Studi kasus
WPS menggunakan ML Kit untuk menerjemahkan teks
dalam 43 bahasa dan menghemat $65 juta per tahun

WPS adalah software kantor yang memungkinkan pengguna melihat dan mengedit semua dokumen, presentasi, spreadsheet, dan lainnya dengan mudah. Sebagai produk global, WPS memerlukan teknologi terjemahan in-suite terbaik dan andal yang tidak mengharuskan pengguna keluar dari aplikasi. Untuk memastikan semua penggunanya dapat menikmati seluruh manfaat suite dan kontennya dalam bahasa pilihan mereka, WPS menggunakan Translation API dari ML Kit, toolkit machine learning Google yang siap digunakan di perangkat dan produksi.

Banyak pengguna WPS bergantung pada alat terjemahan ML Kit saat membaca, menulis, atau melihat dokumen. Menurut sampel data WPS pada penggunaan satu hari, terdapat 6.762 pengguna aktif harian yang menggunakan ML Kit untuk menerjemahkan 17.808 halaman dalam 43 bahasa yang didukungnya. Siswa, yang mewakili 44% basis pengguna WPS, terutama mengandalkan teknologi terjemahan di WPS. WPS membantu siswa lebih baik dalam belajar membaca dan menulis bahasa asing dengan memberi mereka terjemahan offline instan melalui ML Kit.

Saat memilih penyedia terjemahan, tim WPS melihat sejumlah opsi populer. Namun, layanan lain yang dianggap perusahaan tersebut hanya mendukung terjemahan berbasis cloud dan tidak dapat menerjemahkan teks untuk beberapa bahasa yang kompleks. Tim WPS ingin memastikan semua penggunanya dapat memanfaatkan terjemahan teks, terlepas dari bahasa atau ketersediaan jaringan. WPS akhirnya memilih ML Kit karena dapat menerjemahkan teks secara offline dan untuk setiap bahasa yang disajikan.

“WPS memiliki banyak pengguna Afrika, di antaranya berbahasa Swahili dan Tamil, yang merupakan bahasa kompleks yang tidak didukung oleh layanan terjemahan lainnya,” kata Zhou Qi, pemimpin tim Android di WPS. “Kami sangat senang dapat menyediakan layanan terjemahan yang dibutuhkan pengguna ini melalui ML Kit.”

Terlebih lagi, layanan terjemahan lain yang dipertimbangkan oleh WPS adalah mahal. ML Kit sepenuhnya gratis untuk digunakan, dan WPS memperkirakan dapat menghemat sekitar $65 juta per tahun dengan memilih ML Kit dibandingkan saingan, software development kit terjemahan berbayar.

ML Kit tidak hanya menyediakan terjemahan multibahasa yang andal, tetapi juga mendukung App Bundle dan Pengiriman Dinamis, yang memberi pengguna opsi untuk mendownload modul terjemahan ML Kit secara on demand. Tanpa App Bundle dan Pengiriman Dinamis, pengguna yang tidak memerlukan ML Kit tetap harus mendownloadnya, hal ini memengaruhi pengiriman waktu penginstalan.

“Saat pengguna mendownload aplikasi WPS, modul dasar didownload secara default. Dan jika pengguna perlu menggunakan fitur terjemahan, hanya fitur itu yang akan didownload. Ini mengurangi ukuran download awal dan memastikan pengguna yang tidak membutuhkan bantuan terjemahan tidak akan terganggu dengan mendownload modul tersebut,” ucap Zhou.

Selama penerapan, tim WPS sering menggunakan panduan resmi ML Kit untuk mengarahkan proses pengembangannya. Alat-alat ini memungkinkan mereka mempelajari seluk beluk API dan memastikan setiap perubahan memenuhi semua kebutuhan penggunanya. Dengan dokumentasi dan rekomendasi yang diberikan langsung dari situs ML Kit, developer WPS dapat mengintegrasikan toolkit baru ke alur kerja mereka dengan cepat dan mudah.

“Dengan sumber daya yang disediakan, kami jarang menelusuri bantuan. Dokumentasinya jelas dan ringkas. Selain itu, API ini mudah dan ramah developer, sehingga sangat mengurangi kurva pembelajaran,” ujar Zhou.

Sebelum menerapkan ML Kit, pengguna WPS harus membuka aplikasi terpisah untuk menerjemahkan dokumen, sehingga menghadirkan pengalaman pengguna yang memuaskan. Dengan identifikasi bahasa otomatis dan terjemahan instan ML Kit, WPS kini memberi penggunanya cara yang sederhana untuk menerjemahkan teks dengan cepat, akurat, dan tanpa perlu keluar dari aplikasi, sehingga meningkatkan UX platform secara signifikan.

Ke depannya, WPS berencana memperluas penggunaan ML Kit, khususnya dengan pengenalan teks. Pengguna WPS terus meminta kemampuan untuk memproses teks pada foto yang diambil, sehingga perusahaan berencana menggunakan ML Kit untuk meningkatkan kemampuan pengenalan foto teks pada aplikasi.

Pelajari lebih lanjut cara ML Kit mempermudah machine learning di perangkat.