Nhân hóa văn bản do AI tạo bằng quy trình text-Humanizer mã nguồn mở

text-Humanizer là gì?

text-Humanizer là một dự án Python miễn phí, được cấp phép theo MIT, dùng để chuyển đổi văn bản do AI tạo thành nội dung có cấu trúc câu tự nhiên hơn, mẫu ngôn ngữ đa dạng hơn và phong cách linh hoạt hơn. Công cụ sử dụng một quy trình viết lại và dịch đa ngôn ngữ, được thiết kế để giữ nguyên ý nghĩa của văn bản nguồn.

Dự án hỗ trợ các mã ngôn ngữ en, ja, zh, ko, de, fr và es. README cũng nêu rằng nội dung được viết lại có thể vượt qua nhiều công cụ phát hiện AI. Tuy nhiên, kết quả phát hiện không được đảm bảo; công cụ nên được sử dụng có trách nhiệm, không nhằm xuyên tạc quyền tác giả hoặc né tránh các yêu cầu công khai.

Tính năng chính

• Bảo toàn ý nghĩa: Viết lại nội dung đồng thời cố gắng giữ nguyên ngữ nghĩa ban đầu.
• Cách diễn đạt tự nhiên: Tạo ra các cấu trúc câu, cách diễn đạt và mạch thông tin khác nhau.
• Xử lý đa ngôn ngữ: Tiếp nhận và tạo nội dung bằng nhiều ngôn ngữ được hỗ trợ.
• Linh hoạt về phong cách: Được thiết kế để điều chỉnh việc viết lại theo nhiều giọng điệu và phong cách khác nhau.
• Tùy chọn bước DeepL: Thêm một công cụ dịch khác khi đã cấu hình khóa API DeepL.
• Truy cập mã nguồn mở: Được phân phối theo Giấy phép MIT.

Quy trình viết lại hoạt động như thế nào

Thay vì chỉ thực hiện một lần diễn đạt lại, text-Humanizer đưa nội dung qua nhiều bước xử lý bằng mô hình ngôn ngữ và dịch thuật.

1. Viết lại bằng DeepSeek: DeepSeek tạo ra một phiên bản tương đương về ngữ nghĩa với cách diễn đạt, cấu trúc câu và mạch thông tin đã được thay đổi. Quy trình cũng sử dụng tiếng Trung làm biểu diễn trung gian để tạo thêm sự biến đổi về cấu trúc.
2. Dịch sang tiếng Thổ Nhĩ Kỳ: Google Translate chuyển đầu ra trung gian sang tiếng Thổ Nhĩ Kỳ, bổ sung sự biến đổi cú pháp qua ngôn ngữ khác.
3. Tùy chọn dịch sang tiếng Nhật: Nếu có khóa API DeepL, DeepL sẽ dịch văn bản tiếng Thổ Nhĩ Kỳ sang tiếng Nhật. Bước này đưa thêm một công cụ dịch thứ hai và tạo ra sự đa dạng ngôn ngữ bổ sung.
4. Tái dựng cuối cùng: DeepSeek dịch và tái dựng kết quả bằng ngôn ngữ gốc đã cấu hình, loại bỏ các dấu vết của quá trình dịch và khôi phục mạch câu dễ đọc.

Vì có nhiều bước biến đổi, hãy kiểm tra kỹ văn bản cuối cùng. Tên riêng, thuật ngữ kỹ thuật, số liệu, trích dẫn và các sắc thái ý nghĩa có thể cần được xác minh thủ công.

Điều kiện cần

Trước khi cài đặt dự án, hãy chuẩn bị:

• Python 3.6 trở lên.
• Git để sao chép kho lưu trữ.
• Một khóa API DeepSeek.
• Một khóa API DeepL tùy chọn nếu bạn muốn bật thêm bước dịch.

Cài đặt

1. Sao chép kho lưu trữ

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

2. Cài đặt các thư viện Python phụ thuộc

pip install -r requirements.txt

Nếu môi trường của bạn dùng một lệnh riêng cho Python 3, hãy sử dụng trình cài đặt gói tương ứng, chẳng hạn như pip3.

3. Tạo tệp cấu hình

Trên Windows, sao chép cấu hình mẫu bằng lệnh:

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

Trên Linux hoặc macOS, sử dụng:

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

Thao tác này tạo tệp config.toml ở thư mục gốc, được ứng dụng sử dụng.

Cấu hình text-Humanizer

Mở config.toml và thiết lập các tùy chọn cần thiết cho nhà cung cấp API và ngôn ngữ đích.

