Como usar a detecção de idioma
O recurso Detecção de Idioma pode avaliar textos e retornar um identificador de idioma que indica o idioma em que um documento foi escrito.
A detecção de idioma é útil para armazenamentos de conteúdo que coletam texto arbitrário em que o idioma é desconhecido. Você pode analisar os resultados dessa análise para determinar qual idioma é usado no documento de entrada. A resposta também retorna uma pontuação entre 0 e 1 que reflete a confiança do modelo.
O recurso Detecção de Idioma pode detectar uma ampla variedade de idiomas, variantes, dialetos e alguns idiomas regionais ou culturais.
Opções de desenvolvimento
Para usar a detecção de idioma, envie um texto não estruturado bruto para análise e processe a saída da API no aplicativo. A análise é realizada no estado em que se encontra, sem nenhuma personalização adicional para o modelo usado em seus dados. Há duas maneiras de usar a detecção de idioma:
| Opção de desenvolvimento | Descrição |
|---|---|
| Language Studio | O Language Studio é uma plataforma baseada na Web que permite que você experimente a vinculação de entidade com exemplos de texto sem uma conta do Azure, e seus próprios dados quando você se inscreve. Para obter mais informações, confira o site do Language Studio ou o início rápido do Language Studio. |
| API REST ou biblioteca de clientes (SDK do Azure) | Integre a detecção de idioma aos seus aplicativos usando a API REST ou a biblioteca de clientes disponível em uma variedade de linguagens. Para saber mais, confira o guia de início rápido da detecção de idioma. |
| Contêiner do Docker | Use o contêiner do Docker disponível para implantar esse recurso local. Esses contêineres do Docker permitem que você aproxime o serviço dos seus dados para fins de conformidade, segurança ou outras razões operacionais. |
Determinar como processar os dados (opcional)
Especificar o modelo de detecção de idioma
Por padrão, a detecção de idioma usará o modelo de IA mais recente disponível em seu texto. Você também pode configurar suas solicitações de API para usar uma versão de modelo específica.
Idiomas de entrada
Quando você envia documentos para serem avaliados, a detecção de idioma tentará determinar se o texto foi escrito em qualquer um dos idiomas com suporte.
Caso você tenha um conteúdo expresso em um idioma usado com menos frequência, experimente o recurso Detecção de Idioma para ver se ele retorna um código. A resposta para idiomas que não podem ser detectados é unknown.
Enviar dados
Dica
Você pode usar um contêiner do Docker para detecção de idioma e, assim, usar a API localmente.
A análise é executada após o recebimento da solicitação. O uso do recurso de detecção de idioma de maneira síncrona é sem estado. Nenhum dado é armazenado em sua conta e os resultados são retornados imediatamente na resposta.
Ao usar esse recurso de forma assíncrona, os resultados da API ficam disponíveis por 24 horas a partir do momento em que a solicitação foi ingerida; isso é indicado na resposta. Após esse período de tempo, os resultados são limpos e não estão mais disponíveis para recuperação.
Obter resultados da detecção de idioma
Quando você recebe os resultados da detecção de idioma, pode transmitir os resultados para um aplicativo ou salvar a saída em um arquivo no sistema local.
A detecção de idioma retornará um idioma predominante para cada documento que você enviar, juntamente com o nome ISO 639-1, um nome legível e uma pontuação de confiança. Uma pontuação positiva igual a 1 indica o nível mais alto de confiança possível da análise.
Conteúdo ambíguo
Em alguns casos, pode ser difícil eliminar a ambiguidade de idiomas com base na entrada. Você pode usar o parâmetro countryHint para especificar um código de país/região ISO 3166-1 alfa-2. Por padrão, a API usa "US" como a dica de país/região padrão. Para remover esse comportamento, redefina esse parâmetro com uma cadeia de caracteres com um valor de vazio countryHint = "".
Por exemplo, "communication" é comum em inglês e em francês e, se for fornecida com contexto limitado, a resposta será baseada na dica de país/região “US”. Se a origem do texto for conhecida por ser proveniente da França, isso poderá ser fornecido como uma dica.
Entrada
{
"documents": [
{
"id": "1",
"text": "communication"
},
{
"id": "2",
"text": "communication",
"countryHint": "fr"
}
]
}
O modelo de detecção de linguagem agora tem contexto adicional para fazer um julgamento melhor:
Saída
{
"documents":[
{
"detectedLanguage":{
"confidenceScore":0.62,
"iso6391Name":"en",
"name":"English"
},
"id":"1",
"warnings":[
]
},
{
"detectedLanguage":{
"confidenceScore":1.0,
"iso6391Name":"fr",
"name":"French"
},
"id":"2",
"warnings":[
]
}
],
"errors":[
],
"modelVersion":"2022-10-01"
}
Se o analisador não conseguir analisar a entrada, ele retornará (Unknown). Um exemplo é se você enviar uma cadeia de caracteres de texto que consiste exclusivamente em números.
{
"documents": [
{
"id": "1",
"detectedLanguage": {
"name": "(Unknown)",
"iso6391Name": "(Unknown)",
"confidenceScore": 0.0
},
"warnings": []
}
],
"errors": [],
"modelVersion": "2021-01-05"
}
Conteúdo de idioma misto
O conteúdo de idioma misto no mesmo documento retorna o idioma com a representação maior no conteúdo, mas com uma classificação positiva inferior. A classificação reflete a força marginal da avaliação. No exemplo a seguir, a entrada é uma combinação de francês, espanhol e inglês. O analisador de contagens de caracteres em cada segmento determina o idioma predominante.
Entrada
{
"documents": [
{
"id": "1",
"text": "Hello, I would like to take a class at your University. ¿Se ofrecen clases en español? Es mi primera lengua y más fácil para escribir. Que diriez-vous des cours en français?"
}
]
}
Saída
A saída resultante consiste no idioma predominante, com uma pontuação inferior a 1,0, o que indica um nível mais fraco de confiança.
{
"documents": [
{
"id": "1",
"detectedLanguage": {
"name": "Spanish",
"iso6391Name": "es",
"confidenceScore": 0.88
},
"warnings": []
}
],
"errors": [],
"modelVersion": "2021-01-05"
}
Limites de dados e serviços
Para obter informações sobre o tamanho e o número de solicitações que você pode enviar por minuto e segundo, confira o artigo Limites de serviços.