בניית בוט תרגום לאפליקציות מובייל

אתגר טכני: מתרגום פשוט להקשר ולאופליין

בוט תרגום למובייל נראה כמו קריאת API פשוטה. אבל כשצריך להתחשב בהקשר דיאלוג, לעבוד ברכבת התחתית ולתרגם דרך המצלמה, בקשה פשוטה ל-DeepL או Google לא תספיק. אנחנו—צוות פיתוח מובייל עם 5 שנות ניסיון—נתקלנו בזה פעמים רבות. בחירת ארכיטקטורה שגויה מובילה לנטישת משתמשים: תרגומים הופכים לחסרי משמעות, האפליקציה קורסת במצב אופליין, או דורשת אינטרנט קבוע. במאמר זה נראה לכם כיצד לבנות מתרגם אמין עם מצב אופליין, קלט קולי ומצלמה, תוך שימוש ב-API מודרניים וב-ML Kit. במהלך השנים סיפקנו 50+ פרויקטים ללקוחות ברחבי ארה"ב, אירופה וחבר העמים, כולל מתרגמים ייעודיים לתחומים רפואיים ומשפטיים. הניסיון שלנו מראה שההחלטות המרכזיות—איזה API תרגום ואיזו ארכיטקטורת אופליין תבחרו—מעצבות את איכות המוצר. נעבור צעד אחר צעד: מבחירת API ועד אינטגרציית מצלמה, כדי שתוכלו לקבל החלטה מושכלת ולהימנע ממלכודות נפוצות.

בחירת API לתרגום בוט מובייל: DeepL מול Google מול Yandex מול LLM

DeepL, Google Cloud Translation, Yandex Translate ו-LLM לכל אחד יש יתרונות משלו. הבחירה תלויה בצמד השפות ובדרישות ההקשר.

DeepL API מציע את האיכות הטובה ביותר לשפות אירופאיות—30% טוב יותר מ-Google בבדיקות מסוימות (נמדד לפי ציון BLEU). מסלול חינמי: 500K תווים בחודש. תומך בטון פורמלי/לא פורמלי (פרמטר formality). חשוב: DeepL אינו תומך בתרגום מרוסית לכמה שפות—במקרים כאלה, השתמשו ב-Google או Yandex.

Google Cloud Translation API מכסה 100+ שפות, איכות גבוהה לרוסית. גרסה v3 תומכת במילון מונחים—רשימת מונחים שאסור לתרגם או שיש לתרגם בצורה ספציפית. לרפואה, טקסטים משפטיים, מותגים—זה חובה.

Yandex Translate API מספק את התוצאות הטובות ביותר לרוסית ↔ שפות אירופאיות. זיהוי שפה מובנה.

LLM (GPT-4o / Claude) מספק תרגום הקשרי עם מודעות לטון וסגנון. הוא מצטיין בטקסטים מיוחדים, ניבים והומור. יקר יותר פי 2-3 לנפחים גדולים. מומלץ לבוטים של דיאלוג.

זיהוי שפה

המשתמש מזין טקסט—הבוט צריך להבין מהי שפת המקור. או בורר ידני או זיהוי אוטומטי. Google Translation API מחזיר detectedSourceLanguage. לשאילתות קצרות (1–2 מילים) זיהוי אוטומטי נכשל לעיתים קרובות—עדיף לתת למשתמש לבחור ידנית.

הקשר דיאלוג

אם המשתמש מתרגם סדרה של הודעות קשורות—LLM עם היסטוריית תרגום נותן תוצאות קוהרנטיות יותר. שמות, כינויי גוף ומונחים נשארים בהקשר. כדי לחסוך בטוקנים, העבירו את N ההודעות האחרונות.

מילון מונחים

Google Translation v3 Glossary API מאפשר ליצור רשימת מונחים שהמודל אסור לתרגם או חייב לתרגם בקפדנות:

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)
        )
    )
)

איך ליישם תרגום אופליין?

