ML Kit-এর GenAI Summarization API-এর সাহায্যে, আপনি বুলেট পয়েন্টের তালিকা হিসাবে স্বয়ংক্রিয়ভাবে নিবন্ধ এবং কথোপকথনের সারাংশ তৈরি করতে পারেন। এটি ব্যবহারকারীদের পাঠ্যের বড় অংশ বুঝতে সাহায্য করে।
অন-ডিভাইস জেনারেটিভ এআই থেকে সংক্ষিপ্তকরণের সুবিধা রয়েছে কারণ এটি ডেটা গোপনীয়তা এবং খরচ দক্ষতা সম্পর্কে উদ্বেগগুলিকে সমাধান করে। ব্যক্তিগত চ্যাট, ইমেল, নোট এবং অনুস্মারকগুলিকে সংক্ষিপ্ত করে এমন অ্যাপগুলি প্রায়শই সংবেদনশীল তথ্য পরিচালনা করে, যা ব্যবহারকারীর গোপনীয়তার জন্য ডিভাইসে প্রক্রিয়াকরণকে গুরুত্বপূর্ণ করে তোলে। উপরন্তু, সংক্ষিপ্তকরণের কাজগুলি, বিশেষ করে যেগুলি দীর্ঘ প্রসঙ্গ বা অনেকগুলি আইটেম সহ, উল্লেখযোগ্য প্রক্রিয়াকরণ শক্তির প্রয়োজন হতে পারে। ডিভাইসে এই কন্টেন্ট প্রসেস করলে সার্ভারের লোড কমে যায় এবং ব্যবহারকারীর ডেটা গোপন রাখার সময় পরিবেশন খরচ কম হয়।
মূল ক্ষমতা
GenAI সংক্ষিপ্তকরণ API নিম্নলিখিত ক্ষমতাগুলি কভার করে:
- টেক্সট সারসংক্ষেপ, নিবন্ধ বা কথোপকথন হিসাবে শ্রেণীবদ্ধ.
- এক, দুই বা তিনটি বুলেটে আউটপুট সারসংক্ষেপ।
শুরু করুন
আপনার build.gradle
কনফিগারেশনে নির্ভরতা হিসাবে ML Kit summarization API যোগ করুন।
implementation("com.google.mlkit:genai-summarization:1.0.0-beta1")
পরবর্তী, আপনার প্রকল্পে কোড বাস্তবায়ন করুন:
- একটি
Summarizer
অবজেক্ট তৈরি করুন। - ফিচারটি ডাউনলোড করতে পারলে ডাউনলোড করুন।
- একটি সারসংক্ষেপ অনুরোধ তৈরি করুন.
- অনুমান চালান এবং ফলাফল পুনরুদ্ধার করুন।
কোটলিন
val articleToSummarize = "Announcing a set of on-device GenAI APIs..."
// Define task with required input type, output type, and language
val summarizerOptions = SummarizerOptions.builder(context)
.setInputType(InputType.ARTICLE)
.setOutputType(OutputType.ONE_BULLET)
.setLanguage(Language.ENGLISH)
.build()
val summarizer = Summarization.getClient(summarizerOptions)
suspend fun prepareAndStartSummarization() {
// Check feature availability. Status will be one of the following:
// UNAVAILABLE, DOWNLOADABLE, DOWNLOADING, AVAILABLE
val featureStatus = summarizer.checkFeatureStatus().await()
if (featureStatus == FeatureStatus.DOWNLOADABLE) {
// Download feature if necessary. If downloadFeature is not called,
// the first inference request will also trigger the feature to be
// downloaded if it's not already downloaded.
summarizer.downloadFeature(object : DownloadCallback {
override fun onDownloadStarted(bytesToDownload: Long) { }
override fun onDownloadFailed(e: GenAiException) { }
override fun onDownloadProgress(totalBytesDownloaded: Long) {}
override fun onDownloadCompleted() {
startSummarizationRequest(articleToSummarize, summarizer)
}
})
} else if (featureStatus == FeatureStatus.DOWNLOADING) {
// Inference request will automatically run once feature is
// downloaded. If Gemini Nano is already downloaded on the device,
// the feature-specific LoRA adapter model will be downloaded
// quickly. However, if Gemini Nano is not already downloaded, the
// download process may take longer.
