번역기 및 언어 감지기 API

[Exposed=Window, SecureContext]
interface Translator {
  static Promise<Translator> create(TranslatorCreateOptions options);
  static Promise<Availability> availability(TranslatorCreateCoreOptions options);

  Promise<DOMString> translate(
    DOMString input,
    optional TranslatorTranslateOptions options = {}
  );
  ReadableStream translateStreaming(
    DOMString input,
    optional TranslatorTranslateOptions options = {}
  );

  readonly attribute DOMString sourceLanguage;
  readonly attribute DOMString targetLanguage;

  Promise<double> measureInputUsage(
    DOMString input,
    optional TranslatorTranslateOptions options = {}
  );
  readonly attribute unrestricted double inputQuota;
};
Translator includes DestroyableModel;

dictionary TranslatorCreateCoreOptions {
  required DOMString sourceLanguage;
  required DOMString targetLanguage;
};

dictionary TranslatorCreateOptions : TranslatorCreateCoreOptions {
  AbortSignal signal;
  CreateMonitorCallback monitor;
};

dictionary TranslatorTranslateOptions {
  AbortSignal signal;
};

정적 create(options) 메서드 단계는 다음과 같다:

1. options, "translator", 번역기 옵션을 유효성 검사하고 정규화, 번역기 옵션 가용성 계산, 번역 모델 다운로드, 번역 모델 초기화, 그리고 번역기 객체 생성이 주어졌을 때 AI 모델 객체 생성의 결과를 반환한다.

TranslatorCreateCoreOptions options가 주어졌을 때 번역기 옵션을 유효성 검사하고 정규화하려면 다음 단계를 수행한다. 이 단계들은 언어 태그를 정규화하기 위해 options를 제자리에서 변경하며, 어느 하나라도 유효하지 않으면 예외를 던진다.

1. options 및 "sourceLanguage"가 주어졌을 때 언어 태그를 유효성 검사하고 정규화한다.

2. options 및 "targetLanguage"가 주어졌을 때 언어 태그를 유효성 검사하고 정규화한다.

TranslatorCreateCoreOptions options가 주어졌을 때 번역 모델을 다운로드하려면:

1. Assert: 이 단계들은 병렬로 실행 중이다.

2. options["sourceLanguage"]에서 options["targetLanguage"]로 텍스트를 번역하기 위해 사용자 에이전트가 필요로 하는 모든 것에 대한 다운로드 과정을 시작한다.

   여기에는 기본 번역 모델과 특정 언어 arc 자료가 모두 포함될 수 있으며, 중간 언어가 사용되는 경우 여러 언어 arc에 대한 자료가 포함될 수도 있다.

3. 어떤 이유로든 다운로드 과정을 시작할 수 없으면 false를 반환한다.

4. true를 반환한다.

TranslatorCreateCoreOptions options가 주어졌을 때 번역 모델을 초기화하려면:

1. Assert: 이 단계들은 병렬로 실행 중이다.

2. options["sourceLanguage"]에서 options["targetLanguage"]로 번역하기 위한 사용자 에이전트의 기능을 뒷받침하는 AI 모델에 필요한 초기화 작업을 수행한다.

   여기에는 모델을 메모리에 로드하거나, 해당 특정 옵션을 지원하는 데 필요한 fine-tuning을 로드하는 것이 포함될 수 있다.

3. 어떤 이유로든 초기화에 실패하면, 그 name이 "OperationError"이고 그 details에 적절한 세부 정보가 포함된 DOMException 오류 정보를 반환한다.

4. null을 반환한다.

realm realm 및 TranslatorCreateCoreOptions options가 주어졌을 때 번역기 객체를 생성하려면:

1. Assert: 이 단계들은 realm의 surrounding agent의 event loop에서 실행 중이다.

2. inputQuota를 향후 번역 작업을 위해 사용자 에이전트에서 사용할 수 있는 입력 할당량의 양으로 한다. (이 값은 구현 정의이며, 예를 들어 사용자의 메모리나 JavaScript 문자열 한계 외에 특정 제한이 없다면 +∞일 수 있다.)

