基于fasttext与langid文本语种识别的python代码实现

上期文章，我们分享了OpenAI开源的能识别99种语言的语音识别系统——whisper。

 

Whisper 是一种自动语音识别模型，基于从网络上收集的 680,000 小时多语言数据进行训练。根据 OpenAI的介绍，该模型对口音、背景噪音和技术语言具有很好的鲁棒性。此外，它还支持 99 种不同语言的转录和从这些语言到英语的翻译。

whisper语音识别系统

虽然Open AI开源的whisper语音识别系统，可以识别出不同的语音，且同样可以识别出语音的语种，但是whisper主要应用在语音识别系统上面，且我们运行whisper系统需要大型的模型。当我们仅仅来识别不同的语言文字，且要识别出语言文字的语种时，我们可以使用小型的模型来识别，比如langid，fasttext等等。

langid文本语种识别

在Facebook发布fasttext之前，比较著名的语种识别库是langid，langid是一个小型的语种识别库，其模型只有2.5MB的大小，精度已经达到了91.3以上，虽然模型较小，但是功能确实是比较强大，且可以支持97种的文本语种检测。

使用langid十分简单，我们只需要使用如下代码安装使用即可

pip install langid
langid

第一步首先是使用pip安装langid即可