למשתמשים באזורים עם אינטרנט לא יציב—תרגמו במכשיר מבלי לשלוח טקסט לשרת. פרטיות הנתונים היא יתרון מרכזי. מודלים אופליין רצים מקומית—הטקסט של המשתמש לעולם לא עוזב את המכשיר. הם גם מאיצים את התרגום (10–50 אלפיות השנייה לעומת 200–500 אלפיות השנייה ל-API) וחוסכים עד 70% מהעלויות בעומס גבוה. לאפליקציות עם נפח גדול, מצב אופליין יכול לחסוך אלפים בחודש בהשוואה ל-API בענן. לפי תיעוד Google ML Kit, מודלי שפה שוקלים כ-30 MB כל אחד.

iOS. השתמשו ב-MLKit Translation של Google. 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) ) ) ) מציג את השפות הזמינות. כל מודל הוא ~30 MB. לפני התרגום, בדקו אם המודל הורד דרך MLKit Translation.

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. אותו דבר דרך TranslateLanguage.allLanguages() מ-translator.downloadModelIfNeeded(with:). מודלים אופליין עוברים קוונטיזציה ליעילות—הם רצים מקומית ולעולם לא שולחים נתונים לענן.

השוואה: מקוון מול אופליין

קלט קולי והשמעת תרגום

תוספת הגיונית: המשתמש מדבר → המתרגם מגיב → מקריא בקול. STT לקלט: API מקומיים (Android SpeechRecognizer, iOS SFSpeechRecognizer) או Whisper. TTS לפלט: 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 ?? "") } } ב-iOS (TranslatorOptions) או com.google.mlkit:translate ב-Android. חשוב: ודאו שהקול הרצוי זמין במכשיר לפני הדיבור.

מצלמה: תרגום בזמן אמת

התרחיש המרשים ביותר—כוונו את המצלמה לתפריט, שלט או מסמך וראו את התרגום מוצג על התמונה. טכנית: ML Kit TextRecognizer → תרגום בלוקים → הצגה על גבי תצוגת המצלמה עם תיבות גבול OCR. מלכודת נסתרת: קואורדינטות טקסט OCR קשורות לפריים, שמשתנה 30 פעמים בשנייה. ייצוב תוצאות (השוואת תיבות גבול דרך IoU מהפריים הקודם) מפחית הבהובים.

תהליך העבודה שלנו

1. ניתוח דרישות ובחירת API.
2. פיתוח backend: מפתחות API, מטמון, מילון מונחים.
3. ממשק משתמש למובייל: קלט, היסטוריה, העתקה, שיתוף.
4. אינטגרציה של מודלים אופליין, קול, מצלמה (אופציונלי).
5. בדיקות ופרסום (App Store / Google Play).

תוצרים

• מסמך החלטת ארכיטקטורה ובחירת מחסנית טכנולוגית.
• קוד מקור ל-backend ולצד הלקוח.
• הגדרת מילון מונחים והגדרת תרגום הקשרי.
• תיעוד אינטגרציית API ומדריכי משתמש.
• תמיכה לאחר השקה (חודש אחד).
• מפגש הדרכה לצוות שלכם (יום אחד).
• גישה לסקריפטי פריסה ומדדי ביצועים.
• דוח בדיקות משתמשים עם הערכת ציון BLEU.

לוחות זמנים ומחירים משוערים

מתרגם בסיסי מבוסס ענן: 2–3 ימים, מ-$1,000. עם מצב אופליין, קלט קולי ותרגום מצלמה: 1.5–2 שבועות, מ-$5,000. אפליקציה מלאה עם כל הפיצ'רים: עד $10,000. הערכה מדויקת לאחר ניתוח הפרויקט. אנחנו מבטיחים איכות ועמידה בלוחות זמנים—במשך 5 שנות עבודה, מעולם לא פספסנו אף דדליין. צרו קשר כדי לדון בפרויקט שלכם. הזמינו פיתוח של בוט תרגום למובייל עוד היום.