3. realm에서 생성된 새 Translator 객체를 다음과 함께 반환한다

   출발 언어

   options["sourceLanguage"]

   목표 언어

   options["targetLanguage"]

   입력 할당량

   inputQuota

정적 availability(options) 메서드 단계는 다음과 같다:

1. options, "translator", 번역기 옵션을 유효성 검사하고 정규화, 그리고 번역기 옵션 가용성 계산이 주어졌을 때 AI 모델 가용성 계산의 결과를 반환한다.

TranslatorCreateCoreOptions options가 주어졌을 때 번역기 옵션 가용성을 계산하려면 다음 단계를 수행한다. 이 단계들은 Availability 값 또는 null을 반환하며, 언어 태그를 best-fit 매치로 갱신하기 위해 options를 제자리에서 변경한다.

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. availabilities를 사용자 에이전트의 번역기 언어 arc 가용성으로 한다.

3. availabilities가 null이면 null을 반환한다.

4. availabilities의 각 languageArc → availability에 대해 순회한다:

   1. sourceLanguageBestFit를 LookupMatchingLocaleByBestFit(« languageArc의 출발 언어 », « options["sourceLanguage"] »)로 한다.

   2. targetLanguageBestFit를 LookupMatchingLocaleByBestFit(« languageArc의 목표 언어 », « options["targetLanguage"] »)로 한다.

   3. sourceLanguageBestFit와 targetLanguageBestFit가 둘 다 undefined가 아니면:

      1. options["sourceLanguage"]를 sourceLanguageBestFit.[[locale]]로 설정한다.

      2. options["targetLanguage"]를 targetLanguageBestFit.[[locale]]로 설정한다.

      3. availability를 반환한다.

5. (options["sourceLanguage"], options["targetLanguage"])가 identity translation으로 충족될 수 있으면, "available"을 반환한다.

   사용자 에이전트가 주어진 언어 arc에 대해 자체 번역기 언어 arc 가용성에 특정 항목을 가지고 있다면, 위 단계들 때문에 이러한 경우는 "downloadable", "downloading", 또는 "available"도 반환할 수 있다. 그러나 identity translation은 항상 사용 가능하므로, 이 단계는 이러한 경우에 결코 "unavailable"을 반환하지 않도록 보장한다.

   언어 arc 중 identity translation으로 충족될 수 있는 하나는 ("en-US", "en-GB")이다. 구현이 이 번역을 위한 특수 모델을 지원할 가능성도 있으며, 이는 번역기 언어 arc 가용성에 나타날 것이다.

   반면 구현이 언어 arc ("en-x-asdf", "en-x-xyzw")에 대한 특수 모델을 가지고 있을 가능성은 꽤 낮다. 그런 경우 이 단계가 적용되며, 이후 translate 알고리즘 호출은 identity translation을 사용한다.

   이 단계가 적용될 때 options["sourceLanguage"] 및 options["targetLanguage"]는 수정되지 않는다. 따라서 이 알고리즘이 create()에서 호출되고 있다면, 결과 Translator 객체의 sourceLanguage 및 targetLanguage 속성은 어떤 정규화된 형식이 아니라 원래 입력을 반환한다는 뜻이다.

6. "unavailable"을 반환한다.

번역기 언어 arc 가용성은 다음 단계들로 주어진다. 이 단계들은 맵을 언어 arc에서 Availability 값으로 반환하거나, null을 반환한다.

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. 사용자 에이전트가 어떤 언어 arc 사이의 텍스트 번역을 지원할 수 있는지 판단하려는 중에, 사용자 에이전트가 일시적이라고 믿는 오류(다시 질의하면 그러한 오류가 더 이상 발생하지 않을 수 있는 오류)가 있으면 null을 반환한다.

3. 맵을 언어 arc에서 Availability 값으로 반환한다. 여기서 각 키는 사용자 에이전트가 그 사이의 텍스트 번역을 지원하는 언어 arc이며, 다음 제약에 따라 채워진다:

   • 사용자 에이전트가 언어 arc의 출발 언어에서 목표 언어로의 텍스트 번역을 현재 지원한다면, 맵은 그 언어 arc를 키로 하고 "available"을 값으로 하는 항목을 포함해야 한다.

