在 Android 上使用 ML Kit 識別文本語言

您可以使用 ML Kit 來識別文本字符串的語言。您可以獲得字符串最可能的語言或獲得字符串所有可能語言的置信度分數。

ML Kit 可以識別 103 種不同語言的本機腳本中的文本。此外,可以識別阿拉伯語、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. 如果您還沒有,請將 Firebase 添加到您的 Android 項目中。
  2. 將 ML Kit Android 庫的依賴項添加到您的模塊(應用級)Gradle 文件(通常是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'
    }
    

識別字符串的語言

要識別字符串的語言,請獲取FirebaseLanguageIdentification的實例,然後將字符串傳遞給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.
              // ...
            }
          });

如果調用成功,則將BCP-47 語言代碼傳遞給成功偵聽器,指示文本的語言。請參閱支持語言的完整列表。如果無法可靠地檢測到任何語言,則通過代碼und (未確定)。

默認情況下,ML Kit 僅在識別出置信度值至少為 0.5 的語言時才返回und以外的值。您可以通過將FirebaseLanguageIdentificationOptions對像傳遞給getLanguageIdentification()來更改此閾值:

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

獲取字符串的可能語言

要獲取字符串最可能語言的置信度值,請獲取FirebaseLanguageIdentification的實例,然後將字符串傳遞給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.
              // ...
            }
          });

如果調用成功,則將IdentifiedLanguage對象列表傳遞給成功偵聽器。從每個對像中,您可以獲得該語言的 BCP-47 代碼以及該字符串是該語言的置信度。請參閱支持語言的完整列表。請注意,這些值表示整個字符串使用給定語言的置信度; ML Kit 不會在單個字符串中識別多種語言。

默認情況下,ML Kit 僅返回置信度值至少為 0.01 的語言。您可以通過將FirebaseLanguageIdentificationOptions對像傳遞給getLanguageIdentification()來更改此閾值:

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

如果沒有語言符合此閾值,則列表將包含一項,其值為und