• target_language: Ngôn ngữ dùng cho đầu vào và đầu ra. Các mã có sẵn được dự án liệt kê là en, ja, zh, ko, de, fr và es.
• deepseek_api_key: Khóa API DeepSeek bắt buộc của bạn.
• deepl_api_key: Khóa API DeepL tùy chọn cho bước dịch từ tiếng Thổ Nhĩ Kỳ sang tiếng Nhật.
• base_url: Ghi đè URL cơ sở của API. Để trống nếu muốn dùng mặc định của nhà cung cấp.
• model: Mã định danh mô hình mong muốn. Để trống nếu muốn dùng mặc định của nhà cung cấp.
• temperature: Kiểm soát mức độ biến đổi trong đầu ra của LLM. Dự án khuyến nghị giá trị 1.3.

Cấu hình về mặt khái niệm có thể giống như sau:

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

Hãy sử dụng đúng định dạng đã có trong config.example.toml. Thay khóa giữ chỗ bằng thông tin xác thực thực tế của bạn và không commit config.toml

Chạy công cụ humanizer

Khởi động ứng dụng từ thư mục kho lưu trữ:

python main.py

Nếu cần, hãy dùng python3 main.py thay thế. Cung cấp văn bản thông qua giao diện mà ứng dụng đang chạy cung cấp, sau đó để quy trình đã cấu hình thực hiện các bước viết lại và dịch.

Ví dụ sử dụng cơ bản

Đối với quy trình bằng tiếng Anh, đặt target_language thành en, cung cấp khóa DeepSeek hợp lệ và chạy main.py. Sau đó, bạn có thể xử lý một câu cứng nhắc như:

Việc triển khai hệ thống này cung cấp cho người dùng khả năng viết lại nội dung theo cách tự nhiên hơn.

Quy trình sẽ trả về một phiên bản tương tự về ngữ nghĩa, với cách diễn đạt và mạch câu đã thay đổi. Kết quả chính xác không mang tính xác định và phụ thuộc vào mô hình được chọn, temperature, các bước dịch và hoạt động của API.

Mẹo cấu hình nâng cao

Bật bước DeepL tùy chọn

Thêm giá trị hợp lệ cho deepl_api_key để bao gồm bước dịch từ tiếng Thổ Nhĩ Kỳ sang tiếng Nhật. Để trống nếu bạn muốn quy trình không sử dụng DeepL. Hãy so sánh cả hai chế độ trên những đoạn văn bản tiêu biểu, vì một lần dịch bổ sung có thể làm tăng sự biến thiên về ngôn ngữ đồng thời tạo thêm nhiều chi tiết cần kiểm tra.

Điều chỉnh mức độ biến thiên của đầu ra

README khuyến nghị temperature ở mức 1.3. Cài đặt này nhằm khuyến khích cách diễn đạt đa dạng hơn. Khi thử nghiệm với temperature, hãy chỉ thay đổi một yếu tố mỗi lần và so sánh xem kết quả có còn giữ nguyên tên riêng, dữ kiện và thuật ngữ chuyên ngành hay không.

Chọn mô hình hoặc endpoint tùy chỉnh

Thiết lập model khi bạn cần một mã định danh mô hình cụ thể được nhà cung cấp hỗ trợ. Chỉ thiết lập base_url khi bạn cần ghi đè endpoint API mặc định. Nếu không, hãy để trống cả hai giá trị để sử dụng các giá trị mặc định của nhà cung cấp.

Kiểm thử nội dung dài hoặc chuyên ngành theo từng phần

Đối với tài liệu kỹ thuật, pháp lý, học thuật hoặc chứa nhiều dữ liệu, hãy xem xét riêng từng phần nhỏ. Việc viết lại qua nhiều giai đoạn có thể ảnh hưởng đến thuật ngữ chính xác hoặc các mối quan hệ giữa thông tin, ngay cả khi mục tiêu là bảo toàn ngữ nghĩa. Hãy so sánh từng phần cuối cùng với nguồn trước khi xuất bản.

Khắc phục sự cố cấu hình

• Xác nhận rằng các lệnh được chạy từ thư mục text-humanizer đã sao chép.
• Kiểm tra xem config.toml có tồn tại tại vị trí gốc dự kiến hay không.
• Xác minh rằng deepseek_api_key chứa một khóa hợp lệ.
• Đảm bảo target_language sử dụng một trong các mã ngôn ngữ được hỗ trợ.
• Nếu bước tùy chọn gặp lỗi, hãy kiểm tra deepl_api_key hoặc tạm thời để trống.
• Khi sử dụng cài đặt API tùy chỉnh, hãy xác minh các giá trị base_url và model.

Kết luận

text-Humanizer kết hợp việc viết lại bằng DeepSeek với dịch liên ngôn ngữ để tạo ra văn bản đa dạng và tự nhiên hơn, đồng thời cố gắng bảo toàn ý nghĩa ban đầu. Sau khi cài đặt các thư viện phụ thuộc và cấu hình khóa API, bạn có thể khởi chạy quy trình bằng python main.py. Hãy xem đầu ra là bản nháp, kiểm tra các chi tiết quan trọng và sử dụng dự án phù hợp với các quy định hiện hành về quyền tác giả và công khai việc sử dụng công cụ.