   • 사용자 에이전트가 언어 arc의 출발 언어에서 목표 언어로의 텍스트 번역을 지원할 수 있을 것이라고 믿지만, 이미 진행 중인 다운로드가 끝난 뒤에만 가능하다면, 맵은 그 언어 arc를 키로 하고 "downloading"을 값으로 하는 항목을 포함해야 한다.

   • 사용자 에이전트가 언어 arc의 출발 언어에서 목표 언어로의 텍스트 번역을 지원할 수 있을 것이라고 믿지만, 현재 진행 중이 아닌 다운로드를 수행한 뒤에만 가능하다면, 맵은 그 언어 arc를 키로 하고 "downloadable"을 값으로 하는 항목을 포함해야 한다.

   • 키에는 다른 키와 겹치는 언어 arc가 포함되어서는 안 된다.

function a(sourceLanguage, targetLanguage) {
  return ai.translator.availability({ sourceLanguage, targetLanguage }):
}

await a("en", "zh-Hans") === "available";
await a("en", "zh-Hant") === "downloadable";

await a("en", "zh") === "available";            // zh will best-fit to zh-Hans

await a("en", "zh-TW") === "downloadable";      // zh-TW will best-fit to zh-Hant
await a("en", "zh-HK") === "available";         // zh-HK will best-fit to zh-Hans
await a("en", "zh-CN") === "available";         // zh-CN will best-fit to zh-Hans

await a("en-US", "zh-Hant") === "downloadable"; // en-US will best-fit to en
await a("en-GB", "zh-Hant") === "downloadable"; // en-GB will best-fit to en

// Even very unexpected subtags will best-fit to en or zh-Hans
await a("en-Braille-x-lolcat", "zh-Hant") === "downloadable";
await a("en", "zh-BR-Kana") === "available";

언어 arc arc가 집합의 언어 arc otherArcs와 겹친다는 것은 다음 단계들이 true를 반환하는 경우이다:

1. sourceLanguages를 otherArcs의 각 항목의 출발 언어로 구성된 집합으로 한다.

2. LookupMatchingLocaleByBestFit(sourceLanguages, « arc의 출발 언어 »)가 undefined가 아니면 true를 반환한다.

3. targetLanguages를 otherArcs의 각 항목의 목표 언어로 구성된 집합으로 한다.

4. LookupMatchingLocaleByBestFit(targetLanguages, « arc의 목표 언어 »)가 undefined가 아니면 true를 반환한다.

5. false를 반환한다.

언어 arc arc가 identity translation으로 충족될 수 있다는 것은 다음 단계들이 true를 반환하는 경우이다:

1. LookupMatchingLocaleByBestFit(« arc의 출발 언어 », « arc의 목표 언어 »)가 undefined가 아니면 true를 반환한다.

2. LookupMatchingLocaleByBestFit(« arc의 목표 언어 », « arc의 출발 언어 »)가 undefined가 아니면 true를 반환한다.

3. false를 반환한다.

translate(input, options) 메서드 단계는 다음과 같다:

1. operation을 인수 chunkProduced, done, error, 및 stopProducing를 받는 알고리즘 단계로 하며, 이는 this의 출발 언어, this의 목표 언어, this의 입력 할당량, chunkProduced, done, error, 및 stopProducing이 주어졌을 때 input을 번역한다.

2. this, options, 및 operation이 주어졌을 때 집계된 AI 모델 결과 얻기의 결과를 반환한다.

translateStreaming(input, options) 메서드 단계는 다음과 같다:

1. operation을 인수 chunkProduced, done, error, 및 stopProducing를 받는 알고리즘 단계로 하며, 이는 this의 출발 언어, this의 목표 언어, this의 입력 할당량, chunkProduced, done, error, 및 stopProducing이 주어졌을 때 input을 번역한다.

2. this, options, 및 operation이 주어졌을 때 스트리밍 AI 모델 결과 얻기의 결과를 반환한다.

measureInputUsage(input, options) 메서드 단계는 다음과 같다:

1. measureUsage를 인수 stopMeasuring를 받는 알고리즘 단계로 하고, input, this의 출발 언어, this의 목표 언어, 및 stopMeasuring이 주어졌을 때 번역기 입력 사용량 측정의 결과를 반환하게 한다.

2. this, options, 및 measureUsage가 주어졌을 때 AI 모델 입력 사용량 측정의 결과를 반환한다.

