Android ML Kit 短文本语言识别与翻译方向路由

直接回答

自动语言识别可为一段较短、单语言文本建议翻译源语言，但不能静默替代用户选择，也不能宣称解决混合语言文本。ML Kit Android Language ID 提供 identifyLanguage()，返回最可能的 BCP-47 语言标签；置信阈值未达到时返回 und。默认阈值是 0.5。identifyPossibleLanguages() 返回候选及其分数，针对整段输入应用另一个默认阈值 0.01；若没有候选达标，列表仍包含 und。这些 API cutoff 说明候选筛选行为，不构成应用领域校准证据、翻译置信度，也不能证明选定 translator 支持该语言。 短输入边界有明确文档。ML Kit 说明超过 200 字符的输入会截断为 200 字符用于识别，但没有暴露内部窗口的详细边界。若要可复现地路由，应选择并版本化应用自有、至多 200 字符的片段，对照实际 SDK 测试 Unicode 边界计数，再传入准确片段。完整原文、应用选定窗口和实际提交片段应分别保留。若直接提交更长文本而由 SDK 内部截断，应将 detector 实际窗口标为 API 限定/未知，不要声称观察到了内部窗口。依据有限片段的候选不能说成覆盖整份文档。空字符串、标点、数字、姓名、跨语言共用词和罗马化拼写可能缺少足够证据；此时合理结果可以是 und 或手动语言选择。 根据 UI 要做的决策选择方法。如果应用只需要一个源语言建议，identifyLanguage() 返回一个标签或 und。如果界面要展示多个备选供用户选择，identifyPossibleLanguages() 提供候选标签和置信值。后者仍假设整段输入只有一种语言；ML Kit 明确不在同一字符串中识别多种语言。不要把候选列表当成逐词 span，也不要拿首个结果重写混合语句。混合文字应进入单独复核流程，或让用户选择源语言。 识别出的语言标签本身不是翻译路由。应分别记录 detector 的 BCP-47 标签、用户选定源语言、目标语言、应用映射、translator 支持方向和翻译资源状态。识别器可能返回 translator 不支持、仅支持单方向，或尚未下载资源的标签。区域/脚本限定标签映射要有版本，不能用字符串前缀兜底。检测是异步的：实际应用结果时，在同一 owner 控制的串行或原子事件路径重新比较 request ID、输入修订号和手动覆盖修订号。若仅在 callback 入队前检查，排队期间的新选区仍可能造成竞态。映射缺失或含混时保留为建议，让用户选方向。 模型就绪又是另一种状态。ML Kit 提供 bundled 与 unbundled Android 库；unbundled 模型由 Google Play services 交付，首次启动时可能尚未就绪。指南说明，模型下载完成前发出的请求不会返回结果。要将这种可用性/任务失败与成功返回 und 分开。没有结果不能被转换成 und，也不能假设语言识别模型已就绪就代表 translator 的翻译模型或离线语言包也齐全。识别失败时保留原始片段，并允许用户手动选择方向，而不丢弃正在编辑的文本。 置信值要谨慎处理。ML Kit 暴露 confidence 和方法阈值，但 API cutoff 不构成针对应用领域、文本类型、长度或语种对的校准证据，分数也不是准确率保证。提高 setConfidenceThreshold 会改变返回哪些候选，不会建立一个对所有任务都更安全的通用阈值。根据错误后果和独立标注样例选择阈值，记录准确数值，并保留 und 与歧义状态。除非有覆盖目标输入人群的单独校准研究，否则不要展示正确率百分比。 使用按长度和文本形态分组的合成片段评估路由，不评翻译质量：清晰短句、姓名、数字、纯标点、仅对官方文档支持语言的罗马化例子，以及必须拒绝整体自动路由的混合语言控制样例。比较单标签模式与候选列表模式，测试阈值边界，并模拟 unbundled 模型尚未安装。记录 SDK artifact、Android API、交付方式、原文/选定窗口/提交片段及其字符长度、detector 输出、用户覆盖、translator 方向映射和语言资源状态。内容使用合成或获许可资料，不写入日志。本文只说明单语言源方向建议方法，不是基准测试、Cove 集成、词典工作流或混合语言 detector。

用户选中一句短文本，需要系统建议翻译方向

Android 写作流程拿到一段没有语言元数据的短选区，用户希望离线翻译。选区可能只是姓名或极短短语，而 translator 的源语言选项和翻译资源又是单独配置的。

