在 Android 系统中使用机器学习套件识别文本的语言

您可以使用 ML Kit 识别文本字符串使用的语言。您可以获取字符串最可能使用的语言，也可以获取字符串可能使用的所有语言的置信度分数。

机器学习套件可在输入的文稿中识别出 100 多种不同语言的文本。此外，还可以识别用拉丁字母拼写的阿拉伯文、保加利亚文、中文、希腊文、印地文、日文和俄文。如需查看支持的语言和文字的完整列表，请点击相应链接。

捆绑解除绑定
库名称com.google.mlkit:language-idcom.google.android.gms:play-services-mlkit-language-id
实现模型在构建时静态链接到您的应用。模型通过 Google Play 服务动态下载。
应用大小的影响大约增加了 900 KB。大小增加了约 200 KB。
初始化时间模型可立即使用。可能需要等待模型下载完毕，然后才能首次使用。

试试看

  • 您可以试用示例应用，了解此 API 的使用示例。

准备工作

  1. 请务必在您的项目级 build.gradle 文件中的 buildscript 和 allprojects 部分添加 Google 的 Maven 代码库。

  2. 将 Android 版机器学习套件库的依赖项添加到模块的应用级 Gradle 文件（通常为 app/build.gradle）。根据您的需求选择以下依赖项之一：

    如需将模型与您的应用捆绑在一起，请执行以下操作：

    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:language-id:17.0.6'
}

    在 Google Play 服务中使用该模型：

    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. 如果您选择使用 Google Play 服务中的模型，则可将应用配置为在从 Play 商店安装后自动将模型下载到设备。为此，请将以下声明添加到应用的 AndroidManifest.xml 文件：

    <application ...>
      ...
      <meta-data
          android:name="com.google.mlkit.vision.DEPENDENCIES"
          android:value="langid" >
      <!-- To use multiple models: android:value="langid,model2,model3" -->
</application>

    您还可以通过 Google Play 服务的 ModuleInstallClient API 显式检查模型可用性并请求下载。

    如果您未启用在安装时下载模型的选项或请求显式下载，模型将在您首次运行标识符时下载。您在下载完毕之前提出的请求不会产生任何结果。

识别字符串使用的语言

如需识别字符串使用的语言，请调用 LanguageIdentification.getClient() 以获取 LanguageIdentifier 的实例，然后将字符串传递给 LanguageIdentifier 的 identifyLanguage() 方法。

例如：

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.
            // ...
        }
LanguageIdentificationActivity.kt

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.
                        // ...
                    }
                });
LanguageIdentificationActivity.java

如果调用成功，系统会向成功监听器传递一个 BCP-47 语言代码，表示文本的语言。如果无法确保检测到语言，则传递代码 und（未确定）。

默认情况下，机器学习套件仅在识别置信度值至少为 0.5 的语言时才会返回非 und 值。您可以通过将 LanguageIdentificationOptions 对象传递给 getClient() 来更改此阈值：

Kotlin

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

Java

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

获取字符串可能使用的语言

如需获取字符串最可能使用的语言的置信度值，请获取 LanguageIdentifier 的一个实例，然后将字符串传递给 identifyPossibleLanguages() 方法。

例如：

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.
            // ...
        }
LanguageIdentificationActivity.kt

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.
                        // ...
                    }
                });
LanguageIdentificationActivity.java

如果调用成功，系统会向成功监听器传递一组 IdentifiedLanguage 对象。您可以从每个对象获取语言的 BCP-47 代码以及字符串使用该语言的置信度。请注意，这些值表示整个字符串使用给定语言的置信度；如果一个字符串中使用了多种语言，那么机器学习套件将无法识别。

默认情况下，ML Kit 仅返回置信度值至少为 0.01 的语言。您可以通过将 LanguageIdentificationOptions 对象传递给 getClient() 来更改此阈值：

Kotlin

val languageIdentifier = LanguageIdentification
      .getClient(LanguageIdentificationOptions.Builder()
              .setConfidenceThreshold(0.5f)
              .build())

Java

LanguageIdentifier languageIdentifier = LanguageIdentification.getClient(
      new LanguageIdentificationOptions.Builder()
              .setConfidenceThreshold(0.5f)
              .build());

如果没有语言满足此阈值，则此列表将只包含一个值为 und 的项。