谷歌翻译错误的语言检测（多种语言）

Question

我目前正在尝试翻译包含多种语言的段落。

如果我们可以说，现在我已经使用 google translate API 实现了： hello bye hola 它会将语言检测为英语，如果它： hello hola adios 然后它会检测到西班牙语。

因此，基本上无论哪种语言在句子/段落中的字数最多，它都会检测到该语言。现在有趣的是，谷歌翻译他们实际上有这个功能。

有什么办法可以解决这个问题，让它只检测外语而不检测英语？

Answer 1

不，谷歌翻译 API 没有办法做到这一点，因为在他们的公共 API 中没有公开的机制。

如果您使用备用语言检测库，您可以定义一个阈值，在该阈值下删除较少表示的语言的内容。如果英文内容占整个样本文本的比例低于（例如）30%，这将允许您删除英文内容。

例如，查看optimaize/language-detector 项目中的RemoveMinorityScriptsTextFilterTest 类。