决策

用 ML Kit 给单语言内容一个建议；und 或歧义继续让用户手选；之后再将 BCP-47 标签映射到 translator 实际支持且资源就绪的方向。

预期结果

界面可以建议源语言，但不会把 detector 分数当翻译质量，也不会把 Language ID 模型当翻译语言包。

需要收集的证据

只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：

• MLKIT-LANGUAGE-ID-2026-10：ML Kit Language ID 的 API 23+、单语言输入、阈值、und、200 字符截断和模型交付边界。
• ARCH-01：端侧定义说明推理位置，不证明 UI locale、语言识别和翻译方向等同。
• BENCHMARK-01：缺少完整结果集时只描述方法，不宣称已测语言支持或检测质量。

任务质量需要有版本记录的语料和验收规则；流畅的单条样例不等于准确度结果。

实施流程

1. 保留并版本化单语言选区. 把完整原文、选区边界、输入修订号和 request ID 一起保存。选择并版本化至多 200 字符的应用自有窗口，对照实际 SDK 测试 Unicode 边界计数，再传入准确片段；分别记录原文、选定窗口和已提交片段。
2. 选择识别方法和阈值. 记录调用 identifyLanguage 还是 identifyPossibleLanguages、显式配置的阈值以及未设置时的默认值。测试 und；API cutoff 不构成领域校准证据，分数不是准确率保证或翻译质量。
3. 处理短、未知和混合输入. und、姓名、数字、过短文本或混合语句应保留手动选择。不要从整串语言猜测生成逐 span 路由。
4. 把标签映射到翻译能力. 通过明确且有版本的映射将 BCP-47 标签转成应用源语言选项。随后独立核查目标方向、translator 支持和必需资源；未知映射要继续标记未知。
5. 分别确认模型就绪和恢复路径. 对 unbundled ML Kit，区分尚未下载而无结果、任务失败与成功返回 und。识别不可用时保留文本并提供手动方向选择。
6. 运行长度和路由夹具. 测试 SDK 限制附近的输入与 Unicode 边界，以及标点、数字、姓名、罗马化拼写和混合语言控制样例。优先传明确受限的应用片段。若提交更长文本并由 SDK 内部截断，将精确 detector 窗口标为未知；分别记录提交片段和最终路由。

让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。

验收标准

• 记录准确的 ML Kit 方法及阈值；不混淆 identifyLanguage 默认 0.5 和 identifyPossibleLanguages 默认 0.01。
• 需精确追溯时，使用版本化且不超过 200 字符的应用自有输入窗口，并按实际 SDK 测试 Unicode 边界计数。直接提交更长字符串时，内部窗口标为 API 限定/未知；API cutoff 不构成领域校准证据，分数不作为准确率保证。
• detector 只为单语言输入提供建议；und、混合文本、未知标签和不支持方向保留手动回退。结果应用时，须在同一 owner 串行/原子路径重新校验 request ID、输入修订和手动覆盖修订；仅在 callback 入队前检查不够。
• bundled/unbundled 模型就绪和异步失败与成功 und、translator 语言资源就绪分开。
• 不声称 Cove 集成了 ML Kit Language ID，也不声称识别所有脚本或翻译语言对。

决策对照表

需要避免的失败模式

• 把 identifyLanguage 与 identifyPossibleLanguages 的默认阈值 0.5/0.01 当成同一个设置。
• 把 confidence 显示成校准概率、翻译质量分数，或把 und 解释成模型任务失败。
• 将整个句子的语言猜测当作混合文本中的逐词/逐 span 检测。
• 把 Language ID 模型就绪、translator 支持方向和翻译语言资源已下载视为同一状态。

还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。

最小复现记录

发布检查表

• ☐ 主要搜索问题已回答，且没有未经支持的数字。
• ☐ 所有模型文件和运行时版本均已固定。
• ☐ 代表性任务和失败处理策略均有说明。
• ☐ 生命周期、取消、清理和回退均已测试。
• ☐ 用户内容与网络边界均有说明。
• ☐ 结论只适用于被记录的配置。
• ☐ 新增测试结果时链接到原始方法或证据。

来源与相关证据

• 端侧 AI 架构概览
• Cove 基准测试方法
• Google ML Kit — Android 文本语言识别
• Google ML Kit API — LanguageIdentifier 结果与输入限制
• Google ML Kit API — LanguageIdentificationOptions.Builder 阈值

中文部署与排错专题见。奇连 AI 端侧专题。

常见问题