Техническая задача: от простого перевода к контексту и offline
Мобильный бот-переводчик — задача, которую многие пытаются решить простым вызовом API. Но когда нужно учитывать контекст диалога, работать в метро и переводить через камеру, простой запрос к DeepL или Google не поможет. Мы, команда мобильных разработчиков с 5-летним опытом, сталкивались с этим не раз. Неправильный выбор архитектуры ведёт к потере пользователей: переводы становятся бессмысленными, приложение падает в офлайне или требует постоянного интернета. В этой статье расскажем, как построить надёжного бота-переводчика с offline-режимом, голосовым вводом и камерой, используя современные API и ML Kit. За годы работы мы реализовали более 50 проектов для клиентов из США, Европы и СНГ, включая специализированные переводчики для медицинских и юридических сфер. Наш опыт показывает, что ключевые решения — выбор Translation API и архитектуры offline-режима — закладывают качество продукта. Рассмотрим по порядку: от выбора API до интеграции камеры, чтобы вы могли принять взвешенное решение и избежать типичных ошибок.
Как выбрать Translation API?
DeepL, Google Cloud Translation, Yandex Translate и LLM — каждый имеет свои сильные стороны. Выбор зависит от языковой пары и требований к контексту.
DeepL API — лучшее качество для европейских языков. Free tier — 500K символов в месяц. Поддерживает формальный/неформальный тон (параметр formality). Важно: DeepL не поддерживает перевод с русского на некоторые языки — в таких случаях используйте Google или Yandex.
Google Cloud Translation API — 100+ языков, высокое качество для русского. v3 поддерживает glossary — словарь терминов, которые нельзя переводить или нужно переводить строго определённым образом. Для медицины, юридических текстов, брендов — обязательная функция.
Yandex Translate API — лучшие результаты для русского ↔ европейские языки. Встроенный language detection.
LLM (GPT-4o / Claude) — контекстуальный перевод с учётом тона и стиля. Выигрывает на специализированных текстах, идиомах, юморе. Дороже и медленнее для простых задач. Рекомендован для диалоговых ботов.
| API | Языки | Качество | Особенности |
|---|---|---|---|
| DeepL | 30+ европейских | Отличное | formality, free 500K chars |
| 100+ | Высокое | glossary, autodetect | |
| Yandex | 100+ | Высокое для RU | встроенный детект |
| LLM | любые | Контекстуальное | тон, идиомы |
Определение языка
Пользователь вводит текст — бот должен понять, с какого языка переводить. Явный выбор через пикер или автодетект. Google Translation API возвращает detectedSourceLanguage. Для коротких запросов (1–2 слова) автодетект ошибается — лучше предлагать выбор вручную.
Контекст диалога
Если пользователь переводит серию связанных сообщений — LLM с историей переводов даёт более последовательный результат. Имена, местоимения, термины сохраняются в контексте. Для экономии токенов передавайте последние N сообщений.
Терминологический глоссарий
Google Translation v3 Glossary API позволяет создать список терминов, которые модель не должна переводить или переводит строго определённым образом:
from google.cloud import translate_v3 client = translate_v3.TranslationServiceClient() glossary = client.create_glossary( parent=f"projects/{project_id}/locations/us-central1", glossary=translate_v3.Glossary( name=glossary_name, language_pair=translate_v3.Glossary.LanguageCodePair( source_language_code="en", target_language_code="ru" ), input_config=translate_v3.GlossaryInputConfig( gcs_source=translate_v3.GcsSource(input_uri=glossary_gcs_uri) ) ) ) Как реализовать offline-перевод?
Для пользователей в зонах нестабильного интернета — перевод на устройстве без отправки текста на сервер. Конфиденциальность данных — ключевое преимущество. Offline-модели работают локально — текст пользователя не покидает устройство. Offline-модели не только ускоряют перевод (10–50 мс против 200–500 мс у API), но и экономят до 70% расходов при высокой нагрузке. Согласно документации Google ML Kit, языковые модели весят около 30 МБ.
iOS. MLKit Translation от Google поддерживает скачивание языковых моделей. TranslateLanguage.allLanguages() — список доступных. Модель одного языка весит ~30 МБ. Перед переводом проверяйте наличие модели через translator.downloadModelIfNeeded(with:).
import MLKitTranslate let options = TranslatorOptions( sourceLanguage: .russian, targetLanguage: .english ) let translator = Translator.translator(options: options) let conditions = ModelDownloadConditions(allowsCellularAccess: true) translator.downloadModelIfNeeded(with: conditions) { error in guard error == nil else { return } translator.translate("Привет, мир") { result, error in print(result ?? "") } } Android. То же через TranslatorOptions из com.google.mlkit:translate. Offline-модели работают локально — текст пользователя не покидает устройство.
Сравнение online и offline
| Параметр | Online (API) | Offline (ML Kit) |
|---|---|---|
| Языки | 100+ | 50+ |
| Качество | Максимальное | Снижено на 5–10% |
| Задержка | 200–500 мс | 10–50 мс |
| Приватность | Текст уходит на сервер | Всё на устройстве |
| Требования к интернету | Постоянный | Не нужен |
Голосовой ввод и озвучивание перевода
Логичное дополнение: пользователь говорит → бот переводит → зачитывает вслух. STT для входа: нативные API (Android SpeechRecognizer, iOS SFSpeechRecognizer) или Whisper. TTS для выхода: AVSpeechSynthesizer на iOS (AVSpeechSynthesisVoice(language: "fr-FR")) или TextToSpeech на Android. Важно проверить наличие голоса на устройстве перед озвучкой.
Камера: перевод в реальном времени
Самый впечатляющий сценарий — навести камеру на меню, вывеску или документ и увидеть перевод поверх изображения. Технически: ML Kit TextRecognizer → перевод блоков → отрисовка поверх camera preview с OCR bounding boxes. Подводный камень: координаты текста из OCR привязаны к кадру, который изменяется 30 раз в секунду. Стабилизация результатов (сравнение с предыдущим кадром по IoU bounding boxes) снижает мерцание.
Процесс работы
- Анализ требований и выбор API.
- Разработка бэкенда: API-ключи, кэширование, глоссарий.
- Мобильный UI: ввод, история, копирование, шеринг.
- Интеграция offline-моделей, голоса, камеры (опционально).
- Тестирование и публикация (App Store / Google Play).
Что входит в работу
- Архитектурное решение и выбор стека.
- Разработка бэкенда и клиентской части.
- Настройка Glossary и контекстного перевода.
- Документация API и инструкции для пользователей.
- Поддержка после запуска (1 месяц).
Ориентиры по срокам
Базовый бот-переводчик через cloud API — 2–3 дня. С offline-режимом, голосовым вводом и переводом через камеру — 1,5–2 недели. Точная оценка после анализа проекта. Мы гарантируем качество и соблюдение сроков — за 5 лет работы мы не сорвали ни одного дедлайна. Свяжитесь с нами, чтобы обсудить ваш проект. Закажите разработку бота-переводчика уже сегодня.