Identifica el idioma de un texto con ML Kit en Android

Puedes usar ML Kit para identificar el idioma de una cadena de texto. Puedes obtener el idioma más probable de la cadena, así como las puntuaciones de confianza para todas las posibles idiomas de la cadena.

ML Kit reconoce texto en más de 100 idiomas diferentes en sus alfabetos nativos. Además, el texto latinizado puede reconocerse en árabe, búlgaro, chino, griego, hindi, japonés y ruso. Consulta la lista completa de lenguajes y secuencias de comandos compatibles.

Red de Búsqueda y Red de DisplaySin agrupar
Nombre de la bibliotecacom.google.mlkit:language-idcom.google.android.gms:play-services-mlkit-language-id
ImplementaciónEl modelo se vincula de forma estática a tu app durante el tiempo de compilación.El modelo se descarga de forma dinámica a través de los Servicios de Google Play.
Impacto del tamaño de la appAumento de tamaño aproximado de 900 KB.Aumento de tamaño aproximado de 200 KB.
Tiempo de inicializaciónEl modelo está disponible de inmediato.Es posible que debas esperar a que el modelo se descargue antes de usarlo por primera vez.

Probar

Antes de comenzar

  1. En tu archivo build.gradle de nivel de proyecto, asegúrate de incluir el ID de Google Repositorio de Maven en las secciones buildscript y allprojects.

  2. Agrega las dependencias para las bibliotecas de Android del ML Kit al archivo archivo de Gradle a nivel de la app, que suele ser app/build.gradle. Elige una de las siguientes opciones: las siguientes dependencias según tus necesidades:

    Para empaquetar el modelo con tu app, haz lo siguiente:

    dependencies {
      // ...
      // Use this dependency to bundle the model with your app
      implementation 'com.google.mlkit:language-id:17.0.6'
    }
    

    Para usar el modelo en los Servicios de Google Play:

    dependencies {
      // ...
      // Use this dependency to use the dynamically downloaded model in Google Play Services
      implementation 'com.google.android.gms:play-services-mlkit-language-id:17.0.0'
    }
    
  3. Si eliges usar el modelo en los Servicios de Google Play, puedes configurar tu app para descargar automáticamente el modelo en el dispositivo después de que la app instalada desde Play Store. Para ello, agrega la siguiente declaración al el archivo AndroidManifest.xml de tu app:

    <application ...>
          ...
          <meta-data
              android:name="com.google.mlkit.vision.DEPENDENCIES"
              android:value="langid" >
          <!-- To use multiple models: android:value="langid,model2,model3" -->
    </application>
    

    También puedes verificar explícitamente la disponibilidad del modelo y solicitar su descarga a través de API de ModuleInstallClient de los Servicios de Google Play

    Si no habilitas las descargas de modelos en el momento de la instalación ni solicitas una descarga explícita, el modelo se descarga la primera vez que ejecutas el identificador. Solicitudes que realizas antes de que se complete la descarga no producirá resultados.

Identifica el idioma de una cadena

Para identificar el idioma de una cadena, llama a LanguageIdentification.getClient() para obtén una instancia de LanguageIdentifier y, luego, pasa la cadena al método identifyLanguage() de LanguageIdentifier.

Por ejemplo:

Kotlin

val languageIdentifier = LanguageIdentification.getClient()
languageIdentifier.identifyLanguage(text)
        .addOnSuccessListener { languageCode ->
            if (languageCode == "und") {
                Log.i(TAG, "Can't identify language.")
            } else {
                Log.i(TAG, "Language: $languageCode")
            }
        }
        .addOnFailureListener {
            // Model couldn’t be loaded or other internal error.
            // ...
        }

