La tarea del detector de idioma de MediaPipe te permite identificar el idioma de un texto. En estas instrucciones, se muestra cómo usar el detector de lenguaje con Python. La muestra de código que se describe en estas instrucciones está disponible en GitHub.
Puedes ver la tarea en acción en la demostración. Para obtener más información sobre las capacidades, los modelos y las opciones de configuración de esta tarea, consulta la Descripción general.
Ejemplo de código
El código de ejemplo del detector de lenguaje proporciona una implementación completa de esta tarea en Python para tu referencia. Este código te ayuda a probar esta tarea y comenzar a compilar tu propia función de detección de idiomas. Puedes ver, ejecutar y editar el código de ejemplo del detector de idioma solo con tu navegador web.
Configuración
En esta sección, se describen los pasos clave para configurar tu entorno de desarrollo y los proyectos de código específicamente para usar el detector de idiomas. Si deseas obtener información general sobre cómo configurar tu entorno de desarrollo para usar tareas de MediaPipe, incluidos los requisitos de versión de la plataforma, consulta la Guía de configuración de Python.
Paquetes
El detector de lenguaje usa el paquete pip de mediapipe. Puedes instalar la dependencia con lo siguiente:
$ python -m pip install mediapipe
Importaciones
Importa las siguientes clases para acceder a las funciones de la tarea Detector de idioma:
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import text
Modelo
La tarea del detector de lenguaje de MediaPipe requiere un modelo entrenado que sea compatible con esta tarea. Si quieres obtener más información sobre los modelos entrenados disponibles para el detector de idioma, consulta la sección de descripción general de la tarea Modelos.
Selecciona y descarga el modelo. Luego, almacénalo en el directorio de tu proyecto:
model_path = '/absolute/path/to/language_detector.tflite'
Especifica la ruta del modelo con el parámetro model_asset_path del objeto BaseOptions, como se muestra a continuación:
base_options = BaseOptions(model_asset_path=model_path)
Crea la tarea
La tarea del detector de idioma de MediaPipe usa la función create_from_options para configurar la tarea. La función create_from_options acepta valores para las opciones de configuración a fin de establecer las opciones del detector. También puedes inicializar la tarea con la función de fábrica create_from_model_path. La función create_from_model_path acepta una ruta de acceso relativa o absoluta al archivo del modelo entrenado.
Para obtener más información sobre la configuración de tareas, consulta Opciones de configuración.
En el siguiente código, se muestra la compilación y configuración de esta tarea.
base_options = python.BaseOptions(model_asset_path=model_path)
options = text.LanguageDetectorOptions(base_options=base_options)
Opciones de configuración
Esta tarea incluye las siguientes opciones de configuración para aplicaciones de Python:
| Nombre de la opción | Descripción | Rango de valores | Valor predeterminado |
|---|---|---|---|
max_results |
Configura la cantidad máxima opcional de predicciones de idioma con puntuaciones más altas que se mostrarán. Si este valor es menor que cero, se muestran todos los resultados disponibles. | Cualquier número positivo | -1 |
score_threshold |
Establece el umbral de puntuación de predicción que anula el proporcionado en los metadatos del modelo (si corresponde). Se rechazarán los resultados inferiores a este valor. | Cualquier número de punto flotante | No establecida |
category_allowlist |
Establece la lista opcional de códigos de idioma permitidos. Si no está vacío, se filtrarán las predicciones de idioma cuyo código de idioma no se encuentre en este conjunto. Esta opción es mutuamente excluyente con category_denylist, y el uso de ambas genera un error. |
Cualquier cadena | No establecida |
category_denylist |
Establece la lista opcional de códigos de idioma que no están permitidos. Si no está vacío, se filtrarán las predicciones de idioma cuyo código de idioma se encuentre en este conjunto. Esta opción es mutuamente excluyente con category_allowlist, y el uso de ambas da como resultado un error. |
Cualquier cadena | No establecida |
Preparar los datos
El detector de idioma funciona con datos de texto (str). Esta tarea controla el procesamiento previo de la entrada de datos, incluida la asignación de token y el procesamiento previo del tensor. Todo el procesamiento previo se controla dentro de la función detect. No es necesario realizar un procesamiento previo adicional del texto de entrada con anterioridad.
input_text = 'The input text to be classified.'
Ejecuta la tarea
El detector de lenguaje usa la función detect para activar las inferencias. Para la detección de idiomas, esto significa mostrar los idiomas posibles del texto de entrada.
En el siguiente código, se muestra cómo ejecutar el procesamiento con el modelo de tareas.
with python.text.LanguageDetector.create_from_options(options) as detector:
detection_result = detector.detect(input_text)
Cómo controlar y mostrar los resultados
El detector de lenguaje genera una LanguageDetectorResult que consta de una lista de predicciones de idioma junto con las probabilidades de esas predicciones.
A continuación, se muestra un ejemplo de los datos de salida de esta tarea:
LanguageDetectorResult:
LanguagePrediction #0:
language_code: "fr"
probability: 0.999781
Este resultado se obtiene ejecutando el modelo en el texto de entrada: "Il y a beaucoup de bouches qui parlent et fort peu de têtes qui pensent.".
Si deseas ver un ejemplo del código necesario para procesar y visualizar los resultados de esta tarea, consulta la app de ejemplo de Python.