ML Kit kann mit einem On-Device-Modell kurze Antworten auf Nachrichten generieren.
Zum Generieren intelligenter Antworten übergeben Sie an ML Kit ein Log aktueller Nachrichten in einer Unterhaltung. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch ist und die Unterhaltung keine potenziell sensiblen Themen enthält, generiert ML Kit bis zu drei Antworten, die Sie dem Nutzer vorschlagen können.
Gebündelt | Nicht gebündelt | |
---|---|---|
Name der Bibliothek | com.google.mlkit:smart-reply | com.google.android.gms:play-services-mlkit-smart-reply |
Implementierung | Das Modell ist zum Build-Zeitpunkt statisch mit Ihrer App verknüpft. | Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen. |
Auswirkungen der App-Größe | Die Größe wird um etwa 5,7 MB erhöht. | Die Größe wurde um etwa 200 KB erhöht. |
Initialisierungszeit | Modell ist sofort verfügbar. | Vor der ersten Verwendung kann es möglicherweise etwas dauern, bis das Modell heruntergeladen wurde. |
Ausprobieren
- Probieren Sie die Beispiel-App aus, um sich ein Anwendungsbeispiel für diese API anzusehen.
Hinweis
In der Datei
build.gradle
auf Projektebene muss das Maven-Repository von Google in den Abschnittenbuildscript
undallprojects
enthalten sein.Fügen Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken in die Gradle-Datei auf App-Ebene Ihres Moduls ein, die normalerweise
app/build.gradle
ist. Wählen Sie je nach Ihren Anforderungen eine der folgenden Abhängigkeiten aus:- So bündeln Sie das Modell mit Ihrer App:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:smart-reply:17.0.3' }
- So verwenden Sie das Modell in den Google Play-Diensten:
dependencies { // ... // Use this dependency to use the dynamically downloaded model in Google Play Services implementation 'com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1' }
Wenn Sie das Modell in den Google Play-Diensten verwenden möchten, können Sie Ihre App so konfigurieren, dass das Modell nach der Installation der App aus dem Play Store automatisch auf das Gerät heruntergeladen wird. Fügen Sie der Datei
AndroidManifest.xml
Ihrer App die folgende Deklaration hinzu:<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="smart_reply" > <!-- To use multiple models: android:value="smart_reply,model2,model3" --> </application>
Sie können die Modellverfügbarkeit auch explizit prüfen und einen Download über die ModuleInstallClient API der Google Play-Dienste anfordern.
Wenn Sie das Herunterladen von Modellen bei der Installation nicht aktivieren oder einen expliziten Download anfordern, wird das Modell heruntergeladen, wenn Sie den intelligenten Antwortgenerator zum ersten Mal ausführen. Anfragen, die Sie vor Abschluss des Downloads stellen, führen zu keinen Ergebnissen.
1. Objekt für Unterhaltungsverlauf erstellen
Zum Generieren intelligenter Antworten übergeben Sie ML Kit eine chronologisch geordnete
List
vonTextMessage
-Objekten, wobei der früheste Zeitstempel zuerst angezeigt wird.Immer wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und ihren Zeitstempel dem Unterhaltungsverlauf hinzu:
Kotlin
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()))
Java
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()));
Immer wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, ihren Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die Nutzer-ID kann ein beliebiger String sein, der den Absender innerhalb der Konversation eindeutig identifiziert. Die Nutzer-ID muss keinen Nutzerdaten entsprechen und die Nutzer-ID muss zwischen Unterhaltungen oder Aufrufen des intelligenten Antwortgenerators nicht einheitlich sein.
Kotlin
conversation.add(TextMessage.createForRemoteUser( "Are you coming back soon?", System.currentTimeMillis(), userId))
Java
conversation.add(TextMessage.createForRemoteUser( "Are you coming back soon?", System.currentTimeMillis(), userId));
Ein Objekt für den Unterhaltungsverlauf sieht wie das folgende Beispiel aus:
Zeitstempel userID isLocalUser Meldung Do., 21. Feb., 13:13:39 PST 2019 true Bist du auf dem Weg? Do., 21. Feb., 13:15:03 PST 2019 FRIEND0 false Ich bin leider spät dran. ML Kit schlägt Antworten auf die letzte Nachricht in einem Unterhaltungsverlauf vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im obigen Beispiel stammt die letzte Nachricht in der Konversation vom nicht lokalen Nutzer FRIEND0. Wenn Sie dieses Log in ML Kit verwenden, werden Antworten auf die Nachricht von FRIENDO vorgeschlagen: „Ich verspäte mich, tut mir leid!“
2. Antworten auf Nachrichten erhalten
Wenn Sie intelligente Antworten auf eine Nachricht generieren möchten, rufen Sie eine Instanz von
SmartReplyGenerator
ab und übergeben Sie den Unterhaltungsverlauf an die entsprechendesuggestReplies()
-Methode:Kotlin
val smartReplyGenerator = SmartReply.getClient() smartReply.suggestReplies(conversation) .addOnSuccessListener { result -> if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) { // The conversation's language isn't supported, so // the result doesn't contain any suggestions. } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) { // Task completed successfully // ... } } .addOnFailureListener { // Task failed with an exception // ... }
Java
SmartReplyGenerator smartReply = SmartReply.getClient(); smartReply.suggestReplies(conversation) .addOnSuccessListener(new OnSuccessListener
() { @Override public void onSuccess(SmartReplySuggestionResult result) { if (result.getStatus() == SmartReplySuggestionResult.STATUS_NOT_SUPPORTED_LANGUAGE) { // The conversation's language isn't supported, so // the result doesn't contain any suggestions. } else if (result.getStatus() == SmartReplySuggestionResult.STATUS_SUCCESS) { // Task completed successfully // ... } } }) .addOnFailureListener(new OnFailureListener() { @Override public void onFailure(@NonNull Exception e) { // Task failed with an exception // ... } }); Wenn der Vorgang erfolgreich ist, wird ein
SmartReplySuggestionResult
-Objekt an den Erfolgs-Handler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei Antwortvorschlägen, die Sie dem Nutzer präsentieren können:Kotlin
for (suggestion in result.suggestions) { val replyText = suggestion.text }
Java
for (SmartReplySuggestion suggestion : result.getSuggestions()) { String replyText = suggestion.getText(); }
Beachten Sie, dass ML Kit möglicherweise keine Ergebnisse zurückgibt, wenn das Modell nicht mit der Relevanz der vorgeschlagenen Antworten überzeugt ist, die eingegebene Unterhaltung nicht auf Englisch ist oder wenn das Modell sensible Themen erkennt.