ML Kit สามารถสร้างข้อความตอบกลับสั้นๆ โดยใช้โมเดลในอุปกรณ์
หากต้องการสร้างสมาร์ทรีพลาย คุณต้องส่งบันทึกข้อความล่าสุดในการสนทนาให้กับ ML Kit หาก ML Kit ระบุว่าการสนทนาเป็นภาษาอังกฤษและการสนทนาไม่มีหัวข้อที่อาจละเอียดอ่อน ML Kit จะสร้างการตอบกลับสูงสุด 3 รายการซึ่งคุณแนะนำให้ผู้ใช้ได้
รวมกลุ่ม | ไม่ได้จัดกลุ่ม | |
---|---|---|
ชื่อไลบรารี | com.google.mlkit:smart-reply | com.google.android.gms:play-services-mlkit-smart-reply |
การใช้งาน | โมเดลลิงก์กับแอปของคุณแบบคงที่ ณ เวลาบิลด์ | โมเดลจะดาวน์โหลดแบบไดนามิกผ่านบริการ Google Play |
ผลกระทบของขนาดแอป | ขนาดเพิ่มขึ้นประมาณ 5.7 MB | ขนาดที่เพิ่มขึ้นประมาณ 200 KB |
เวลาในการเริ่มต้น | โมเดลจะพร้อมใช้งานทันที | อาจต้องรอให้โมเดลดาวน์โหลดก่อนใช้งานครั้งแรก |
ลองเลย
- ลองใช้แอปตัวอย่างเพื่อดูตัวอย่างการใช้ API นี้
ก่อนเริ่มต้น
ในไฟล์
build.gradle
ระดับโปรเจ็กต์ อย่าลืมรวมที่เก็บ Maven ของ Google ไว้ทั้งในส่วนbuildscript
และallprojects
เพิ่มทรัพยากร Dependency สำหรับไลบรารี ML Kit Android ลงในไฟล์ Gradle ระดับแอปของโมดูล ซึ่งปกติคือ
app/build.gradle
เลือกทรัพยากร Dependency ต่อไปนี้ 1 รายการตามความต้องการของคุณ- วิธีการรวมโมเดลกับแอปมีดังนี้
dependencies { // ... // Use this dependency to bundle the model with your app implementation 'com.google.mlkit:smart-reply:17.0.3' }
- วิธีใช้โมเดลในบริการ 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' }
หากเลือกใช้รูปแบบดังกล่าวในบริการ Google Play คุณจะกำหนดค่า แอปให้ดาวน์โหลดโมเดลไปยังอุปกรณ์โดยอัตโนมัติหลังจากที่ ติดตั้งแอปจาก Play Store แล้ว เพิ่มการประกาศต่อไปนี้ลงในไฟล์
AndroidManifest.xml
ของแอป<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>
นอกจากนี้ คุณยังตรวจสอบความพร้อมใช้งานของโมเดลและส่งคำขอดาวน์โหลดผ่าน ModuleInstallClient API ของบริการ Google Play อย่างชัดแจ้งได้ด้วย
หากคุณไม่เปิดใช้การดาวน์โหลดโมเดลเวลาติดตั้งหรือขอการดาวน์โหลดอย่างชัดแจ้ง ระบบจะดาวน์โหลดโมเดลในครั้งแรกที่คุณเรียกใช้โปรแกรมสร้างช่วยตอบ คำขอที่คุณสร้างขึ้นก่อนการดาวน์โหลดเสร็จสมบูรณ์จะไม่สร้างผลลัพธ์ใดๆ
1. สร้างออบเจ็กต์ประวัติการสนทนา
หากต้องการสร้างฟีเจอร์ช่วยตอบ คุณจะต้องส่งออบเจ็กต์
List
จากTextMessage
รายการที่จัดเรียงตามลำดับเวลาโดย ML Kit โดยระบุการประทับเวลาแรกสุดก่อนเมื่อใดก็ตามที่ผู้ใช้ส่งข้อความ ให้เพิ่มข้อความและการประทับเวลาของข้อความนั้นลงในประวัติการสนทนา ดังนี้
Kotlin
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()))
Java
conversation.add(TextMessage.createForLocalUser( "heading out now", System.currentTimeMillis()));
เมื่อผู้ใช้ได้รับข้อความ ให้เพิ่มข้อความ การประทับเวลา และรหัสผู้ใช้ของผู้ส่งในประวัติการสนทนา User-ID เป็นสตริงใดก็ได้ที่ระบุผู้ส่งภายในการสนทนาอย่างไม่ซ้ำกัน รหัสผู้ใช้ไม่จำเป็นต้องสอดคล้องกับข้อมูลผู้ใช้ใดๆ และรหัสผู้ใช้ไม่จำเป็นต้องสอดคล้องกันระหว่างการสนทนาหรือการเรียกใช้ของโปรแกรมสร้างช่วยตอบ
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));
ออบเจ็กต์ประวัติการสนทนามีลักษณะดังตัวอย่างต่อไปนี้
การประทับเวลา userID isLocalUser ข้อความ พฤ. 21 ก.พ. 13:13:39 PST 2019 จริง คุณกำลังเดินทางหรือเปล่า พฤ. 21 ก.พ. 13:15:03 น. PST 2019 FRIEND0 false ขออภัยในความไม่สะดวก ML Kit แนะนำการตอบกลับข้อความสุดท้ายในประวัติการสนทนา ข้อความสุดท้ายควรมาจากผู้ใช้ที่ไม่ได้อยู่ในระบบ ในตัวอย่างข้างต้น ข้อความสุดท้ายในการสนทนา มาจากผู้ใช้ FRIEND0 ที่ไม่ได้อยู่ในพื้นที่ เมื่อใช้บันทึกนี้ ML Kit จะแนะนำให้ตอบกลับข้อความของ FRIENDO ว่า "มาสายแล้ว ขอโทษนะ"
2. รับข้อความตอบกลับ
หากต้องการสร้างสมาร์ทรีพลายในข้อความ ให้รับอินสแตนซ์
SmartReplyGenerator
และส่งประวัติการสนทนาไปยังเมธอดsuggestReplies()
ของอินสแตนซ์ดังกล่าวKotlin
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 // ... } }); หากการดำเนินการสำเร็จ ระบบจะส่งออบเจ็กต์
SmartReplySuggestionResult
ไปยังเครื่องจัดการสำเร็จ ออบเจ็กต์นี้ประกอบด้วยรายการคำตอบที่แนะนำสูงสุด 3 คำตอบ ซึ่งสามารถนำเสนอแก่ผู้ใช้ได้Kotlin
for (suggestion in result.suggestions) { val replyText = suggestion.text }
Java
for (SmartReplySuggestion suggestion : result.getSuggestions()) { String replyText = suggestion.getText(); }
โปรดทราบว่า ML Kit อาจไม่แสดงผลลัพธ์หากโมเดลไม่มั่นใจในความเกี่ยวข้องของคำตอบที่แนะนำ อินพุตไม่เป็นภาษาอังกฤษ หรือโมเดลตรวจพบหัวข้อที่มีความละเอียดอ่อน