ML Kit peut générer des réponses courtes aux messages en utilisant un modèle sur l'appareil.
Pour générer des réponses suggérées, vous transmettez à ML Kit un journal des messages récents dans une conversationnelle. Si ML Kit détermine que la conversation est en anglais, la conversation n'a pas d'objet potentiellement sensible, ML Kit génère jusqu'à trois réponses, que vous pouvez suggérer à l'utilisateur.
<ph type="x-smartling-placeholder">Groupée | Sans catégorie | |
---|---|---|
Nom de la bibliothèque | com.google.mlkit:smart-reply | com.google.android.gms:play-services-mlkit-smart-reply |
Mise en œuvre | Le modèle est associé de manière statique à votre application au moment de la compilation. | Le modèle est téléchargé de manière dynamique via les services Google Play. |
Impact sur la taille de l'application | Augmentation de la taille d'environ 5,7 Mo. | Augmentation de la taille d'environ 200 Ko. |
Délai d'initialisation | Le modèle est disponible immédiatement. | Vous devrez peut-être attendre que le modèle soit téléchargé avant de l'utiliser pour la première fois. |
Essayer
- Testez l'application exemple pour : consultez un exemple d'utilisation de cette API.
Avant de commencer
<ph type="x-smartling-placeholder">Dans le fichier
build.gradle
au niveau du projet, veillez à inclure l'adresse e-mail de Google Dépôt Maven dans les sectionsbuildscript
etallprojects
.Ajoutez les dépendances des bibliothèques Android ML Kit au fichier fichier Gradle au niveau de l'application, généralement
app/build.gradle
. Choisissez l'une des options suivantes : les dépendances suivantes en fonction de vos besoins:- Pour empaqueter le modèle avec votre application:
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:smart-reply:17.0.4' }
- Pour utiliser le modèle dans les services Google Play:
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' }
Si vous choisissez d'utiliser le modèle dans les services Google Play, vous pouvez configurer votre application pour télécharger automatiquement le modèle sur l'appareil une fois l'application installé depuis le Play Store. En ajoutant la déclaration suivante à votre fichier le fichier
AndroidManifest.xml
de l'application:<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>
Vous pouvez aussi vérifier explicitement la disponibilité du modèle et demander un téléchargement via API ModuleInstallClient des services Google Play.
Si vous n'activez pas le téléchargement du modèle au moment de l'installation ou le modèle est téléchargé la première fois que vous exécutez le générateur de réponses suggérées. Les requêtes que vous effectuez avant la fin du téléchargement ne produisent aucun résultat.
1. Créer un objet d'historique des conversations
Pour générer des réponses suggérées, vous transmettez à ML Kit un
List
dans l'ordre chronologique des objetsTextMessage
, avec le code temporel le plus ancien en premier.Chaque fois que l'utilisateur envoie un message, ajoutez le message et son code temporel à la section historique des conversations:
Kotlin
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()))
Java
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()));
Chaque fois que l'utilisateur reçoit un message, ajoutez le message, son code temporel et l'élément l'ID utilisateur de l'expéditeur dans l'historique de la conversation. L'ID utilisateur peut être n'importe quelle chaîne identifie de manière unique l'expéditeur dans la conversation. L'ID utilisateur n'a pas besoin correspondant à n'importe quelle donnée utilisateur, et l'ID utilisateur n'a pas besoin d'être cohérent entre les conversations ou les appels du générateur de réponses suggérées.
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));
Voici un exemple d'objet d'historique des conversations:
Horodatage userID isLocalUser Message Jeu. 21 févr. 13:13:39 PST 2019 true Tu es en route ? Jeu. 21 févr. 13:15:03 PST 2019 FRIEND0 faux Nous sommes en retard, désolé ! ML Kit suggère des réponses au dernier message d'un historique de conversation. Le dernier message doit provenir d'un utilisateur non local. Dans l'exemple ci-dessus, le dernier message de la conversation provient de l'utilisateur non local Friends0. Lorsque vous utilisez ML Kit, ce journal suggère répond au message de Friends : "Je suis en retard, désolé !"
2. Recevoir des réponses aux messages
Pour générer des réponses suggérées à un message, récupérez une instance de
SmartReplyGenerator
et transmettez l'historique de la conversation à sa méthodesuggestReplies()
: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 // ... } }); Si l'opération aboutit, un objet
SmartReplySuggestionResult
est transmis à le gestionnaire de réussite. Cet objet contient une liste de trois suggestions de réponses maximum, que vous pouvez présenter à l'utilisateur:Kotlin
for (suggestion in result.suggestions) { val replyText = suggestion.text }
Java
for (SmartReplySuggestion suggestion : result.getSuggestions()) { String replyText = suggestion.getText(); }
Notez que ML Kit risque de ne pas renvoyer de résultats si le modèle n'est pas sûr de la pertinence des réponses suggérées, la conversation d'entrée n'est pas ou si le modèle détecte des sujets sensibles.