다음이 주어졌을 때 번역한다:

• 문자열 input,

• Unicode 정규화 locale 식별자 sourceLanguage,

• Unicode 정규화 locale 식별자 targetLanguage,

• 숫자 inputQuota,

• 문자열을 받아 아무것도 반환하지 않는 알고리즘 chunkProduced,

• 인수를 받지 않고 아무것도 반환하지 않는 알고리즘 done,

• 오류 정보를 받아 아무것도 반환하지 않는 알고리즘 error, 및

• 인수를 받지 않고 boolean을 반환하는 알고리즘 stopProducing,

다음 단계를 수행한다:

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. requested를 input, sourceLanguage, targetLanguage, 및 stopProducing이 주어졌을 때 번역기 입력 사용량 측정의 결과로 한다.

3. requested가 null이면 반환한다.

4. requested가 오류 정보이면:

   1. requested가 주어졌을 때 error를 수행한다.

   2. 반환한다.

5. Assert: requested는 숫자이다.

6. requested가 inputQuota보다 크면:

   1. errorInfo를 requested의 requested와 inputQuota의 quota를 가진 할당량 초과 오류 정보로 한다.

   2. errorInfo가 주어졌을 때 error를 수행한다.

   3. 반환한다.

   실제로는 구현이 번역 자체와 동일한 모델 호출의 일부로 입력 사용량을 할당량과 대조할 것으로 예상한다. 이 단계들은 명세에서 이해를 돕기 위해서만 분리되어 있다.

7. 구현 정의 방식으로, 다음 지침에 따라, input을 sourceLanguage에서 targetLanguage로 번역하는 과정을 시작한다.

   input이 빈 문자열이거나, 그 밖에 번역 가능한 내용이 없는 경우(예: 공백 문자나 제어 문자만 포함하는 경우), 결과 번역은 input이어야 한다. 이러한 경우 sourceLanguage와 targetLanguage는 무시되어야 한다.

   (sourceLanguage, targetLanguage)가 identity translation으로 충족될 수 있으면, 결과 번역은 input이어야 한다.

   번역 과정은 Writing Assistance APIs § 6 Privacy considerations 및 Writing Assistance APIs § 7 Security considerations에 제공된 지침을 준수해야 하며, 특히(이에 국한되지 않고) Writing Assistance APIs § 6.4 User input 및 Writing Assistance APIs § 7.2 Runtime shared resources를 포함한다.

8. true인 동안:

   1. 번역된 텍스트의 다음 chunk가 생성되거나, 번역 과정이 완료되거나, stopProducing 호출 결과가 true가 될 때까지 기다린다.

   2. 그러한 chunk가 성공적으로 생성되면:

      1. 그것을 문자열 chunk로 표현한다.

      2. chunk가 주어졌을 때 chunkProduced를 수행한다.

   3. 그렇지 않고 번역 과정이 완료되었다면:

      1. done을 수행한다.

      2. 중단한다.

   4. 그렇지 않고 stopProducing이 true를 반환하면 중단한다.

   5. 그렇지 않고 번역 중 오류가 발생했다면:

      1. 오류를 § 3.4.3 오류의 지침에 따라 DOMException 오류 정보 errorInfo로 표현한다.

      2. errorInfo가 주어졌을 때 error를 수행한다.

      3. 중단한다.

다음이 주어졌을 때 번역기 입력 사용량을 측정하려면:

• 문자열 input,

• Unicode 정규화 locale 식별자 sourceLanguage,

• Unicode 정규화 locale 식별자 targetLanguage, 및

• 인수를 받지 않고 boolean을 반환하는 알고리즘 stopMeasuring,

다음 단계를 수행한다:

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. inputToModel을 input을 sourceLanguage에서 targetLanguage로 번역하기 위해 기반 모델에 보내질 구현 정의 문자열로 한다.

   이는 초기화 중에 sourceLanguage와 targetLanguage가 모델에 로드되었다면 단지 input 자체일 수 있다. 또는 더 많은 것, 예를 들어 해당 언어 인코딩을 위한 적절한 할당량 사용량이나 언어 모델에 대한 일종의 wrapper prompt로 구성될 수 있다.

   이 과정 중 stopMeasuring이 true를 반환하기 시작하면 null을 반환한다.

