Detector de idioma
Pega una oración o un párrafo para saber en qué idioma está escrito. Obtienes el idioma más probable con una clasificación de confianza de las alternativas, los sistemas de escritura usados en el texto y una comprobación opcional línea por línea para documentos en varios idiomas.
Última actualización:
Clasificación
Sistemas de escritura del texto
Línea por línea
Cómo usar Detector de idioma
- Pega tu texto. Una o dos oraciones (20 palabras o más) dan el resultado más fiable.
- Lee el idioma detectado, su nombre nativo, su código ISO y la confianza.
- Revisa las alternativas: idiomas muy cercanos, como el español y el gallego, pueden obtener puntuaciones parecidas.
- Mira los sistemas de escritura para ver qué escrituras aparecen y qué parte del texto ocupa cada una.
- Activa línea por línea para detectar cada línea por separado, por ejemplo en subtítulos o listas multilingües.
Cómo funciona la detección de idioma
El detector trabaja en dos pasos. Primero clasifica cada letra según su sistema de escritura (escritura Unicode). Muchos idiomas tienen su propia escritura, así que los textos en hangul coreano, tailandés, georgiano, armenio, griego, tamil o jemer se identifican solo por sus letras, y el japonés se reconoce por su hiragana y katakana. En el texto chino se comprueba si los caracteres tienen forma simplificada o tradicional.
Para las escrituras compartidas por muchos idiomas (latina, cirílica, árabe, devanagari, hebrea, bengalí) compara el texto con perfiles de idiomas. El modelo franc, una biblioteca de código abierto, puntúa cuánto se parecen las secuencias de tres letras del texto (trigramas como “the”, “ing”, “ión”) a los perfiles de más de 180 idiomas. El detector integrado, en cambio, cuenta las palabras cortas más frecuentes de cada idioma (“the, and, of” en inglés, “und, der, die” en alemán) y letras características como ñ, ß, ø, ł, ő o ă.
Idiomas fáciles de confundir
| Pareja o grupo | Por qué | Pistas que buscar |
|---|---|---|
| Danés / noruego bokmål | Vocabulario escrito casi idéntico | Danés af, mig, efter, hvad; noruego av, meg, etter, hva |
| Español / gallego / portugués | Raíces y terminaciones latinas compartidas | Español ñ, el, los; gallego unha, non; portugués ã, õ, não |
| Malayo / indonesio | Formas estándar de un mismo idioma | Malayo kerana, boleh, sahaja; indonesio karena, bisa, saja |
| Croata / serbio / bosnio | Estándares mutuamente inteligibles | El serbio suele usar el cirílico; croata tko, što, serbio ko, šta |
| Checo / eslovaco | Parientes cercanos | Checo ř, ů, ě; eslovaco ľ, ä, ô |
| Ruso / ucraniano / bielorruso | Alfabeto cirílico compartido | Ruso ы, э; ucraniano і, ї, є, ґ; bielorruso ў |
| Hindi / maratí / nepalí | Todos se escriben en devanagari | Hindi है, और; maratí आहे, आणि; nepalí छ, र |
| Árabe / persa / urdu | Escritura árabe compartida | Persa پ چ ژ گ; urdu ٹ ڈ ڑ ے |
Consejos para obtener resultados precisos
- Usa oraciones completas. Los nombres, las marcas, los números y las palabras sueltas suelen existir en varios idiomas.
- Quita el código, las URL y los hashtags antes de comprobar; añaden patrones de letras que parecen inglés.
- Divide los documentos mixtos con la opción línea por línea en lugar de comprobarlos como un solo bloque.
- Lee la clasificación: cuando las dos primeras puntuaciones están cerca, el texto puede encajar en ambos idiomas.
Preguntas frecuentes
¿Cómo funciona el detector de idioma?
Primero mira el sistema de escritura: muchos idiomas tienen una escritura única (griego, hangul coreano, tailandés, armenio…). Dentro de las escrituras compartidas compara el texto con perfiles de idiomas: el modelo franc compara secuencias de tres letras (trigramas) con perfiles de más de 180 idiomas, y el detector integrado cuenta las palabras más comunes y las letras especiales de cada idioma.
¿Cuánto texto necesito?
Una oración corta suele bastar para idiomas muy distintos, pero 20 palabras o más dan una respuesta fiable. Las palabras sueltas y los nombres pueden pertenecer a varios idiomas, así que el resultado de un texto muy corto se marca con fiabilidad baja.
¿Por qué a veces se confunden idiomas parecidos?
Idiomas muy cercanos como el danés y el noruego, el español y el gallego, el malayo y el indonesio o el serbio, el croata y el bosnio comparten la mayoría de sus palabras comunes y su ortografía. Revisa la clasificación: cuando dos puntuaciones están cerca, ambos son posibles.
¿Qué motor se usa?
Cuando tu navegador puede cargar la biblioteca franc desde la CDN, su modelo de trigramas clasifica más de 180 idiomas. Si no puede cargarla (por ejemplo, sin conexión), el detector integrado cubre al instante más de 80 idiomas principales y todas las escrituras distintivas. La tarjeta del resultado indica qué motor dio la respuesta.
¿Puede detectar texto en varios idiomas?
El resultado principal indica el idioma predominante. Activa el modo línea por línea para comprobar cada línea por separado; la tabla de sistemas de escritura muestra cuándo se mezclan varias escrituras.
¿Qué son los códigos ISO 639-3?
ISO 639-3 es la norma internacional de códigos de idioma de tres letras, como eng para el inglés, spa para el español y cmn para el chino mandarín. Se muestran para que puedas usar el resultado en software y archivos de datos.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.