Jinsi utambuzi wa lugha otomatiki unavyofanya kazi katika utambuzi wa usemi, na wakati wa kutaja lugha hata hivyo

Kigunduzi cha lugha daima hutoa jibu, hata kwa kikohozi. Acha utambuzi uwashwe kwa sauti safi au lugha mchanganyiko, na taja lugha pale lugha moja inapozungumzwa juu ya kelele au lafudhi nzito.

Kila unukuzi huanza na swali ambalo msomaji hauoni: hii ni lugha gani? Ukikosea, sehemu nyingine ya mfumo inafanya kazi kwa bidii kutoa maneno yanayotiririka vizuri lakini yasiyo na maana. Makala hii inaeleza kigunduzi cha lugha kinasikiliza nini, utambuzi unavyofanya kazi kwa sauti za moja kwa moja na kwa faili, na wakati ambapo ni bora kutaja lugha mwenyewe.

Kigunduzi cha lugha kinasikiliza nini, na kwa nini salamu ni sampuli mbaya

Kigunduzi cha lugha hakielewi kinachosemwa. Kinatazama sauti yenyewe: orodha ya konsonanti na vokali, jinsi silabi zinavyosisitizwa, mdundo wa sentensi, na maneno mafupi yanayotokea mara nyingi ambayo kila lugha hutegemea. Kihispania kina seti yake ya vokali na mdundo wake; Kiholanzi na Kijerumani vinashirikiana sana lakini vinatofautiana katika sauti chache. Sekunde chache za usemi safi kwa kawaida zinatosha kuvitofautisha.

Visitambua usemi vingi hufanya hivi kama sehemu ya kutambua maneno. Vinaamua lugha kutokana na mwanzo wa sauti, kama uwezekano kwa kila lugha vinayoijua. Mambo mawili yanafuata kutokana na muundo huo. Kwanza, uwezekano wote unajumlisha hadi moja, kwa hiyo hakuna jibu la "hakuna lugha": ukimya, kikohozi au mlio wa muziki nao hupata lugha, mara nyingi pamoja na alama ya uhakika. Pili, uamuzi unafanywa kutoka mwanzo, ambao ndio sampuli mbaya zaidi unayoweza kuchagua. Rekodi nyingi huanza na salamu, majina na majina ya mahali, ambayo hubeba ishara ndogo sana ya lugha: "Habari za asubuhi, Maria, karibu Berlin" inakaribia kuwa Kijerumani kama ilivyo Kiingereza. Nyingine huanza kwa ukimya au kikohozi, na kigunduzi kinachoulizwa kuamua hapo kitaamua hata hivyo, kwa uhakika, juu ya chochote. Sauti halisi pia hufanya hivi: mahubiri ya Kiromania yanayoanza na kelele ya chumba na "Bună dimineața" yanaweza kusikika kwa uhakika kamili kama Kiitaliano "Buona domenica".

Gharama ya jibu baya ni kubwa kuliko inavyoonekana. Kitambua usemi kinachofanya kazi kwa lugha isiyo sahihi hakikosei tahajia; kinaandika upya. "For God so loved the world", ikisomwa kama Kiromania, ilitoka kama "Forgot to love the world". Kiromania "mândria slujește", ikisomwa kama Kiingereza, ilitoka kama "Pride serves", ambayo ni tafsiri sahihi ya sentensi ambayo hakuna aliyeomba itafsiriwe. Maneno yanatiririka vizuri, na nakala haitoi dalili yoyote kwamba kuna kosa, ndiyo maana kosa hili ni la gharama kubwa.

Mambo matano yanayodanganya vigunduzi mara nyingi zaidi:

• Kelele. Mvumo wa chinichini, kipaza sauti kibovu au simu iliyowekwa juu ya meza huchafua sauti hasa zinazotofautisha lugha moja na nyingine.
• Mwanzo mfupi au usioegemea lugha. Salamu, jina au namba ni sampuli duni kwa sababu zilizotajwa hapo juu, na usahihi hushuka kwa kasi kwenye vipande vya sekunde chache tu, hata kama ni safi.
• Lugha zinazofanana sana. Jozi zinazoshiriki sehemu kubwa ya mfumo wao wa sauti, kama Kiserbia na Kikroatia, Kihindi na Kiurdu, Kimalei na Kiindonesia, au Kidenmaki na Kinorwe, ndizo ambapo utambuzi ni dhaifu zaidi, kwa sababu viashiria unavyovisikiliza ni vile ambavyo lugha hizo zinavyo kwa pamoja.
• Lafudhi nzito. Lafudhi hubadilisha vokali na mdundo kuelekea lugha nyingine, na kigunduzi kinawafuata huko.
• Kubadilishana msimbo. Watu wengi huhama kati ya lugha mbili ndani ya mazungumzo moja, wakati mwingine ndani ya sentensi moja. Kigunduzi kinachoamua mara moja, mwanzoni, kimekosea kwa kila kinachosemwa kwa lugha nyingine.

Ni lipi kati ya haya linakuathiri linategemea kama sauti inakuja moja kwa moja au tayari imo kwenye faili.

Moja kwa moja: gundua unavyoendelea; msemaji anaweza kubadili lugha

Kwa unukuzi mubashara, hakuna rekodi nzima ya kuangalia. Sauti inafika kadiri inavyosemwa, na nakala lazima ifike pamoja nayo. Kwa hiyo lugha inagunduliwa msemaji anapozungumza, na kufuatiliwa akibadilisha. Hii ndiyo maana ya kidokezo kilicho chini ya swichi ya Spoken language unapoanzisha unukuzi mubashara kwenye Dashibodi: lugha ya msemaji inagunduliwa kiotomatiki, na anaweza kubadilisha wakati wowote.

