MediaPipe Language Detector 工作可協助您辨識一段文字的語言。這些操作說明會示範如何使用網頁和 JavaScript 應用程式的語言偵測器。這些操作說明中說明的程式碼範例可在 GitHub 取得。
如要查看這項工作實際運作情形，請參閱示範。如要進一步瞭解這項工作的能力、模型和設定選項，請參閱總覽。
程式碼範例
語言偵測工具的範例程式碼提供以 JavaScript 完整實作這項工作的程式碼，供您參考。這段程式碼可協助您測試這項工作，並開始建構自己的語言偵測器功能。您只需使用網路瀏覽器，即可查看、執行及編輯範例。
設定
本節說明設定開發環境和程式碼專案的主要步驟，以便使用 Language Detector。如要瞭解如何設定開發環境以使用 MediaPipe 工作，包括平台版本規定，請參閱 Web 設定指南。
JavaScript 套件
您可以透過 @mediapipe/tasks-text 套件取得語言偵測器程式碼。如要尋找及下載這些程式庫，請參閱平台設定指南中的連結。
您可以使用下列指令，為本機暫存環境安裝必要套件：
npm install @mediapipe/tasks-text
如要部署至伺服器，可以使用內容傳遞網路 (CDN) 服務 (例如 jsDelivr)，直接將程式碼新增至 HTML 網頁，如下所示：
<head>
<script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/index.js"
crossorigin="anonymous"></script>
</head>
型號
MediaPipe 語言偵測器工作需要與這項工作相容的訓練模型。如要進一步瞭解語言偵測器可用的訓練模型，請參閱工作總覽的「模型」一節。
選取並下載模型，然後儲存在專案目錄中：
<dev-project-root>/app/shared/models
使用 baseOptions 物件 modelAssetPath 參數指定模型路徑，如下所示：
baseOptions: {
modelAssetPath: `/app/shared/models/language_detector.tflite`
}
建立工作
使用其中一個 Language Detector LanguageDetector.createFrom...() 函式，準備執行推論作業。您可以搭配相對或絕對路徑，將訓練好的模型檔案傳遞至 createFromModelPath() 函式。下方的程式碼範例說明如何使用 createFromOptions() 函式。如要進一步瞭解如何設定工作，請參閱「設定選項」。
以下程式碼示範如何建構及設定這項工作。
async function createDetector() {
const textFiles = await FilesetResolver.forTextTasks(
"https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/wasm/");
languageDetector = await languageDetector.createFromOptions(
textFiles,
{
baseOptions: {
modelAssetPath: `https://storage.googleapis.com/mediapipe-models/language_detector/language_detector/float32/1/language_detector.tflite`
},
}
);
}
createDetector();
設定選項
這項工作提供下列網頁和 JavaScript 應用程式的設定選項：
| 選項名稱 | 說明 | 值範圍 | 預設值 |
|---|---|---|---|
maxResults |
設定要傳回的最高分語言預測數量上限 (選用)。如果這個值小於零，則會傳回所有可用的結果。 | 任何正數 | -1 |
scoreThreshold |
設定預測分數門檻，覆寫模型中繼資料 (如有) 提供的門檻。低於這個值的分數會遭到拒絕。 | 任何浮點數 | 未設定 |
categoryAllowlist |
設定允許的語言代碼選用清單。如果這個集合不為空，系統會篩除語言代碼不在這個集合中的語言預測結果。這個選項與 categoryDenylist 互斥，同時使用兩者會導致錯誤。 |
任何字串 | 未設定 |
categoryDenylist |
設定不允許使用的語言代碼清單 (選用)。如果這個集合不為空，系統會篩除語言代碼位於這個集合中的語言預測結果。這個選項與 categoryAllowlist 互斥，同時使用兩者會導致錯誤。 |
任何字串 | 未設定 |
準備資料
語言偵測器可處理文字 (string) 資料。這項工作會處理資料輸入預先處理作業，包括斷詞和張量預先處理。所有前置處理作業都會在 detect 函式中處理。不需要事先對輸入文字進行額外預先處理。
const inputText = "The input text for the detector.";
執行工作
語言偵測器會使用 detect 函式觸發推論。如果是語言偵測，則表示傳回輸入文字的可能語言。
以下程式碼示範如何使用工作模型執行處理作業：
// Wait to run the function until inner text is set
const detectionResult = languageDetector.detect(inputText);
處理及顯示結果
語言偵測器工作會輸出 LanguageDetectorResult，其中包含語言預測清單，以及這些預測的機率。以下是這項工作的輸出資料範例：
LanguageDetectorResult:
LanguagePrediction #0:
language_code: "fr"
probability: 0.999781
這項結果是根據輸入文字「"Il y a beaucoup de bouches qui parlent et fort peu de têtes qui pensent."」執行模型而得。
如需處理及顯示這項工作結果所需的程式碼範例，請參閱範例。