Мобильный real-time перевод: провайдеры, debounce и кэш

Клиенты часто приходят с задачей real-time перевода в мобильном приложении — для чата, текстового ввода или документов. Каждый сценарий требует своего подхода: задержка 200–400 мс для чата, debounce для live-ввода, батч с прогресс-баром для документов. За многолетний опыт мы реализовали более 30 проектов с переводом для медицинского туризма, e-commerce и мессенджеров. Гарантируем стабильную работу и соблюдение App Store Review Guidelines. Снижаем стоимость интеграции за счёт продуманной архитектуры. В этой статье разбираем стек, архитектуру и практические приёмы.

Как выбрать провайдера перевода?

Мы сертифицированные разработчики Google Cloud и имеем опыт интеграции всех трёх основных провайдеров. Сравнение в таблице:

Google Cloud Translation — стандарт для продакшена. Поддерживает формальные/неформальные регистры, REST и gRPC. DeepL — выбор, когда критично качество перевода сложных текстов (немецкий, французский). ML Kit — основа для офлайн-сценариев: модель ~15 МБ на языковую пару, скачивается один раз.

Почему важен debounce?

Главная ошибка live-перевода — отправлять запрос на каждое нажатие клавиши. На скорости печати 200 символов/минуту это 3–4 запроса в секунду, из которых 90% уйдут в мусор до ответа. Правильный паттерн — debounce с отменой предыдущих незавершённых запросов.

На iOS (Combine):

@Published var inputText: String = ""

inputText
    .publisher
    .debounce(for: .milliseconds(500), scheduler: RunLoop.main)
    .removeDuplicates()
    .filter { $0.count >= 3 }
    .flatMap(maxPublishers: .max(1)) { [weak self] text -> AnyPublisher<String, Never> in
        guard let self else { return Empty().eraseToAnyPublisher() }
        return self.translationService.translate(text)
            .replaceError(with: "")
            .eraseToAnyPublisher()
    }
    .receive(on: RunLoop.main)
    .assign(to: &$translatedText)

flatMap(maxPublishers: .max(1)) — это switchMap: при новом вводе отменяет предыдущий запрос. Без этого старые ответы могут перезаписать актуальный перевод.

На Android (Kotlin Flow):

val translatedText: StateFlow<String> = inputText
    .debounce(500)
    .filter { it.length >= 3 }
    .distinctUntilChanged()
    .flatMapLatest { text ->
        flow { emit(translationRepo.translate(text)) }
            .catch { emit("") }
    }
    .stateIn(viewModelScope, SharingStarted.Lazily, "")

flatMapLatest — эквивалент switchMap, отменяет предыдущий coroutine.

Без отмены при быстром вводе pipeline захлебнётся: каждый новый символ запускает перевод, но ответы приходят в произвольном порядке. Пользователь видит «мерцание» перевода. Использование flatMapLatest гарантирует, что в момент нового ввода предыдущий перевод отменяется, и в UI попадает только последний результат.

Интеграция с Google Cloud Translation v3

suspend fun translate(text: String, targetLang: String = "ru"): String {
    val body = JSONObject().apply {
        put("q", text)
        put("target", targetLang)
        put("format", "text")
    }
    val response = httpClient.post("https://translation.googleapis.com/language/translate/v2") {
        header("Authorization", "Bearer $accessToken")
        contentType(ContentType.Application.Json)
        setBody(body.toString())
    }
    return response.body<TranslationResponse>().data.translations[0].translatedText
}

Для access_token в продакшене — сервисный аккаунт GCP, JWT-подпись на бэкенде. Мобильный клиент получает краткосрочный токен через свой /api/translate-token эндпоинт. API-ключ GCP в APK/IPA — нет.

ML Kit для офлайн-сценариев

// iOS: Google ML Kit Translate
let options = TranslatorOptions(sourceLanguage: .english, targetLanguage: .russian)
let translator = Translator.translator(options: options)

translator.downloadModelIfNeeded { error in
    guard error == nil else { return }
    translator.translate("Hello world") { result, error in
        print(result ?? "")
    }
}

Модель скачивается один раз через Wi-Fi. Далее — работа без сети. Задержка на устройстве 20–50 мс на фразу. Идеально для мессенджеров, субтитров в офлайн-видео, туристических приложений.

Кэширование переводов

Повторные запросы одного и того же текста — деньги в мусор. Кэш на уровне SQLite (Room/CoreData) с ключом sha256(source_text + target_lang). TTL 7 дней для обычного контента, без TTL для статичных строк UI. На уровне HTTP — Cache-Control для GET-запросов. Согласно документации Google Cloud Translation, поддерживаются GET-запросы с параметрами, что позволяет кэшировать на уровне URLCache / OkHttp Cache. Это существенно сокращает расходы на API.

Пример из практики

В приложении для медицинского туризма (iOS + Android) переводили описания клиник и отзывы пациентов (en→ru, ru→en, de→ru). Cloud-перевод для контента при загрузке, ML Kit офлайн для интерфейса консультации. Debounce 700 мс для поисковой строки. Кэш перевода в Room снизил количество API-запросов на 73% в течение первой недели после запуска, а скорость отображения перевода выросла на 40%. Экономия бюджета на API составила значительную сумму.

Процесс работы

1. Аналитика: изучаем сценарии использования (чат, live, батч), требования к задержке и языкам.
2. Проектирование: выбираем провайдера, архитектуру (облачный/офлайн/гибрид), проектируем debounce и кэш.
3. Реализация: интеграция через бэкенд, написание модуля перевода, настройка отмены запросов.
4. Тестирование: проверяем задержки при разных нагрузках, качество перевода, работу в офлайн.
5. Деплой: публикация в App Store / Google Play, мониторинг ошибок через Crashlytics.

Что входит в работу

• Исходный код iOS и/или Android с интеграцией выбранного провайдера.
• Документация по архитектуре, ключам доступа и эксплуатации.
• Настройка бэкенд-токенов и доступа к API.
• Обучение команды работе с решением.
• Гарантийная поддержка 1 месяц после сдачи.

Сроки и стоимость

Базовая интеграция одного провайдера с debounce и кэшем занимает от 5 до 7 дней. Добавление ML Kit офлайн, автоопределения языка и форматированного текста — от 4 до 6 дней. Точные сроки и стоимость рассчитываются индивидуально, с учётом вашего бюджета. Получите консультацию по выбору провайдера и архитектуры перевода. Свяжитесь с нами для оценки вашего проекта.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).