在 Android 上使用 ML Kit 辨識文字語言

您可以使用ML Kit來識別文字字串的語言。您可以獲得字串最可能的語言,或取得字串所有可能語言的置信度分數。

ML Kit 可辨識 103 種不同語言的本機腳本文字。此外,還可以辨識阿拉伯語、保加利亞語、中文、希臘語、印地語、日語和俄語的羅馬化文本。

在你開始之前

  1. 如果您尚未將 Firebase 新增至您的 Android 專案中,請將其新增至您的 Android 專案中。
  2. 將 ML Kit Android 函式庫的依賴項新增至模組(應用程式層級)Gradle 檔案(通常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'
    }
    

識別字串的語言

若要辨識字串的語言,請取得FirebaseLanguageIdentification的實例,然後將字串傳遞給identifyLanguage()方法。

例如:

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.
              // ...
            }
          });

如果呼叫成功,則會將BCP-47 語言代碼傳遞給成功偵聽器,指示文字的語言。請參閱支援的語言的完整清單。如果無法可靠地偵測到任何語言,則通過代碼und (未確定)。

預設情況下,ML Kit 僅在識別置信度值至少為 0.5 的語言時才傳回und以外的值。您可以透過將FirebaseLanguageIdentificationOptions物件傳遞給getLanguageIdentification()來變更此閾值:

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

取得字串可能的語言

若要取得字串最可能的語言的置信度值,請取得FirebaseLanguageIdentification的實例,然後將該字串傳遞給identifyAllLanguages()方法。

例如:

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.
              // ...
            }
          });

如果呼叫成功,則將IdentifiedLanguage物件清單傳遞給成功偵聽器。從每個物件中,您可以獲得該語言的 BCP-47 程式碼以及該字串採用該語言的置信度。請參閱支援的語言的完整清單。請注意,這些值表示整個字串採用給定語言的置信度; ML Kit 不會在單一字串中辨識多種語言。

預設情況下,ML Kit 僅傳回置信度值至少為 0.01 的語言。您可以透過將FirebaseLanguageIdentificationOptions物件傳遞給getLanguageIdentification()來變更此閾值:

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

如果沒有語言滿足此閾值,則清單將包含一項,其值為und