¿Cómo funciona la identificación de idiomas?

Cada idioma deja pistas en la escritura. El sistema de escritura permite acotar rápidamente las posibilidades, ya que el cirílico, el griego o el árabe descartan de inmediato la mayoría de los idiomas. Después entran en juego letras como la ñ en español o la ß en alemán, y palabras cortas que aparecen por todas partes, como «the», «le» o «und».

Los idiomas estrechamente relacionados son la parte más difícil. El español y el portugués, o el danés y el noruego, comparten tantas palabras que una frase corta puede confundir a un detector sencillo. Un modelo de IA también puede tener en cuenta la gramática y el vocabulario, y separar un texto que mezcle varios idiomas.

Descripción de la herramienta

Pega hasta 5.000 caracteres en Texto y haz clic en Identificar idiomas. La tabla muestra todos los idiomas detectados, del que ocupa la mayor proporción al que ocupa la menor, con estas columnas:

  • Idioma, el nombre del idioma
  • Nombre nativo, su nombre en el propio idioma, como Deutsch o 日本語
  • Código ISO, el código ISO 639-1 o ISO 639-3 para los idiomas que no tienen un código de dos letras
  • Proporción, un porcentaje aproximado del texto escrito en ese idioma
  • Muestra, un breve fragmento copiado de tu texto

El razonamiento explica qué palabras, elementos ortográficos, aspectos gramaticales o sistemas de escritura permitieron identificar cada idioma, y señala cuándo la IA no está segura. Se ignoran los nombres, los números, las URL y las palabras sueltas tomadas de otros idiomas, salvo que constituyan todo el texto.

Ejemplo

Para «Bonjour à tous! I just moved to Montreal y todavía estoy aprendiendo francés.», cabría esperar algo parecido a un 40 % de inglés y un 40 % de español, y alrededor de un 20 % de francés, con muestras como «Bonjour à tous!».

Funciones

  • Detecta todos los idiomas presentes en un texto mixto y su proporción
  • Códigos ISO y nombres nativos de cada idioma
  • Una breve explicación de cómo se reconoció cada idioma

Limitaciones

A menudo, una o dos palabras no bastan para distinguir idiomas relacionados, y las proporciones son estimaciones. Las respuestas de la IA pueden ser incorrectas, así que comprueba los resultados importantes.