Mabadiliko yanathibitishwa kabla hayajatumika, ili kipande kimoja cha kelele kisivute nakala kwenda kwenye lugha nyingine. Sehemu dhaifu ni mwanzo: kama maneno ya kwanza ni salamu yenye kelele, mstari wa kwanza unaweza kutoka kwa lugha isiyo sahihi. Kutaja lugha huepusha hilo.

Faili hufanya kazi tofauti, kwa sababu rekodi nzima tayari ipo.

Faili: rekodi nzima inapatikana

Faili ni tatizo bora: hakuna haja ya kuamini sekunde za mwanzo. Kwa faili, lugha inaamuliwa kutoka kwenye rekodi nzima, kwa hiyo salamu yenye kelele mwanzoni haiwezi kuamua peke yake.

Lugha ya faili bado ni dhana ya kufanyia kazi, si hukumu ya mwisho. Rekodi inayobadilika lugha katikati, kama mahojiano yanayohama kutoka Kiingereza kwenda Kiromania kwa nusu yake ya pili, inafuatwa badala ya kulazimishwa, na ile inayobadilishana lugha mara kwa mara nayo inashughulikiwa.

Kigunduzi kinachoamua mara moja tu na kisirudi nyuma kinajiamini mahali pasipofaa.

Wakati wa kutaja lugha

Hakuna kigunduzi kinachosaidia sana wakati rekodi nzima ina kelele. Utambuzi ndio chaguo-msingi kwa sababu ni sahihi mara nyingi na hauigharimu chochote. Kwa baadhi ya rekodi, hata hivyo, unapaswa kutaja lugha, na Dashibodi inaonyesha ni zipi: kutaja lugha inayozungumzwa kunaboresha usahihi kwenye rekodi zenye kelele na lafudhi nzito.

Hizo ndizo kesi ambazo utambuzi una kidogo cha kufanyia kazi. Kelele huondoa viashiria ambavyo kigunduzi kinavitegemea; lafudhi nzito huvihamisha kuelekea lugha nyingine; jozi ya lugha zinazofanana ina viashiria vichache tangu mwanzo. Msemaji wa Kiingereza mwenye lafudhi nzito ya Kireno katika ukumbi wenye mwangwi ni vigumu kumtambua kwa sauti peke yake, na kigunduzi kikimkosea, nakala itageuza usemi wa Kiingereza kuwa Kireno kwa muda wote wa kosa hilo. Kutaja lugha kunaondoa swali hilo, kwa hiyo juhudi zote zinaelekezwa kwenye maneno.

Orodha fupi:

1. Lugha moja, sauti safi. Acha utambuzi uwashwe. Utapata lugha sahihi, na utaendelea kuwa na uhuru wa kubadili.
2. Lugha moja, sauti duni, lafudhi nzito au lugha dada inayofanana. Taja lugha. Hii ndiyo kesi ambayo kidokezo cha Dashibodi kinaizungumzia, na jozi za lugha zinazofanana zilizotajwa hapo juu ndizo ambapo kutaja kunasaidia zaidi.
3. Lugha mbili au zaidi kwenye rekodi. Acha utambuzi uwashwe, ili kila sehemu inukuliwe kwa lugha halisi iliyozungumzwa. Kutaja lugha moja kungelazimisha nyingine ibadilishwe kuwa hiyo.
4. Huna uhakika kilichomo kwenye faili. Acha utambuzi uwashwe. Kwa faili, utambuzi unaangalia rekodi nzima.

Kutaja lugha ni mpangilio wa unukuzi, si wa akaunti yako, kwa hiyo unaweza kuamua kwa kila rekodi. Yote haya yanategemea chaguo moja la API.

Katika API: spokenLanguage isipokuwepo inamaanisha kugundua; session.update wakati mtiririko unaendelea

Katika API, spokenLanguage ni msimbo wa lugha kama en; ukiiacha, lugha inagunduliwa. Inaonekana katika settings za unukuzi wa faili au kiungo, na katika chaguo za kipindi cha wakati halisi. Utambuzi na kutaja vinahusu lugha 100 zilezile. Tafsiri kwenda hadi lugha 10 kati ya hizo ni chaguo tofauti, na haitegemei lugha iliyogunduliwa au iliyotajwa. Jinsi tafsiri inavyoenda sambamba na usemi ni mada ya Ucheleweshaji wa tafsiri ya moja kwa moja, umefafanuliwa.

{ "name": "Board meeting", "settings": { "spokenLanguage": "en", "speakerLabels": "auto" } }

Kipindi cha wakati halisi kinapokea chaguo hili kinapoundwa, na unaweza kulibadilisha wakati sauti inatiririka. Fremu ya maandishi ya session.update yenye spokenLanguage mpya inatumika kwa usemi kuanzia hapo na kuendelea; ukiiweka "" au "auto", kipindi kinarudi kwenye utambuzi, na msimbo usiotambulika unapuuzwa. Mwonekano wa manukuu wenye kitufe cha lugha unaweza kumruhusu mwendeshaji kutaja lugha mara tu anapoona mstari wa kwanza usio sahihi, bila kuunganisha tena.

{ "type": "session.update", "spokenLanguage": "ro" }

Orodha ya misimbo, pamoja na majina yake, iko kwenye GET /v1/languages, ambayo haihitaji ufunguo. Mtiririko kamili wa wakati halisi, kuanzia kuunda kipindi kwenye seva yako hadi kusoma rasimu na uthibitisho, uko kwenye Unukuzi wa wakati halisi kupitia WebSocket, na rejeleo shirikishi liko kwenye {{api}}/docs. Kwenye Dashibodi, chaguo hilo hilo ni swichi ya Spoken language unapo anzisha unukuzi mpya, na funguo za API ziko chini ya Developers.