Identifique o idioma do texto com o ML Kit no Android

Você pode usar o ML Kit para identificar o idioma de uma sequência de texto. Você pode obter o idioma mais provável da string ou obter pontuações de confiança para todos os idiomas possíveis da string.

O ML Kit reconhece texto em 103 idiomas diferentes em seus scripts nativos. Além disso, o texto romanizado pode ser reconhecido em árabe, búlgaro, chinês, grego, hindi, japonês e russo.

Antes de você começar

  1. Adicione o Firebase ao seu projeto Android , caso ainda não o tenha feito.
  2. Adicione as dependências das bibliotecas Android do ML Kit ao arquivo Gradle do módulo (nível do aplicativo) (geralmente app/build.gradle ):
    apply plugin: 'com.android.application'
    apply plugin: 'com.google.gms.google-services'
    
    dependencies {
      // ...
    
      implementation 'com.google.firebase:firebase-ml-natural-language:22.0.0'
      implementation 'com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7'
    }
    

Identifique o idioma de uma string

Para identificar o idioma de uma string, obtenha uma instância de FirebaseLanguageIdentification e passe a string para o método identifyLanguage() .

Por exemplo:

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

Se a chamada for bem-sucedida, um código de idioma BCP-47 será passado ao ouvinte de sucesso, indicando o idioma do texto. Veja a lista completa de idiomas suportados . Se nenhum idioma puder ser detectado com segurança, o código und (indeterminado) será passado.

Por padrão, o ML Kit retorna um valor diferente de und somente quando identifica o idioma com um valor de confiança de pelo menos 0,5. Você pode alterar esse limite passando um objeto FirebaseLanguageIdentificationOptions para getLanguageIdentification() :

FirebaseLanguageIdentification languageIdentifier = FirebaseNaturalLanguage
        .getInstance()
        .getLanguageIdentification(
                new FirebaseLanguageIdentificationOptions.Builder()
                        .setIdentifyLanguageConfidenceThreshold(0.34f)
                        .build());

Obtenha os idiomas possíveis de uma string

Para obter os valores de confiança dos idiomas mais prováveis ​​de uma string, obtenha uma instância de FirebaseLanguageIdentification e passe a string para o método identifyAllLanguages() .

Por exemplo:

FirebaseLanguageIdentification languageIdentifier =
        FirebaseNaturalLanguage.getInstance().getLanguageIdentification();
languageIdentifier.identifyAllLanguages(text)
      .addOnSuccessListener(
          new OnSuccessListener<String>() {
            @Override
            public void onSuccess(List<IdentifiedLanguage> identifiedLanguages) {
              for (IdentifiedLanguage identifiedLanguage : identifiedLanguages) {
                String language = identifiedLanguage.getLanguageCode();
                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.
              // ...
            }
          });

Se a chamada for bem-sucedida, uma lista de objetos IdentifiedLanguage será passada para o ouvinte de sucesso. De cada objeto, você pode obter o código BCP-47 da linguagem e a confiança de que a string está nessa linguagem. Veja a lista completa de idiomas suportados . Observe que esses valores indicam a confiança de que toda a string está no idioma determinado; O Kit de ML não identifica vários idiomas em uma única string.

Por padrão, o ML Kit retorna apenas idiomas com valores de confiança de pelo menos 0,01. Você pode alterar esse limite passando um objeto FirebaseLanguageIdentificationOptions para getLanguageIdentification() :

FirebaseLanguageIdentification languageIdentifier = FirebaseNaturalLanguage
        .getInstance()
        .getLanguageIdentification(
                new FirebaseLanguageIdentificationOptions.Builder()
                        .setIdentifyAllLanguagesConfidenceThreshold(0.5f)
                        .build());

Se nenhum idioma atingir esse limite, a lista terá um item, com o valor und .