Questa pagina è stata tradotta dall'API Cloud Translation.

Genera risposte rapide con ML Kit su Android

ML Kit può generare risposte brevi ai messaggi utilizzando un modello on-device.

Per generare risposte rapide, passi a ML Kit un log dei messaggi recenti di una conversazione. Se ML Kit determina che la conversazione è in inglese e che non ha un argomento potenzialmente sensibile, genera fino a tre risposte che puoi suggerire all'utente.

	In bundle	Separato
Nome della raccolta	`com.google.mlkit:smart-reply`	`com.google.android.gms:play-services-mlkit-smart-reply`
Implementazione	Il modello è collegato in modo statico alla tua app in fase di compilazione.	Il modello viene scaricato dinamicamente tramite Google Play Services.
Impatto delle dimensioni dell'app	Aumento delle dimensioni di circa 5,7 MB.	Aumento delle dimensioni di circa 200 KB.
Tempo di inizializzazione	Il modello è disponibile immediatamente.	Potresti dover attendere il download del modello prima del primo utilizzo.

Prova

Prova l'app di esempio per vedere un esempio di utilizzo di questa API.

Prima di iniziare

Questa API richiede il livello API Android 21 o versioni successive. Assicurati che il file di compilazione dell'app utilizzi un valore minSdkVersion pari o superiore a 21.

Nel file build.gradle a livello di progetto, assicurati di includere il repository Maven di Google sia nelle sezioni buildscript che allprojects.

Aggiungi le dipendenze per le librerie Android di ML Kit al file Gradle a livello di app del tuo modulo, che in genere è app/build.gradle. Scegli una delle seguenti dipendenze in base alle tue esigenze:

Per raggruppare il modello con l'app:

dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}

Per utilizzare il modello in Google Play Services:

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'
}

Se scegli di utilizzare il modello in Google Play Services, puoi configurare la tua app in modo che scarichi automaticamente il modello sul dispositivo dopo l'installazione dall'app Play Store. Aggiungendo la seguente dichiarazione al file AndroidManifest.xml dell'app:

<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>

Puoi anche controllare esplicitamente la disponibilità del modello e richiedere il download tramite l'API ModuleInstallClient di Google Play Services.

Se non attivi i download dei modelli al momento dell'installazione o richiedi il download esplicito, il modello viene scaricato la prima volta che esegui il generatore di risposte intelligenti. Le richieste effettuate prima del completamento del download non producono risultati.

1. Creare un oggetto della cronologia delle conversazioni

Per generare risposte rapide, passi a ML Kit un List di oggetti TextMessage ordinati cronologicamente, con il timestamp più antico in primo piano.

Ogni volta che l'utente invia un messaggio, aggiungi il messaggio e il relativo timestamp alla cronologia delle conversazioni:

Kotlin

conversation.add(TextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()))

Java

conversation.add(TextMessage.createForLocalUser(
        "heading out now", System.currentTimeMillis()));

Ogni volta che l'utente riceve un messaggio, aggiungi il messaggio, il timestamp e l'ID utente del mittente alla cronologia della conversazione. L'ID utente può essere qualsiasi stringa che identifichi in modo univoco il mittente all'interno della conversazione. L'ID utente non deve corrispondere a dati utente e non deve essere coerente tra una conversazione o le invocazioni del generatore di risposte intelligenti.

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 oggetto della cronologia delle conversazioni è simile al seguente esempio:

Timestamp	userID	isLocalUser	Messaggio
21 feb 2019 13:13:39 PST		true	Sei in viaggio?
21 feb 2019 13:15:03 PST	FRIEND0	falso	Mi dispiace, sono in ritardo.

ML Kit suggerisce le risposte all'ultimo messaggio nella cronologia di una conversazione. L'ultimo messaggio deve provenire da un utente non locale. Nell'esempio riportato sopra, l'ultimo messaggio della conversazione proviene dall'utente non locale FRIEND0. Quando passi a ML Kit questo log, vengono suggerite le risposte al messaggio di FRIENDO: "In ritardo, scusa!"

2. Ricevere risposte ai messaggi

Per generare risposte rapide a un messaggio, ottieni un'istanza di SmartReplyGenerator e passa la cronologia della conversazione al relativo metodo 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
                // ...
            }
        });

Se l'operazione riesce, un oggetto SmartReplySuggestionResult viene passato al gestore di successo. Questo oggetto contiene un elenco di massimo tre risposte suggerite, che puoi presentare all'utente:

Kotlin

for (suggestion in result.suggestions) {
    val replyText = suggestion.text
}

Java

for (SmartReplySuggestion suggestion : result.getSuggestions()) {
    String replyText = suggestion.getText();
}

Tieni presente che ML Kit potrebbe non restituire risultati se il modello non è sicuro della pertinenza delle risposte suggerite, se la conversazione di input non è in inglese o se il modello rileva argomenti sensibili.