Android पर एमएल किट की मदद से स्मार्ट जवाब जनरेट करें

ML Kit, डिवाइस पर मौजूद मॉडल का इस्तेमाल करके, मैसेज के कम जवाब जनरेट कर सकता है.

स्मार्ट जवाब जनरेट करने के लिए, आपको किसी बातचीत में हाल ही के मैसेज का लॉग एमएल किट पास करना होता है. अगर ML Kit को लगता है कि बातचीत अंग्रेज़ी में है और बातचीत का विषय संवेदनशील नहीं है, तो ML Kit ज़्यादा से ज़्यादा तीन जवाब जनरेट करता है. इन जवाबों का सुझाव अपने उपयोगकर्ता को दिया जा सकता है.

बंडल किए गएअनबंडल किए गए
लाइब्रेरी का नामcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
लागू करनाबिल्ड के दौरान, मॉडल आपके ऐप्लिकेशन से स्टैटिक रूप से लिंक होता है.मॉडल को Google Play services की मदद से, डाइनैमिक रूप से डाउनलोड किया जाता है.
ऐप्लिकेशन के साइज़ का असरसाइज़ करीब 5.7 एमबी बढ़ जाता है.साइज़ करीब 200 केबी बढ़ जाता है.
प्रोसेस शुरू होने में लगने वाला समयमॉडल तुरंत उपलब्ध हो जाता है.पहली बार इस्तेमाल करने से पहले, मॉडल के डाउनलोड होने तक इंतज़ार करना पड़ सकता है.

इसे आज़माएं

वेब कंटेनर इंस्टॉल करने से पहले

  1. प्रोजेक्ट-लेवल की build.gradle फ़ाइल में, पक्का करें कि आपने buildscript और allprojects, दोनों सेक्शन में Google की Maven रिपॉज़िटरी को शामिल किया हो.

  2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की Gradle फ़ाइल में ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें, जो आम तौर पर app/build.gradle होती है. अपनी ज़रूरतों के हिसाब से इनमें से कोई एक डिपेंडेंसी चुनें:

    • मॉडल को अपने ऐप्लिकेशन के साथ बंडल करने के लिए:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.3'
}
    • Google Play Services में मॉडल का इस्तेमाल करने के लिए:
    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'
}

    अगर आपको Google Play Services में मॉडल का इस्तेमाल करना है, तो अपने ऐप्लिकेशन को इस तरह कॉन्फ़िगर किया जा सकता है कि Play Store से ऐप्लिकेशन इंस्टॉल होने के बाद, मॉडल आपके डिवाइस पर अपने-आप डाउनलोड हो जाए. अपने ऐप्लिकेशन की AndroidManifest.xml फ़ाइल में, यह एलान जोड़कर:

    <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>

    आपके पास मॉडल की उपलब्धता को देखने का विकल्प भी है. साथ ही, Google Play services ModuleInstallClient API की मदद से, डाउनलोड करने का अनुरोध किया जा सकता है.

    अगर इंस्टॉल के समय मॉडल डाउनलोड करने की सुविधा चालू नहीं की जाती या अश्लील फ़ाइल डाउनलोड करने का अनुरोध नहीं किया जाता, तो पहली बार स्मार्ट जवाब जनरेटर चलाने पर मॉडल डाउनलोड हो जाता है. डाउनलोड पूरा होने से पहले किए गए अनुरोधों का कोई नतीजा नहीं निकला.

    1. बातचीत के इतिहास के लिए ऑब्जेक्ट बनाएं

    स्मार्ट जवाब जनरेट करने के लिए, आपको TextMessage ऑब्जेक्ट में से, ML Kit को समय के हिसाब से क्रम में List पास करना होगा. इसमें सबसे पहले टाइमस्टैंप होना चाहिए.

    जब भी उपयोगकर्ता मैसेज भेजे, तो बातचीत के इतिहास में मैसेज और उसका टाइमस्टैंप जोड़ें:

    Kotlin

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

    Java

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

    जब भी उपयोगकर्ता को मैसेज मिले, तो बातचीत के इतिहास में मैसेज, उसका टाइमस्टैंप, और भेजने वाले का यूज़र आईडी जोड़ें. यूज़र आईडी, कोई भी ऐसी स्ट्रिंग हो सकती है जिससे बातचीत में भेजने वाले की पहचान की जा सके. यह ज़रूरी नहीं है कि यूज़र आईडी किसी उपयोगकर्ता के डेटा से मेल खाता हो. साथ ही, यह ज़रूरी नहीं है कि बातचीत या स्मार्ट जवाब जनरेट करने वाले टूल को शुरू करने के दौरान, यूज़र आईडी एक जैसा हो.

    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));

    बातचीत के इतिहास का ऑब्जेक्ट कैसा दिखता है, यह जानने के लिए नीचे दिया गया उदाहरण देखें:

    टाइमस्टैंप userID isLocalUser मैसेज
    गुरुवार 21 फ़रवरी 13:13:39 पीएसटी 2019 सही क्या आप अपने रास्ते में हैं?
    गुरुवार 21 फ़रवरी 13:15:03 पीएसटी 2019 FRIEND0 false मुझे देर हो रही है, माफ़ करें!

    ML Kit, बातचीत के इतिहास में, पिछले मैसेज के जवाबों का सुझाव देती है. आखिरी मैसेज किसी ऐसे उपयोगकर्ता का होना चाहिए जो स्थानीय नहीं है. ऊपर दिए गए उदाहरण में, बातचीत का आखिरी मैसेज गैर-स्थानीय उपयोगकर्ता friend0 से मिला है. जब इस लॉग के लिए ML Kit का पास का इस्तेमाल किया जाता है, तो यह FRIENDO के मैसेज के जवाब का सुझाव देता है: "देर से चल रही है, माफ़ करें!"

    2. मैसेज के जवाब पाएं

    किसी मैसेज के स्मार्ट जवाब जनरेट करने के लिए, SmartReplyGenerator का इंस्टेंस पाएं और बातचीत के इतिहास को इसके suggestReplies() तरीके में पास करें:

    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
                // ...
            }
        });

    अगर कार्रवाई पूरी होती है, तो SmartReplySuggestionResult ऑब्जेक्ट को सक्सेस हैंडलर को पास किया जाता है. इस ऑब्जेक्ट में ज़्यादा से ज़्यादा तीन सुझाए गए जवाबों की सूची होती है. इन्हें अपने उपयोगकर्ता को दिखाया जा सकता है:

    Kotlin

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

    Java

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

    ध्यान दें कि अगर मॉडल को यह पता नहीं है कि सुझाए गए जवाब सही हैं या नहीं, इनपुट की बातचीत अंग्रेज़ी में न हो या मॉडल को किसी संवेदनशील विषय का पता चलता हो, तो हो सकता है कि ML Kit नतीजे न दिखाए.