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 string, así como las puntuaciones de confianza de todos sus idiomas posibles.

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

Esta API está disponible cuando se usa una biblioteca sin agrupar que se debe descargar antes de usarla o una biblioteca empaquetada que aumenta el tamaño de la app. Consulta esta guía para obtener más información sobre las diferencias entre las dos opciones de instalación.

	Red de Búsqueda y Red de Display	Sin agrupar
Nombre de la biblioteca	com.google.mlkit:language-id	com.google.android.gms:play-services-mlkit-language-id
Implementación	El 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 app	Aumento de tamaño aproximado de 900 KB.	Aumento de tamaño aproximado de 200 KB.
Tiempo de inicialización	El modelo está disponible de inmediato.	Es posible que debas esperar a que el modelo se descargue antes de usarlo por primera vez.

Probar

• Prueba la app de ejemplo para ver un ejemplo de uso de esta API.

Antes de comenzar

Esta API requiere la API de Android nivel 21 o una versión posterior. Asegúrate de que el archivo de compilación de tu app use un valor de minSdkVersion de 21 o superior.

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

2. Agrega las dependencias para las bibliotecas de Android del Kit de AA al archivo Gradle a nivel de la app de tu módulo, que suele ser app/build.gradle. Elige una de 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:17.0.5'
   }
   

   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 que descargue automáticamente el modelo al dispositivo después de instalar la app desde Play Store. Para ello, agrega la siguiente declaración al archivo AndroidManifest.xml de la 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 la descarga a través de la API de ModuleInstallClient de los Servicios de Google Play.

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

Identifica el idioma de una cadena

Para identificar el idioma de una cadena, llama a LanguageIdentification.getClient() para obtener 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.
            // ...
        }
LanguageIdentificationActivity.kt

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.
                        // ...
                    }
                });
LanguageIdentificationActivity.java

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

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

Kotlin

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

Java

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

Obtén los posibles idiomas de una cadena

Para ver los valores de confianza de los idiomas más probables de una cadena, obtén una instancia de LanguageIdentifier y, luego, pasa la cadena al método 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.
            // ...
        }
LanguageIdentificationActivity.kt

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.
                        // ...
                    }
                });
LanguageIdentificationActivity.java

Si la llamada se ejecuta correctamente, se pasa una lista de objetos IdentifiedLanguage al objeto de escucha que detecta el resultado correcto. Podrás obtener el código BCP-47 del idioma en cada objeto y estar seguro de que la cadena está en ese idioma. Ten en cuenta que estos valores indican con seguridad que la string completa está en el idioma determinado. El Kit de AA no identifica varios idiomas en una sola string.

Según la configuración predeterminada, el Kit de AA solo muestra los idiomas con valores de confianza de al menos 0.01. Para cambiar este umbral, pasa un objeto LanguageIdentificationOptions a getClient() de la siguiente manera:

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.