Android पर एमएल किट की मदद से स्मार्ट जवाब जनरेट करें

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

स्मार्ट जवाब जनरेट करने के लिए, ML Kit को किसी बातचीत के हाल के मैसेज का लॉग पास करें. अगर ML Kit को लगता है कि बातचीत अंग्रेज़ी में हो रही है और इसमें संवेदनशील विषयों के बारे में बात नहीं की जा रही है, तो ML Kit तीन जवाब जनरेट करता है. इन जवाबों को उपयोगकर्ता को सुझाव के तौर पर दिखाया जा सकता है.

बंडल किए गएअनबंडल किया गया
लाइब्रेरी का नामcom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
लागू करनामॉडल को बिल्ड टाइम में, आपके ऐप्लिकेशन से स्टैटिक तौर पर लिंक किया जाता है.मॉडल को Google Play Services के ज़रिए डाइनैमिक तरीके से डाउनलोड किया जाता है.
ऐप्लिकेशन के साइज़ का असरसाइज़ में करीब 5.7 एमबी की बढ़ोतरी हुई है.साइज़ में करीब 200 केबी की बढ़ोतरी होती है.
शुरू होने में लगने वाला समयमॉडल तुरंत उपलब्ध हो जाता है.पहली बार इस्तेमाल करने से पहले, मॉडल को डाउनलोड होने में समय लग सकता है.

इसे आज़माएं

शुरू करने से पहले

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

  2. अपने मॉड्यूल की ऐप्लिकेशन-लेवल की gradle फ़ाइल में, ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी जोड़ें. यह फ़ाइल 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:17.0.4'
}
    • 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 करें कि Play Store से ऐप्लिकेशन इंस्टॉल होने के बाद, मॉडल अपने-आप डिवाइस पर 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>

    Google Play services ModuleInstallClient API के ज़रिए, मॉडल की उपलब्धता की जांच की जा सकती है. साथ ही, डाउनलोड करने का अनुरोध किया जा सकता है.

    अगर आपने इंस्टॉल-टाइम मॉडल डाउनलोड करने की सुविधा चालू नहीं की है या डाउनलोड करने का अनुरोध नहीं किया है, तो मॉडल को पहली बार तब डाउनलोड किया जाता है, जब स्मार्ट जवाब जनरेट करने की सुविधा का इस्तेमाल किया जाता है. डाउनलोड पूरा होने से पहले किए गए अनुरोधों से कोई नतीजा नहीं मिलता.

    1. बातचीत के इतिहास का ऑब्जेक्ट बनाना

    स्मार्ट जवाब जनरेट करने के लिए, ML Kit को समय के हिसाब से क्रम में लगाए गए List के TextMessage ऑब्जेक्ट पास किए जाते हैं. इनमें सबसे पहले, सबसे पुराने टाइमस्टैंप वाला ऑब्जेक्ट होता है.

    जब भी उपयोगकर्ता कोई मैसेज भेजे, तो मैसेज और उसके टाइमस्टैंप को बातचीत के इतिहास में 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 कोई मैसेज मिलता है, तो उसे बातचीत के इतिहास में जोड़ें. साथ ही, मैसेज मिलने का टाइमस्टैंप और मैसेज भेजने वाले का उपयोगकर्ता आईडी भी जोड़ें. उपयोगकर्ता आईडी, कोई भी ऐसी स्ट्रिंग हो सकती है जो बातचीत में शामिल व्यक्ति की पहचान करती हो. यूज़र आईडी का किसी भी उपयोगकर्ता के डेटा से मेल खाना ज़रूरी नहीं है. साथ ही, यूज़र आईडी का स्मार्ट जवाब जनरेट करने की सुविधा के साथ बातचीत या उसे चालू करने के दौरान एक जैसा होना ज़रूरी नहीं है.

    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 यहां दिया गया उदाहरण देखें:

    टाइमस्टैम्प userID isLocalUser मैसेज
    गुरुवार, 21 फ़रवरी, 2019 को दोपहर 1:13:39 बजे पीएसटी सही क्या आप रास्ते में हैं?
    गुरुवार 21 फ़रवरी 2019 को दोपहर 1:15:03 बजे पीएसटी FRIEND0 गलत मुझे देर हो रही है, माफ़ करना!

    ML Kit, बातचीत के इतिहास में मौजूद आखिरी मैसेज के जवाब सुझाता है. आखिरी मैसेज, किसी ऐसे व्यक्ति से मिला होना चाहिए जो आपके आस-पास नहीं रहता. ऊपर दिए गए उदाहरण में, बातचीत का आखिरी मैसेज, स्थानीय उपयोगकर्ता नहीं है. यह मैसेज FRIEND0 ने भेजा है. इस लॉग में, ML Kit का इस्तेमाल करने पर, FRIENDO के मैसेज के जवाब के तौर पर यह सुझाव दिया गया है: "माफ़ करना, मुझे देर हो रही है!"

    2. मैसेज के जवाब पाना

    किसी मैसेज के स्मार्ट जवाब जनरेट करने के लिए, SmartReplyGenerator का एक इंस्टेंस पाएं. इसके बाद, बातचीत के इतिहास को इसके suggestReplies() तरीके से 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 ऑपरेशन पूरा हो जाता है, तो SmartReplySuggestionResult ऑब्जेक्ट को सफलता हैंडलर को पास कर दिया जाता है. इस ऑब्जेक्ट में, सुझाए गए तीन जवाबों की सूची होती है. इन्हें 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 सुझाए गए जवाबों के काम के होने के बारे में पक्का नहीं है, इनपुट की गई बातचीत अंग्रेज़ी में नहीं है या मॉडल को संवेदनशील विषय का पता चलता है, तो ML Kit नतीजे नहीं दिखा सकता.