Ochiq kodli text-Humanizer pipeline yordamida sun’iy intellekt yaratgan matnni insoniylashtirish

text-Humanizer nima?

text-Humanizer — sun’iy intellekt yaratgan matnni tabiiyroq gap tuzilmalari, xilma-xil lingvistik andozalar va yanada katta uslubiy rang-baranglikka ega yozuvga aylantirish uchun mo‘ljallangan, MIT litsenziyasi asosida tarqatiladigan bepul Python loyihasidir. U manba matn mazmunini saqlab qolishga mo‘ljallangan ko‘p tilli qayta yozish va tarjima konveyeridan foydalanadi.

Loyiha en, ja, zh, ko, de, fr va es til kodlarini qo‘llab-quvvatlaydi. README faylida qayta yozilgan kontent ko‘plab AI detektorlaridan o‘tib ketishi mumkinligi ham aytilgan. Biroq aniqlash natijalari kafolatlanmaydi; vositadan mualliflikni noto‘g‘ri ko‘rsatish yoki ma’lumotni oshkor qilish talablaridan qochish uchun emas, balki mas’uliyat bilan foydalanish kerak.

Asosiy imkoniyatlar

• Ma’noni saqlash: Kontentni uning dastlabki mazmunini saqlab qolishga harakat qilgan holda qayta yozadi.
• Tabiiy ifoda: Turli gap tuzilmalari, iboralar va axborot oqimini joriy qiladi.
• Ko‘p tilli qayta ishlash: Qo‘llab-quvvatlanadigan bir nechta tillarda kontentni qabul qiladi va yaratadi.
• Uslub moslashuvchanligi: Qayta yozishni turli ohang va yozuv uslublariga moslashtirish uchun ishlab chiqilgan.
• Ixtiyoriy DeepL bosqichi: DeepL API kaliti sozlanganida yana bir tarjima mexanizmini qo‘shadi.
• Ochiq manbaga kirish: MIT litsenziyasi ostida tarqatiladi.

Qayta yozish konveyeri qanday ishlaydi

Bitta parafrazlash bosqichini qo‘llash o‘rniga, text-Humanizer kontentni bir nechta til modeli va tarjima bosqichlaridan o‘tkazadi.

1. DeepSeek orqali qayta yozish: DeepSeek o‘zgartirilgan iboralar, gap tuzilishi va axborot oqimiga ega, mazmunan teng variantni yaratadi. Tuzilmaviy xilma-xillikni joriy qilish uchun konveyer oraliq ko‘rinish sifatida xitoy tilidan ham foydalanadi.
2. Turk tiliga tarjima: Google Translate oraliq natijani turk tiliga o‘girib, tillararo sintaktik xilma-xillikni qo‘shadi.
3. Ixtiyoriy yaponcha tarjima: DeepL API kaliti mavjud bo‘lsa, DeepL turkcha matnni yapon tiliga tarjima qiladi. Bu ikkinchi tarjima mexanizmi va qo‘shimcha lingvistik xilma-xillikni joriy etadi.
4. Yakuniy qayta tiklash: DeepSeek natijani sozlangan dastlabki tilga tarjima qiladi va qayta tiklaydi, tarjima izlarini olib tashlab, o‘qilishi ravon gap oqimini qaytaradi.

Bir nechta o‘zgartirishlar amalga oshirilgani sababli, yakuniy matnni diqqat bilan tekshiring. Ismlar, texnik atamalar, raqamlar, iqtiboslar va nozik ma’no farqlari qo‘lda tekshirilishi kerak bo‘lishi mumkin.

Talablar

Loyihani o‘rnatishdan oldin quyidagilarni tayyorlang:

• Python 3.6 yoki undan keyingi versiya.
• Repozitoriyni klonlash uchun Git.
• DeepSeek API kaliti.
• Qo‘shimcha tarjima bosqichini yoqmoqchi bo‘lsangiz, ixtiyoriy DeepL API kaliti.

O‘rnatish

1. Repozitoriyni klonlang

git clone https://github.com/SpaceDudem/text-humanizer.git
cd text-humanizer

2. Python bog‘liqliklarini o‘rnating

pip install -r requirements.txt

Agar muhit Python 3 uchun alohida buyruqdan foydalansa, pip3 kabi mos paket o‘rnatuvchisidan foydalaning.

3. Konfiguratsiya faylini yarating

Windows tizimida namuna konfiguratsiyasini quyidagi buyruq bilan nusxalang:

copy .\config\config.example.toml .\config.toml

Linux yoki macOS tizimida quyidagidan foydalaning:

cp ./config/config.example.toml ./config.toml

Bu ilova foydalanadigan ildiz darajasidagi config.toml faylini yaratadi.

text-Humanizer’ni sozlash

config.toml faylini oching va API provayderingiz hamda maqsadli til uchun zarur parametrlarni o‘rnating.

• target_language: Kirish va chiqish uchun ishlatiladigan til. Loyiha ko‘rsatgan mavjud kodlar: en, ja, zh, ko, de, fr va es.
• deepseek_api_key: Sizga zarur bo‘lgan DeepSeek API kaliti.
• deepl_api_key: Turk tilidan yapon tiliga tarjima bosqichi uchun ixtiyoriy DeepL API kaliti.
• base_url: API bazaviy URL manzilini almashtirish. Provayderning standart manzilidan foydalanish uchun uni bo‘sh qoldiring.
• model: Kerakli model identifikatori. Provayderning standart modelidan foydalanish uchun uni bo‘sh qoldiring.
• temperature: LLM chiqishidagi xilma-xillikni boshqaradi. Loyiha 1.3 qiymatini tavsiya qiladi.

