语言检测指南

MediaPipe Language Detector 任务可让您识别一段文本所用的语言。此任务使用机器学习 (ML) 模型对文本数据进行处理，并输出预测列表，其中每个预测结果由 ISO 639-1 语言代码和概率组成。

试试吧！

开始使用

如需开始使用此任务，请按照适用于您的目标平台的其中一个实现指南进行操作。这些平台专用指南将引导您完成此任务的基本实现，包括推荐的模型和包含推荐配置选项的代码示例：

任务详情

本部分介绍此任务的功能、输入、输出和配置选项。

特性

  • 分数阈值 - 根据预测分数过滤结果
  • 标签许可名单和拒绝名单 - 指定检测到的类别
任务输入 任务输出
语言检测器接受以下输入数据类型：
  • 字符串
 语言检测器输出包含以下内容的预测结果列表：
    • 语言代码：以字符串表示的 ISO 639-1 (https://en.wikipedia.org/wiki/List_of_ISO_639-1_codes) 语言 / 语言区域代码（例如，“en”表示英语，“uz”表示乌兹别克语，“ja-Latn”表示日语（罗马字）。
    • 概率：此预测的置信度分数，表示为介于 0 到 1 之间的概率（以浮点值表示）。

配置选项

此任务具有以下配置选项：

选项名称 说明 值范围 默认值
max_results 设置要返回的得分最高的语言预测结果（可选）上限。如果此值小于零，则返回所有可用的结果。 任何正数 -1
score_threshold 设置预测分数阈值，以替换模型元数据中提供的阈值（如果有）。低于此值的结果会被拒绝。 任意浮点数 未设置
category_allowlist 设置允许的语言代码的可选列表。如果为非空，则语言代码不在此集合之外的语言预测结果将被滤除。此选项与 category_denylist 互斥，同时使用这两者会导致错误。 任何字符串 未设置
category_denylist 设置不允许使用的语言代码的可选列表。如果非空，语言代码在此集合中的语言预测将被滤除。此选项与 category_allowlist 互斥，同时使用这两者会导致错误。 任何字符串 未设置

模型

当您开始使用此任务进行开发时，我们会提供一个默认的推荐模型。

该模型构建为轻量级 (315 KB)，并使用基于嵌入的神经网络分类架构。该模型使用 ISO 639-1 语言代码识别语言，并且可以识别 110 种语言。如需查看模型支持的语言列表，请参阅标签文件，该文件按 ISO 639-1 代码列出语言。

模型名称 输入形状 量化类型 模型卡片 Versions
语言检测器 字符串 UTF-8 无 (float32) 信息 最新动态

任务基准

以下是基于上述预训练模型的整个流水线的任务基准。延迟时间结果是 Pixel 6 使用 CPU / GPU 时的平均延迟时间。

模型名称 CPU 延迟时间 GPU 延迟时间
语言检测器 0.31 毫秒 -