   이 과정 중 오류가 발생하면 § 3.4.3 오류의 지침에 따라 적절한 DOMException 오류 정보를 반환한다.

3. 기반 모델에 제공될 때 inputToModel을 표현하는 데 필요한 입력 사용량을 반환한다. 정확한 계산 절차는 다음 제약에 따른 구현 정의이다.

   반환되는 입력 사용량은 음수가 아니고 유한해야 한다. 번역 과정에 대한 사용량 할당량이 없으면(즉, 입력 할당량이 +∞이면) 0이어야 한다. 그렇지 않으면 양수여야 하며 inputToModel의 길이에 대략 비례해야 한다.

   이는 언어 모델 토큰화 방식에서 input을 표현하는 데 필요한 토큰 수일 수 있고, 또는 input의 길이일 수 있다. 또한 모델에 제공하는 데 필요한 접두사나 접미사의 사용량도 계산하는 이러한 방식의 변형일 수도 있다.

   이 과정 중 stopMeasuring이 true를 반환하기 시작하면 대신 null을 반환한다.

   이 과정 중 오류가 발생하면 대신 § 3.4.3 오류의 지침에 따라 적절한 DOMException 오류 정보를 반환한다.

[Exposed=Window, SecureContext]
interface LanguageDetector {
  static Promise<LanguageDetector> create(
    optional LanguageDetectorCreateOptions options = {}
  );
  static Promise<Availability> availability(
    optional LanguageDetectorCreateCoreOptions options = {}
  );

  Promise<sequence<LanguageDetectionResult>> detect(
    DOMString input,
    optional LanguageDetectorDetectOptions options = {}
  );

  readonly attribute FrozenArray<DOMString>? expectedInputLanguages;

  Promise<double> measureInputUsage(
    DOMString input,
    optional LanguageDetectorDetectOptions options = {}
  );
  readonly attribute unrestricted double inputQuota;
};
LanguageDetector includes DestroyableModel;

dictionary LanguageDetectorCreateCoreOptions {
  sequence<DOMString> expectedInputLanguages;
};

dictionary LanguageDetectorCreateOptions : LanguageDetectorCreateCoreOptions {
  AbortSignal signal;
  CreateMonitorCallback monitor;
};

dictionary LanguageDetectorDetectOptions {
  AbortSignal signal;
};

dictionary LanguageDetectionResult {
  DOMString detectedLanguage;
  double confidence;
};

정적 create(options) 메서드 단계는 다음과 같다:

1. options, "language-detector", 언어 감지기 옵션을 유효성 검사하고 정규화, 언어 감지기 옵션 가용성 계산, 언어 감지기 모델 다운로드, 언어 감지기 모델 초기화, 그리고 언어 감지기 객체 생성이 주어졌을 때 AI 모델 객체 생성의 결과를 반환한다.

LanguageDetectorCreateCoreOptions options가 주어졌을 때 언어 감지기 옵션을 유효성 검사하고 정규화하려면 다음 단계를 수행한다. 이 단계들은 언어 태그를 정규화하기 위해 options를 제자리에서 변경하며, 어느 하나라도 유효하지 않으면 예외를 던진다.

1. options 및 "expectedInputLanguages"가 주어졌을 때 언어 태그를 유효성 검사하고 정규화한다.

LanguageDetectorCreateCoreOptions options가 주어졌을 때 언어 감지기 모델을 다운로드하려면:

1. Assert: 이 단계들은 병렬로 실행 중이다.

2. options["expectedInputLanguages"]의 모든 언어를 포함하여, 입력 텍스트의 언어를 감지하기 위해 사용자 에이전트가 필요로 하는 모든 것에 대한 다운로드 과정을 시작한다.

   여기에는 기본 언어 감지 모델과 options["expectedInputLanguages"]에서 식별된 언어를 돕기 위한 특정 fine-tuning 또는 기타 자료가 모두 포함될 수 있다.

3. 어떤 이유로든 다운로드 과정을 시작할 수 없으면 false를 반환한다.

4. true를 반환한다.

LanguageDetectorCreateCoreOptions options가 주어졌을 때 언어 감지기 모델을 초기화하려면:

1. Assert: 이 단계들은 병렬로 실행 중이다.

2. 입력 텍스트의 언어를 감지하기 위한 사용자 에이전트의 기능을 뒷받침하는 AI 모델에 필요한 초기화 작업을 수행한다.