Java

LanguageIdentifier languageIdentifier =
        LanguageIdentification.getClient();
languageIdentifier.identifyLanguage(text)
        .addOnSuccessListener(
                new OnSuccessListener<String>() {
                    @Override
                    public void onSuccess(@Nullable String languageCode) {
                        if (languageCode.equals("und")) {
                            Log.i(TAG, "Can't identify language.");
                        } else {
                            Log.i(TAG, "Language: " + languageCode);
                        }
                    }
                })
        .addOnFailureListener(
                new OnFailureListener() {
                    @Override
                    public void onFailure(@NonNull Exception e) {
                        // Model couldn’t be loaded or other internal error.
                        // ...
                    }
                });

Si la llamada se realiza correctamente, se El código de idioma BCP-47 es se pasa al objeto de escucha que detecta el resultado correcto, lo que indica el idioma del texto. Si la respuesta es no idioma se detecta con confianza, el código Se pasa und (indeterminado).

Según la configuración predeterminada, el Kit de AA muestra un valor distinto de und solo cuando se identifica el idioma con un valor de confianza de al menos 0.5. Puedes cambiar esto umbral pasando un objeto LanguageIdentificationOptions a getClient():

Kotlin

val languageIdentifier = LanguageIdentification
        .getClient(LanguageIdentificationOptions.Builder()
                .setConfidenceThreshold(0.34f)
                .build())

Java

LanguageIdentifier languageIdentifier = LanguageIdentification.getClient(
        new LanguageIdentificationOptions.Builder()
                .setConfidenceThreshold(0.34f)
                .build());

Obtén los posibles idiomas de una cadena

Para conocer los valores de confianza de los idiomas más probables de una cadena, obtén un instancia de LanguageIdentifier y, luego, pasa la cadena al identifyPossibleLanguages().

Por ejemplo:

Kotlin

val languageIdentifier = LanguageIdentification.getClient()
languageIdentifier.identifyPossibleLanguages(text)
        .addOnSuccessListener { identifiedLanguages ->
            for (identifiedLanguage in identifiedLanguages) {
                val language = identifiedLanguage.languageTag
                val confidence = identifiedLanguage.confidence
                Log.i(TAG, "$language $confidence")
            }
        }
        .addOnFailureListener {
            // Model couldn’t be loaded or other internal error.
            // ...
        }

Java

LanguageIdentifier languageIdentifier =
        LanguageIdentification.getClient();
languageIdentifier.identifyPossibleLanguages(text)
        .addOnSuccessListener(new OnSuccessListener<List<IdentifiedLanguage>>() {
            @Override
            public void onSuccess(List<IdentifiedLanguage> identifiedLanguages) {
                for (IdentifiedLanguage identifiedLanguage : identifiedLanguages) {
                    String language = identifiedLanguage.getLanguageTag();
                    float confidence = identifiedLanguage.getConfidence();
                    Log.i(TAG, language + " (" + confidence + ")");
                }
            }
        })
        .addOnFailureListener(
                new OnFailureListener() {
                    @Override
                    public void onFailure(@NonNull Exception e) {
                        // Model couldn’t be loaded or other internal error.
                        // ...
                    }
                });

Si la llamada se ejecuta correctamente, se pasa una lista de objetos IdentifiedLanguage al receptor de éxito. De cada objeto, puedes obtener el código BCP-47 del idioma y la confianza de que la cadena está en ese idioma. Ten en cuenta que estos valores indican la confianza de que toda la cadena se encuentra en la idioma; El Kit de AA no identifica varios idiomas en una sola cadena.

Según la configuración predeterminada, el ML Kit solo muestra los idiomas con valores de confianza de al menos 0,01 Para cambiar este umbral, pasa un LanguageIdentificationOptions objeto en getClient()

Kotlin

val languageIdentifier = LanguageIdentification
      .getClient(LanguageIdentificationOptions.Builder()
              .setConfidenceThreshold(0.5f)
              .build())

Java

LanguageIdentifier languageIdentifier = LanguageIdentification.getClient(
      new LanguageIdentificationOptions.Builder()
              .setConfidenceThreshold(0.5f)
              .build());

Si ningún idioma alcanza este umbral, la lista tiene un elemento con el valor und