startSummarizationRequest(articleToSummarize, summarizer)
} else if (featureStatus == FeatureStatus.AVAILABLE) {
startSummarizationRequest(articleToSummarize, summarizer)
}
}
fun startSummarizationRequest(text: String, summarizer: Summarizer) {
// Create task request
val summarizationRequest = SummarizationRequest.builder(text).build()
// Start summarization request with streaming response
summarizer.runInference(summarizationRequest) { newText ->
// Show new text in UI
}
// You can also get a non-streaming response from the request
// val summarizationResult = summarizer.runInference(
// summarizationRequest).get().summary
}
// Be sure to release the resource when no longer needed
// For example, on viewModel.onCleared() or activity.onDestroy()
summarizer.close()
জাভা
String articleToSummarize = "Announcing: a set of on-device GenAI AI APIs.";
// Define task with required input type, output type, and language
SummarizerOptions summarizerOptions =
SummarizerOptions.builder(context)
.setInputType(SummarizerOptions.InputType.ARTICLE)
.setOutputType(SummarizerOptions.OutputType.ONE_BULLET)
.setLanguage(SummarizerOptions.Language.ENGLISH)
.build();
Summarizer summarizer = Summarization.getClient(summarizerOptions);
void prepareAndStartSummarization()
throws ExecutionException, InterruptedException {
// Check feature availability. Status will be one of the following:
// UNAVAILABLE, DOWNLOADABLE, DOWNLOADING, AVAILABLE
try {
int featureStatus = summarizer.checkFeatureStatus().get();
if (featureStatus == FeatureStatus.DOWNLOADABLE) {
// Download feature if necessary.
// If downloadFeature is not called, the first inference request
// will also trigger the feature to be downloaded if it's not
// already downloaded.
summarizer.downloadFeature(new DownloadCallback() {
@Override
public void onDownloadCompleted() {
startSummarizationRequest(articleToSummarize, summarizer);
}
@Override
public void onDownloadFailed(GenAiException e) { /* handle error */ }
@Override
public void onDownloadProgress(long totalBytesDownloaded) {}
@Override
public void onDownloadStarted(long bytesDownloaded) {}
});
} else if (featureStatus == FeatureStatus.DOWNLOADING) {
// Inference request will automatically run once feature is
// downloaded. If Gemini Nano is already downloaded on the
// device, the feature-specific LoRA adapter model will be
// downloaded quickly. However, if Gemini Nano is not already
// downloaded, the download process may take longer.
startSummarizationRequest(articleToSummarize, summarizer);
} else if (featureStatus == FeatureStatus.AVAILABLE) {
startSummarizationRequest(articleToSummarize, summarizer);
}
} catch (ExecutionException | InterruptedException e) {
e.printStackTrace();
}
}
void startSummarizationRequest(String text, Summarizer summarizer) {
// Create task request
SummarizationRequest summarizationRequest =
SummarizationRequest.builder(text).build();
// Start summarization request with streaming response
summarizer.runInference(summarizationRequest, newText -> {
// Show new text in UI
});
// You can also get a non-streaming response from the request
// ListenableFuture<SummarizationResult> summarizationResult
// = summarizer.runInference(summarizationRequest);
// String summary = summarizationResult.get().getSummary();
}
// Be sure to release the resource when no longer needed