   여기에는 모델을 메모리에 로드하거나, options["expectedInputLanguages"]에서 식별된 언어를 지원하는 데 필요한 fine-tuning을 로드하는 것이 포함될 수 있다.

3. 어떤 이유로든 초기화에 실패하면, 그 DOMException 오류 정보를 반환한다. 그 name은 "OperationError"이고, 그 details에는 적절한 세부 정보가 포함되어야 한다.

4. null을 반환한다.

realm realm 및 LanguageDetectorCreateCoreOptions options가 주어졌을 때 언어 감지기 객체를 생성하려면:

1. Assert: 이 단계들은 realm의 surrounding agent의 event loop에서 실행 중이다.

2. inputQuota를 향후 언어 감지 작업을 위해 사용자 에이전트에서 사용할 수 있는 입력 할당량의 양으로 한다. (이 값은 구현 정의이며, 예를 들어 사용자의 메모리나 JavaScript 문자열 한계 외에 특정 제한이 없다면 +∞일 수 있다.)

3. realm에서 생성된 새 LanguageDetector 객체를 다음과 함께 반환한다

   예상 입력 언어

   options["expectedInputLanguages"]가 비어 있지 않으면, 그것이 주어졌을 때 frozen array 생성의 결과; 그렇지 않으면 null

   입력 할당량

   inputQuota

정적 availability(options) 메서드 단계는 다음과 같다:

1. options, "language-detector", 언어 감지기 옵션을 유효성 검사하고 정규화, 그리고 언어 감지기 옵션 가용성 계산이 주어졌을 때 AI 모델 가용성 계산의 결과를 반환한다.

LanguageDetectorCreateCoreOptions options가 주어졌을 때 언어 감지기 옵션 가용성을 계산하려면 다음 단계를 수행한다. 이 단계들은 Availability 값 또는 null을 반환하며, 언어 태그를 best-fit 매치로 갱신하기 위해 options를 제자리에서 변경한다.

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. 사용자 에이전트가 지원할 수 있는 언어 감지 기능을 판단하려는 중에, 사용자 에이전트가 일시적이라고 믿는 오류(다시 질의하면 그러한 오류가 더 이상 발생하지 않을 수 있는 오류)가 있으면 null을 반환한다.

3. 텍스트가 해당 언어로 작성되었는지를 감지하는 목적이 주어졌을 때 언어 가용성 partition 얻기의 결과를 partition으로 한다.

4. options["expectedInputLanguages"] 및 partition이 주어졌을 때 언어 가용성 계산의 결과를 반환한다.

detect(input, options) 메서드 단계는 다음과 같다:

1. global을 this의 관련 전역 객체로 한다.

1. Assert: global은 Window 객체이다.

2. global의 연결된 Document가 fully active가 아니면, "InvalidStateError" DOMException으로 거부된 promise를 반환한다.

3. signals를 « this의 destruction abort controller의 signal »로 한다.

4. options["signal"]이 존재하면, 그것을 signals에 append한다.

5. signals, AbortSignal, 및 this의 관련 realm을 사용하여 dependent abort signal 생성의 결과를 compositeSignal로 한다.

6. compositeSignal이 aborted이면, compositeSignal의 abort reason으로 거부된 promise를 반환한다.

7. promise를 새 promise로 하되, this의 관련 realm에서 생성한다.

8. abortedDuringOperation을 false로 한다.

   이 변수는 event loop에서 쓰이지만, 병렬로 읽힌다.

9. compositeSignal에 다음 abort 단계들을 추가한다:

   1. abortedDuringOperation을 true로 설정한다.

   2. promise를 compositeSignal의 abort reason으로 거부한다.

10. inputQuota를 this의 입력 할당량으로 한다.

11. 병렬로:

    1. stopProducing을 다음 단계들로 한다:

       1. abortedDuringOperation을 반환한다.

    2. input, inputQuota, 및 stopProducing이 주어졌을 때 언어 감지의 결과를 result로 한다.

