที่แน่นอน วลีสั้น ๆ ในภาษาโปรตุเกสอาจได้คะแนนเป็นภาษาสเปน และประโยคในภาษานอร์เวย์อาจได้คะแนนเป็นภาษาเดนมาร์ก ตัวเลขความมั่นใจคือสิ่งที่ช่วยบอกคุณ ยิ่งต่ำลง ผลลัพธ์ก็ยิ่งควรถือว่าเป็นการเดาที่ดีที่สุดเท่านั้น

วิธีใช้เครื่องตรวจจับ

1. พิมพ์หรือวางอย่างน้อยสองสามคำลงในกล่องข้อความ ตัวนับตัวอักษรจะอัปเดตขณะคุณพิมพ์ และปุ่ม Detect จะยังใช้งานไม่ได้จนกว่าจะมีอย่างน้อยสามตัวอักษร
2. ทางเลือก: กด Load AI Model แล้วรอจนแจ้งว่าโมเดลพร้อมใช้งาน
3. กด Detect Language
4. อ่านการ์ดผลลัพธ์: เปอร์เซ็นต์ ชื่อภาษา และรหัสภาษา
5. หากผลลัพธ์ดูไม่ถูกต้อง ให้วางตัวอย่างที่ยาวขึ้นแล้วตรวจจับอีกครั้ง
6. กด Clear เพื่อล้างกล่องข้อความและรีเซ็ตผลลัพธ์

การอ่านคะแนนความมั่นใจ

เครื่องมือจัดกลุ่มคะแนนออกเป็นสามช่วง สูงกว่า 80 เปอร์เซ็นต์จะระบุว่าการตรวจจับมีความมั่นใจสูง ระหว่าง 50 ถึง 80 เปอร์เซ็นต์จะแนะนำให้เพิ่มข้อความมากขึ้น ต่ำกว่า 50 เปอร์เซ็นต์จะเตือนว่าผลลัพธ์ยังอ่อน ช่วงเหล่านี้เป็นเพียงตัวช่วยในการนำเสนอ ไม่ใช่การรับประกัน คะแนนสูงจากชื่อแบรนด์เพียงสองคำอาจยังผิดได้ และคะแนนปานกลางจากย่อหน้ายาวอาจถูกต้องก็ได้

ให้ใช้คะแนนเป็นสัญญาณว่าโมเดลพบหลักฐานมากน้อยเพียงใด ไม่ใช่เป็นการวัดว่าคุณควรเชื่อถือเครื่องมือนี้โดยทั่วไปมากแค่ไหน เมื่อมีสองภาษาที่เป็นไปได้ ภาษาที่อยู่อันดับสองมักเป็นเบาะแสที่มีประโยชน์ นั่นคือเหตุผลที่ตัวอย่างที่ยาวขึ้นช่วยได้

ทำให้ได้ผลลัพธ์ที่ดีขึ้น

• ใช้ประโยค ไม่ใช่คำเดี่ยว ๆ คำเพียงคำเดียวมักใช้ร่วมกันในหลายภาษา ประโยคเต็มจะให้ไวยากรณ์และคำฟังก์ชันแก่โมเดลในการวิเคราะห์
• หลีกเลี่ยงชื่อ รหัส และตัวเลข ชื่อสินค้า URL และหมายเลขซีเรียลไม่มีสัญญาณทางภาษา และอาจดึงการทำนายไปยังภาษาที่พวกมันดูคล้ายคลึง
• ให้ตัวอย่างอยู่ในภาษาเดียว ข้อความที่ผสมหลายภาษาจะให้สัญญาณผสมกัน โมเดลยังคงคืนคำตอบอันดับแรกเพียงหนึ่งคำตอบ ซึ่งอาจทำให้เข้าใจผิดได้
• วางข้อความแบบข้อความล้วน ถ้าทำได้ ให้ตัด HTML การประทับเวลา และการจัดรูปแบบออก เพราะสิ่งเหล่านี้เพิ่มสัญญาณรบกวน
• ลองซ้ำกับข้อความตอนอื่น หากผลจากสองตัวอย่างไม่ตรงกัน ข้อความอาจสั้น เป็นภาษาผสม หรือกำกวมอย่างแท้จริง

