Identifica el idioma del texto con el Kit de AA en Android

Organiza tus páginas con colecciones Guarda y categoriza el contenido según tus preferencias.

Puedes usar el Kit de AA para identificar el idioma de una string de texto. Puedes obtener el idioma más probable de la string y las puntuaciones de confianza de todos sus posibles idiomas.

El Kit de AA reconoce texto en más de 100 idiomas en sus secuencias de comandos nativas. Además, se puede reconocer texto latino 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 empaquetar
Nombre de la bibliotecacom.google.mlkit:language-idcom.google.android.gms:play-services-mlkit-language-id
ImplementaciónEl modelo está vinculado estáticamente a tu aplicación en el momento de la compilación.El modelo se descarga de forma dinámica a través de los Servicios de Google Play.
Impacto en el tamaño de la appAumento de tamaño de aproximadamente 900 KB.Aumento de tamaño de aproximadamente 200 KB.
Tiempo de inicializaciónEl modelo está disponible de inmediato.Es posible que deba esperar a que se descargue el modelo antes de usarlo por primera vez.

Probarlo

Antes de comenzar

  1. En el 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 del 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:17.0.4'
    }
    

    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 la app para que, después de instalarla desde Play Store, descargue automáticamente el modelo al dispositivo. Para ello, agrega la siguiente declaración al 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 de manera explícita la disponibilidad del modelo y solicitar su descarga a través de la API de ModuleInstallClient de los Servicios de Google Play.

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

Identifica el idioma de una string

A fin de identificar el idioma de una string, llama a LanguageIdentification.getClient() para obtener una instancia de LanguageIdentifier y, luego, pasa la string 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 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 ningún 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() de la siguiente manera:

Kotlin

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

Java

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

Obtener los posibles idiomas de una string

Para ver los valores de confianza de los idiomas más probables de una string, obtén una instancia de LanguageIdentifier y, luego, pasa la string 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.
            // ...
        }

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 pasará 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 string está en ese idioma. Ten en cuenta que estos valores indican la confianza de que toda la string 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 tendrá un elemento con el valor und.