    3. global이 주어졌을 때 AI task source에서 전역 task를 큐에 넣어 다음 단계를 수행한다:

       1. abortedDuringOperation이 true이면 이 단계들을 중단한다.

       2. 그렇지 않고 result가 오류 정보이면, result가 주어졌을 때 오류 정보를 예외 객체로 변환한 결과로 promise를 거부한다.

       3. 그렇지 않으면:

          1. Assert: result는 LanguageDetectionResult dictionary의 리스트이다. (null은 아니다. 그 경우에는 abortedDuringOperation이 true였을 것이기 때문이다.)

          2. promise를 result로 해결한다.

measureInputUsage(input, options) 메서드 단계는 다음과 같다:

1. measureUsage를 인수 stopMeasuring를 받는 알고리즘 단계로 하고, input 및 stopMeasuring이 주어졌을 때 언어 감지기 입력 사용량 측정의 결과를 반환하게 한다.

2. this, options, 및 measureUsage가 주어졌을 때 AI 모델 입력 사용량 측정의 결과를 반환한다.

문자열 input, 숫자 inputQuota, 그리고 인수를 받지 않고 boolean을 반환하는 알고리즘 stopProducing이 주어졌을 때 언어를 감지하려면, 다음 단계를 수행한다. 이들은 null, 오류 정보, 또는 LanguageDetectionResult dictionary의 리스트를 반환한다.

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. input 및 stopProducing이 주어졌을 때 언어 감지기 입력 사용량 측정의 결과를 requested로 한다.

3. requested가 null 또는 오류 정보이면 requested를 반환한다.

4. Assert: requested는 숫자이다.

5. requested가 inputQuota보다 크면, requested의 requested와 inputQuota의 quota를 가진 할당량 초과 오류 정보를 반환한다.

   실제로는 구현이 언어 감지 자체와 동일한 모델 호출의 일부로 입력 사용량을 할당량과 대조할 것으로 예상한다. 이 단계들은 명세에서 이해를 돕기 위해서만 분리되어 있다.

6. 텍스트가 해당 언어로 작성되었는지를 감지하는 목적이 주어졌을 때 언어 가용성 partition 얻기의 결과를 partition으로 한다.

7. currentlyAvailableLanguages를 partition["available"]로 한다.

8. 구현 정의 방식으로, 다음 지침에 따라, rawResult 및 unknown을 input의 언어를 감지한 결과로 한다.

   rawResult는 currentlyAvailableLanguages의 각 언어에 대해 키를 가진 맵이어야 한다. 이러한 각 키의 값은 0과 1 사이의 숫자여야 한다. 이 값은 input이 해당 언어로 작성되었다는 구현의 신뢰도를 나타내야 한다.

   unknown은 input이 currentlyAvailableLanguages의 어떤 언어로도 작성되지 않았다는 구현의 신뢰도를 나타내는 0과 1 사이의 숫자여야 한다.

   rawResult의 값들과 unknown의 합은 1이어야 한다. 각각의 값이나 unknown은 0일 수 있다.

   구현이 input이 여러 언어로 작성되었다고 믿는 경우, rawResult 및 unknown의 값을 감지된 각 언어로 작성된 input의 양에 비례하도록 나누려 시도해야 한다. input을 나누는 정확한 방식은 구현 정의이다.

   input이 "tacosを食べる"이면, 구현은 이를 "tacos"와 "を食べる"로 나누고 각각의 언어를 별도로 감지할 수 있다. 첫 번째 부분은 신뢰도 0.5의 영어와 신뢰도 0.5의 스페인어로 감지될 수 있고, 두 번째 부분은 신뢰도 1의 일본어로 감지될 수 있다. 그러면 결과 rawResult는 «[ "en" → 0.25, "es" → 0.25, "ja" → 0.5 ]»일 수 있다(unknown은 0으로 설정).

   이를 예를 들어 세 부분 "tacos", "を", 그리고 "食べる"가 아니라 두 부분으로 나누기로 한 결정은 구현 정의 선택이었다. 마찬가지로, 각 부분을 예를 들어 코드 포인트 수로 가중하지 않고 결과의 "절반"에 기여하는 것으로 취급하기로 한 결정도 구현 정의였다.

   (현실적으로 대부분의 언어 감지 모델에는 일반적으로 4-5개 이상의 코드 포인트가 필요하므로, 구현은 이보다 더 큰 chunk에서 분할할 것으로 예상한다.)