Konseptual konfiguratsiya quyidagicha ko‘rinishi mumkin:

target_language = "en"
deepseek_api_key = "YOUR_DEEPSEEK_API_KEY"
deepl_api_key = ""
base_url = ""
model = ""
temperature = 1.3

config.example.toml faylida mavjud bo‘lgan aniq formatdan foydalaning. Namuna kalitini haqiqiy ma’lumotlaringiz bilan almashtiring va config.toml faylini repozitoriyga yubormang.

Humanizer’ni ishga tushirish

Ilovani repozitoriy katalogidan ishga tushiring:

python main.py

Zarur bo‘lsa, uning o‘rniga python3 main.py buyrug‘idan foydalaning. Matnni ishlayotgan ilova taqdim etgan interfeys orqali kiriting, so‘ng sozlangan konveyer qayta yozish va tarjima bosqichlarini bajarishini kuting.

Oddiy foydalanish misoli

Inglizcha jarayon uchun target_language qiymatini en qilib o‘rnating, amaldagi DeepSeek kalitini kiriting va main.py ni ishga tushiring. Shundan so‘ng quyidagidek qattiq tuzilgan gapni qayta ishlashingiz mumkin:

Ushbu tizimning joriy etilishi foydalanuvchilarga kontentni tabiiyroq tarzda qayta yozish imkonini beradi.

Konveyer iboralari va gap oqimi o‘zgartirilgan, mazmunan o‘xshash variantni qaytarishi kerak. Aniq natija deterministik emas va tanlangan model, harorat, tarjima bosqichlari hamda API ishlashiga bog‘liq.

Kengaytirilgan sozlash bo‘yicha maslahatlar

Ixtiyoriy DeepL bosqichini yoqing

Turk tilidan yapon tiliga tarjima bosqichini qo‘shish uchun deepl_api_key ga yaroqli qiymat kiriting. DeepL’siz ishlaydigan jarayonni afzal ko‘rsangiz, uni bo‘sh qoldiring. Har ikkala rejimni namunaviy matnlarda taqqoslang, chunki qo‘shimcha tarjima bosqichi til xilma-xilligini oshirishi va tekshirilishi kerak bo‘lgan tafsilotlar sonini ko‘paytirishi mumkin.

Natija xilma-xilligini sozlang

README faylida temperature qiymatini 1.3 qilib belgilash tavsiya etiladi. Bu sozlama yanada xilma-xil ifodalarni rag‘batlantirishga mo‘ljallangan. Temperature bilan tajriba o‘tkazayotganda, bir vaqtning o‘zida faqat bitta o‘zgarishni sinang va natijada ismlar, faktlar hamda sohaga xos atamalar saqlanib qolganini taqqoslang.

Model yoki maxsus endpointni tanlang

Muayyan provayder qo‘llab-quvvatlaydigan model slugidan foydalanish kerak bo‘lsa, model ni belgilang. Standart API endpointini o‘zgartirish zarur bo‘lgandagina base_url ni belgilang. Aks holda, provayderning standart sozlamalaridan foydalanish uchun ikkala qiymatni ham bo‘sh qoldiring.

Uzun yoki maxsuslashtirilgan kontentni bo‘limlarda sinang

Texnik, huquqiy, akademik yoki ma’lumotlarga boy materiallar uchun kichikroq bo‘limlarni alohida ko‘rib chiqing. Maqsad ma’noni saqlash bo‘lsa ham, ko‘p bosqichli qayta yozish aniq atamalar yoki munosabatlarga ta’sir qilishi mumkin. Nashr etishdan oldin har bir yakuniy bo‘limni manbasi bilan taqqoslang.

Sozlash bilan bog‘liq muammolarni bartaraf eting

• Buyruqlar klonlangan text-humanizer katalogidan ishga tushirilayotganini tasdiqlang.
• config.toml kutilgan ildiz joylashuvida mavjudligini tekshiring.
• deepseek_api_key yaroqli kalitni o‘z ichiga olganini tekshiring.
• target_language qo‘llab-quvvatlanadigan til kodlaridan biridan foydalanayotganiga ishonch hosil qiling.
• Ixtiyoriy bosqich ishlamay qolsa, deepl_api_key ni tekshiring yoki uni vaqtincha bo‘sh qoldiring.
• Maxsus API sozlamalaridan foydalanganda, base_url va model qiymatlarini tekshiring.

Xulosa

text-Humanizer DeepSeek yordamida qayta yozishni tillararo tarjima bilan birlashtirib, asl ma’noni saqlashga harakat qilgan holda yanada xilma-xil va tabiiy eshitiladigan matn yaratadi. Bog‘liqliklarni o‘rnatib, API kalitlarini sozlaganingizdan so‘ng, jarayonni python main.py buyrug‘i bilan ishga tushirishingiz mumkin. Uning natijasini qoralama sifatida ko‘ring, muhim tafsilotlarni tekshiring va loyihadan mualliflik hamda ma’lumotni oshkor qilish bo‘yicha amaldagi qoidalarga muvofiq foydalaning.