// For example, on viewModel.onCleared() or activity.onDestroy()
summarizer.close();
কিভাবে মডেল বিভিন্ন ধরনের ইনপুট পরিচালনা করে
যখন পাঠ্য ইনপুটটি InputType.CONVERSATION
হিসাবে নির্দিষ্ট করা হয়, তখন মডেলটি নিম্নলিখিত বিন্যাসে ইনপুট আশা করে:
<name>: <message>
<name2>: <message2>
<name>: <message3>
<name3>: <message4>
এটি মডেলটিকে কথোপকথন এবং মিথস্ক্রিয়া সম্পর্কে আরও ভাল বোঝার মাধ্যমে আরও সঠিক সারাংশ তৈরি করতে সক্ষম করে।
সমর্থিত বৈশিষ্ট্য এবং সীমাবদ্ধতা
ইনপুট অবশ্যই 4000 টোকেন (বা প্রায় 3000 ইংরেজি শব্দ) এর নিচে হতে হবে। যদি ইনপুট 4000 টোকেন অতিক্রম করে, এই বিকল্পগুলি বিবেচনা করুন:
- প্রথম 4000 টোকেনের সারসংক্ষেপকে অগ্রাধিকার দিন। পরীক্ষা ইঙ্গিত করে যে এটি সাধারণত দীর্ঘ ইনপুটগুলির জন্য ভাল ফলাফল দেয়।
setLongInputAutoTruncationEnabled
কল করে স্বয়ংক্রিয়ভাবে কাটা চালু করার কথা বিবেচনা করুন যাতে অতিরিক্ত ইনপুট স্বয়ংক্রিয়ভাবে কেটে যায়। - ইনপুটটিকে 4000 টোকেনের গোষ্ঠীতে ভাগ করুন এবং সেগুলিকে পৃথকভাবে সংক্ষিপ্ত করুন৷
- একটি ক্লাউড সমাধান বিবেচনা করুন যা বড় ইনপুটের জন্য আরও উপযুক্ত।
InputType.ARTICLE
এর জন্য, ইনপুটটি অবশ্যই 400 অক্ষরের বেশি হতে হবে, যখন নিবন্ধটি কমপক্ষে 300 শব্দের হয় তখন মডেলটি সর্বোত্তম কার্য সম্পাদন করে৷
GenAI Summarization API ইংরেজি, জাপানি এবং কোরিয়ান সমর্থন করে এবং SummarizerOptions.Language
এ সংজ্ঞায়িত করা হয়েছে।
নির্দিষ্ট বৈশিষ্ট্যের কনফিগারেশনের উপলব্ধতা ( SummarizerOptions
দ্বারা নির্দিষ্ট করা হয়েছে) নির্দিষ্ট ডিভাইসের কনফিগারেশন এবং ডিভাইসে ডাউনলোড করা মডেলের উপর নির্ভর করে পরিবর্তিত হতে পারে।
ডেভেলপারদের জন্য অনুরোধ করা SummarizerOptions
সহ একটি ডিভাইসে যে এপিআই বৈশিষ্ট্যটি সমর্থিত তা নিশ্চিত করার সবচেয়ে নির্ভরযোগ্য উপায় হল checkFeatureStatus()
পদ্ধতিতে কল করা। এই পদ্ধতিটি রানটাইমে ডিভাইসে বৈশিষ্ট্যের প্রাপ্যতার নির্দিষ্ট স্থিতি প্রদান করে।
সাধারণ সেটআপ সমস্যা
জেমিনি ন্যানো অ্যাক্সেস করতে ML Kit GenAI APIগুলি Android AICore অ্যাপের উপর নির্ভর করে। যখন একটি ডিভাইস সবেমাত্র সেটআপ করা হয় (রিসেট সহ), বা AICore অ্যাপটি রিসেট করা হয় (যেমন ডেটা পরিষ্কার, আনইনস্টল তারপর পুনরায় ইনস্টল করা হয়), তখন AICore অ্যাপের আরম্ভ করার জন্য যথেষ্ট সময় নাও থাকতে পারে (সার্ভার থেকে সর্বশেষ কনফিগারেশন ডাউনলোড করা সহ)। ফলস্বরূপ, ML Kit GenAI APIগুলি আশানুরূপ কাজ নাও করতে পারে৷ এখানে সাধারণ সেটআপ ত্রুটির বার্তাগুলি রয়েছে যা আপনি দেখতে পারেন এবং কীভাবে সেগুলি পরিচালনা করবেন:
উদাহরণ ত্রুটি বার্তা | কিভাবে হ্যান্ডেল |
AICore ত্রুটি প্রকার 4-CONNECTION_ERROR এবং ত্রুটি কোড 601-BINDING_FAILURE: AICore পরিষেবা বাঁধাই করতে ব্যর্থ হয়েছে৷ | আপনি যখন ডিভাইস সেটআপের পরপরই ML Kit GenAI API ব্যবহার করে অ্যাপটি ইনস্টল করেন বা যখন আপনার অ্যাপ ইনস্টল হওয়ার পরে AICore আনইনস্টল করা হয় তখন এটি ঘটতে পারে। AICore অ্যাপ আপডেট করার পরে আপনার অ্যাপ পুনরায় ইনস্টল করলে এটি ঠিক করা উচিত। |
AICore ত্রুটি প্রকার 3-PREPARATION_ERROR এবং ত্রুটি কোড 606-FEATURE_NOT_FOUND সহ ব্যর্থ হয়েছে: বৈশিষ্ট্য ... উপলব্ধ নেই৷ | এটি ঘটতে পারে যখন AICore সর্বশেষ কনফিগারেশন ডাউনলোড করা শেষ করেনি। যখন ডিভাইসটি ইন্টারনেটের সাথে সংযুক্ত থাকে, তখন এটি আপডেট হতে সাধারণত কয়েক মিনিট থেকে কয়েক ঘন্টা সময় নেয়। ডিভাইস রিস্টার্ট করলে আপডেটের গতি বাড়তে পারে। মনে রাখবেন যে ডিভাইসের বুটলোডার আনলক করা থাকলে, আপনি এই ত্রুটিটিও দেখতে পাবেন—এই API আনলক করা বুটলোডারগুলির সাথে ডিভাইসগুলিকে সমর্থন করে না। |
AICore ত্রুটির ধরন 1-DOWNLOAD_ERROR এবং ত্রুটি কোড 0-অজানা: বৈশিষ্ট্য ... ব্যর্থতার স্থিতি 0 এবং ত্রুটি esz সহ ব্যর্থ হয়েছে: অনুপলব্ধ: হোস্ট সমাধান করতে অক্ষম ... | নেটওয়ার্ক সংযোগ রাখুন, কয়েক মিনিট অপেক্ষা করুন এবং পুনরায় চেষ্টা করুন। |