   이 과정 중 어느 시점에서든 stopProducing이 true를 반환하면 null을 반환한다.

   언어 감지 중 오류가 발생하면 § 4.4.3 오류의 지침에 따라 오류 정보를 반환한다.

   감지 과정은 Writing Assistance APIs § 6 Privacy considerations 및 Writing Assistance APIs § 7 Security considerations에 제공된 지침을 준수해야 하며, 특히(이에 국한되지 않고) Writing Assistance APIs § 6.4 User input 및 Writing Assistance APIs § 7.2 Runtime shared resources를 포함한다.

9. rawResult를 항목 a 및 b가 주어졌을 때 a의 값이 b의 값보다 작으면 true를 반환하는 less than 알고리즘으로 내림차순 정렬한다.

10. results를 빈 리스트로 한다.

11. cumulativeConfidence를 0으로 한다.

12. rawResult의 각 key → value에 대해 순회한다:

    1. value가 0이면 중단한다.

    2. value가 unknown보다 작으면 중단한다.

    3. «[ "detectedLanguage" → key, "confidence" → value ]»를 results에 append한다.

    4. cumulativeConfidence를 cumulativeConfidence + value로 설정한다.

    5. cumulativeConfidence가 0.99 이상이면 중단한다.

13. Assert: 1 − cumulativeConfidence는 unknown 이상이다.

14. Assert: results의 크기가 0보다 크면, results[results의 크기 - 1]["confidence"]는 unknown 이상이다.

15. «[ "detectedLanguage" → "und", "confidence" → unknown ]»를 results에 append한다.

16. results를 반환한다.

가능성이 1% 미만인 언어, 또는 텍스트에 1% 미만으로 기여하는 언어는 노이즈일 가능성이 더 높다고 간주되어 웹 개발자에게 반환할 가치가 없다. 마찬가지로, 구현이 어떤 언어에 대해 확신하는 정도보다 텍스트가 자신이 아는 어떤 언어도 아니라는 점에 더 확신한다면, 그 언어는 웹 개발자에게 반환할 가치가 없을 가능성이 높다.

이렇게 낮은 확률의 결과가 생략되기 때문에, 웹 개발자에게 반환되는 모든 confidence 값의 합은 1보다 작을 수 있다.

문자열 input 및 인수를 받지 않고 boolean을 반환하는 알고리즘 stopMeasuring가 주어졌을 때 언어 감지기 입력 사용량을 측정하려면, 다음 단계를 수행한다:

1. Assert: 이 알고리즘은 병렬로 실행 중이다.

2. inputToModel을 input이 주어졌을 때 언어를 감지하기 위해 기반 모델에 보내질 구현 정의 문자열로 한다.

   이는 단지 input 자체일 수 있고, 또는 언어 모델에 대한 일종의 wrapper prompt를 포함할 수 있다.

   이 과정 중 stopMeasuring이 true를 반환하기 시작하면 null을 반환한다.

   이 과정 중 오류가 발생하면 § 4.4.3 오류의 지침에 따라 적절한 DOMException 오류 정보를 반환한다.

3. 기반 모델에 제공될 때 inputToModel을 표현하는 데 필요한 입력 사용량을 반환한다. 정확한 계산 절차는 다음 제약에 따른 구현 정의이다.

   반환되는 입력 사용량은 음수가 아니고 유한해야 한다. 번역 과정에 대한 사용량 할당량이 없으면(즉, 입력 할당량이 +∞이면) 0이어야 한다. 그렇지 않으면 양수여야 하며 inputToModel의 길이에 대략 비례해야 한다.

   이는 언어 모델 토큰화 방식에서 input을 표현하는 데 필요한 토큰 수일 수 있고, 또는 input의 길이일 수 있다. 또한 모델에 제공하는 데 필요한 접두사나 접미사의 사용량도 계산하는 이러한 방식의 변형일 수도 있다.

   이 과정 중 stopMeasuring이 true를 반환하기 시작하면 대신 null을 반환한다.

   이 과정 중 오류가 발생하면 대신 § 4.4.3 오류의 지침에 따라 적절한 DOMException 오류 정보를 반환한다.