สิ่งที่เครื่องมือนี้ทำไม่ได้

เครื่องมือนี้ไม่แปล ไม่ทับศัพท์ ไม่แก้ไขการสะกด และไม่ระบุภาษาถิ่นได้อย่างแน่นอน อีกทั้งยังอ่านข้อความที่เขียนด้วยอักษรโรมันได้ไม่น่าเชื่อถือ ภาษาฮินดีหรือภาษาอูรดูที่เขียนด้วยตัวอักษรละตินมักดูเหมือนภาษาอังกฤษหรือภาษาที่ใช้อักษรละตินอื่น ๆ สำหรับโมเดล เพราะโมเดลมองเห็นตัวอักษร ไม่ใช่ภาษาที่ตั้งใจจะสื่อ นอกจากนี้ยังไม่แสดงภาษาที่เป็นไปได้ทั้งหมดในหน้าจอ แต่จะแสดงเพียงภาษาที่มีคะแนนสูงสุด แม้ว่าภาษาที่ได้อันดับรองลงมาจะมีคะแนนใกล้เคียงกันก็ตาม

ความเป็นส่วนตัวและกิจกรรมบนเครือข่าย

ข้อความของคุณอยู่ในเบราว์เซอร์เท่านั้น คำขอเครือข่ายที่หน้าเว็บส่งออกไปมีไว้สำหรับโค้ดของเครื่องมือเอง รันไทม์ MediaPipe ไฟล์ WebAssembly และไฟล์โมเดล โดยไม่มีคำขอใดบรรจุย่อหน้าของคุณ เบราว์เซอร์อาจแคชไฟล์เหล่านั้นไว้ ทำให้การเข้าใช้งานครั้งต่อไปข้ามการดาวน์โหลดได้ อย่างไรก็ตาม การล้างแคชหรือการรีโหลดแบบเต็มจะดึงไฟล์เหล่านั้นมาใหม่ เช่นเดียวกับหน้าเว็บทั่วไป เซิร์ฟเวอร์จะบันทึกคำขอของหน้าเว็บเอง แต่ไม่บันทึกข้อความที่คุณพิมพ์ลงในช่อง

ข้อผิดพลาดที่พบบ่อย

• ทดสอบด้วยคำเพียงคำเดียว อินพุตที่สั้นเป็นสาเหตุหลักที่ทำให้ได้ผลลัพธ์ที่น่าประหลาดใจ
• คิดว่าคะแนนต่ำหมายถึงความล้มเหลว จริง ๆ แล้วมันหมายความว่ามีหลักฐานน้อยเกินไป ให้เพิ่มข้อความ
• คาดหวังว่าฮินดีที่เขียนด้วยอักษรโรมันจะถูกตรวจพบว่าเป็นภาษาฮินดี อินพุตที่ใช้อักษรละตินจะถูกให้คะแนนเป็นภาษาที่ใช้อักษรละติน
• กด Detect ก่อนที่โมเดลจะโหลดเสร็จแล้วคิดว่าใช้งานไม่ได้ แผงการโหลดจะแสดงความคืบหน้า รอให้เสร็จก่อน
• คิดว่าเครื่องมือนี้เป็นตัวแปลภาษา มันระบุภาษา แต่ไม่ได้แปลงภาษา

ข้อจำกัด

ตัวตรวจจับทำงานกับข้อความที่คุณวาง ไม่ใช่เสียงหรือภาพ และความแม่นยำขึ้นอยู่กับความยาวของตัวอย่างและความคล้ายคลึงของภาษา มันรายงานเฉพาะภาษาที่ได้คะแนนสูงสุดเพียงภาษาเดียว ไม่ใช่การจัดอันดับทั้งหมด ทำให้ผลที่ใกล้เคียงกันถูกซ่อนไว้ โมเดลและรันไทม์ถูกดาวน์โหลดจากโฮสต์ของบุคคลที่สาม ซึ่งหมายความว่าการใช้งานครั้งแรกต้องสามารถเข้าถึงโฮสต์เหล่านั้นได้ มันไม่สามารถตรวจจับภาษาที่โมเดลไม่ได้ฝึกมา และไม่สามารถบอกได้ว่ากำลังใช้ภาษาถิ่นหรือความหลากหลายในระดับภูมิภาคใด

คำถามที่พบบ่อย