Générer des réponses suggérées avec ML Kit sur Android

ML Kit peut générer des réponses courtes aux messages à l'aide d'un modèle sur l'appareil.

Pour générer des réponses suggérées, vous transmettez à ML Kit un journal des messages récents d'une conversation. Si ML Kit détermine que la conversation est en anglais et qu'elle ne porte pas sur un sujet potentiellement sensible, il génère jusqu'à trois réponses que vous pouvez suggérer à votre utilisateur.

GroupéeDégroupé
Nom de la bibliothèquecom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
Mise en œuvreLe modèle est lié 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 des applicationsAugmentation de la taille d'environ 5,7 Mo.Augmentation de la taille d'environ 200 ko.
Délai d'initialisationLe modèle est disponible immédiatement.Vous devrez peut-être attendre que le modèle soit téléchargé avant de l'utiliser.

Essayer

Avant de commencer

  1. Dans le fichier build.gradle de niveau projet, veillez à inclure le dépôt Maven de Google à la fois dans les sections buildscript et allprojects.

  2. Ajoutez les dépendances des bibliothèques Android ML Kit au fichier Gradle au niveau de l'application de votre module, qui est généralement app/build.gradle. Choisissez l'une des dépendances suivantes en fonction de vos besoins:

    • Pour regrouper 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 qu'elle télécharge automatiquement le modèle sur l'appareil une fois qu'elle est installée depuis le Play Store. En ajoutant la déclaration suivante au fichier AndroidManifest.xml de votre 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 également vérifier explicitement la disponibilité du modèle et demander le téléchargement via l'API ModuleInstallClient des services Google Play.

    Si vous n'activez pas le téléchargement de modèles au moment de l'installation ni ne demandez pas de téléchargement explicite, le modèle est téléchargé la première fois que vous exécutez le générateur de réponses intelligentes. 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 intelligentes, vous transmettez à ML Kit une List d'objets TextMessage triée chronologiquement, en commençant par la date et l'heure les plus anciennes.

    Chaque fois qu'un utilisateur envoie un message, ajoutez-le et son code temporel à l'historique de la conversation:

    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, son code temporel et l'ID utilisateur de l'expéditeur à l'historique de la conversation. L'ID utilisateur peut être n'importe quelle chaîne qui identifie de manière unique l'expéditeur dans la conversation. L'ID utilisateur n'a pas besoin de correspondre à des données utilisateur, et il n'a pas besoin d'être cohérent entre les conversations ou les invocations 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));

    Un objet "historique des conversations" se présente comme suit:

    Horodatage userID isLocalUser Message
    Jeu. 21 févr. 13:13:39 PST 2019 true Vous êtes en route ?
    Jeu. 21 févr. 13:15:03 PST 2019 FRIEND0 faux Je suis en retard, désolé !

    ML Kit suggère des réponses au dernier message de l'historique d'une 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 FRIEND0. Lorsque vous transmettez ce journal à ML Kit, il suggère des réponses au message de FRIENDO: "Je suis en retard, désolé !"

    2. Obtenir des réponses aux messages

    Pour générer des réponses suggérées à un message, obtenez une instance de SmartReplyGenerator et transmettez l'historique de la conversation à sa méthode suggestReplies():

    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 au gestionnaire de réussite. Cet objet contient une liste de trois réponses suggérées au 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 peut ne pas renvoyer de résultats si le modèle n'est pas sûr de la pertinence des réponses suggérées, si la conversation d'entrée n'est pas en anglais ou si le modèle détecte un sujet sensible.