Mit ML Kit unter Android intelligente Antworten generieren

Mit ML Kit können kurze Antworten auf Nachrichten generiert werden. Dazu wird ein On-Device-Modell verwendet.

Wenn Sie Smart Replies generieren möchten, übergeben Sie ML Kit ein Protokoll der letzten Nachrichten in einer Unterhaltung. Wenn ML Kit feststellt, dass die Unterhaltung auf Englisch geführt wird und keine potenziell vertraulichen Themen behandelt, werden bis zu drei Antworten generiert, die Sie Ihrem Nutzer vorschlagen können.

GebündeltNicht gebündelt
Bibliotheksnamecom.google.mlkit:smart-replycom.google.android.gms:play-services-mlkit-smart-reply
ImplementierungDas Modell wird zur Build-Zeit statisch mit Ihrer App verknüpft.Das Modell wird dynamisch über die Google Play-Dienste heruntergeladen.
Auswirkungen auf die App-GrößeDie Größe nimmt um etwa 5,7 MB zu.Die Größe nimmt um etwa 200 KB zu.
InitialisierungszeitDas Modell ist sofort verfügbar.Möglicherweise müssen Sie warten, bis das Modell heruntergeladen wurde, bevor Sie es zum ersten Mal verwenden können.

Jetzt ausprobieren

  • Probieren Sie die Beispiel-App aus, um ein Anwendungsbeispiel für diese API zu sehen.

Hinweis

  1. Achten Sie in der Datei build.gradle auf Projektebene darauf, dass das Maven-Repository von Google sowohl im Abschnitt buildscript als auch im Abschnitt allprojects enthalten ist.

  2. Fügen Sie die Abhängigkeiten für die ML Kit Android-Bibliotheken der Gradle-Datei auf App-Ebene Ihres Moduls hinzu, in der Regel app/build.gradle. Wählen Sie je nach Bedarf eine der folgenden Abhängigkeiten aus:

    • So binden Sie das Modell in Ihre App ein:
    dependencies {
  // ...
  // Use this dependency to bundle the model with your app
  implementation 'com.google.mlkit:smart-reply:17.0.4'
}
    • So verwenden Sie das Modell in den Google Play-Diensten:
    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'
}

    Wenn Sie das Modell in den Google Play-Diensten verwenden möchten, können Sie Ihre App so konfigurieren, dass das Modell automatisch auf das Gerät heruntergeladen wird, nachdem Ihre App im Play Store installiert wurde. Fügen Sie dazu die folgende Deklaration der Datei AndroidManifest.xml Ihrer App hinzu:

    <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>

    Sie können die Verfügbarkeit des Modells auch explizit prüfen und den Download über die Google Play-Dienste ModuleInstallClient API anfordern.

    Wenn Sie das Herunterladen des Modells zur Installationszeit nicht aktivieren oder keinen expliziten Download anfordern, wird das Modell heruntergeladen, wenn Sie den Smart Reply-Generator zum ersten Mal ausführen. Anfragen, die Sie vor Abschluss des Downloads stellen, führen zu keinen Ergebnissen.

    1. Objekt für den Unterhaltungsverlauf erstellen

    Wenn Sie Smart Replies generieren möchten, übergeben Sie ML Kit eine chronologisch geordnete List von TextMessage-Objekten, wobei der früheste Zeitstempel zuerst steht.

    Wenn der Nutzer eine Nachricht sendet, fügen Sie die Nachricht und ihren Zeitstempel dem Unterhaltungsverlauf hinzu:

    Kotlin

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

    Java

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

    Wenn der Nutzer eine Nachricht erhält, fügen Sie die Nachricht, ihren Zeitstempel und die Nutzer-ID des Absenders dem Unterhaltungsverlauf hinzu. Die Nutzer-ID kann eine beliebige String sein, die den Absender in der Unterhaltung eindeutig identifiziert. Die Nutzer-ID muss nicht mit Nutzerdaten übereinstimmen und muss nicht zwischen Unterhaltungen oder Aufrufen des Smart Reply-Generators konsistent sein.

    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));

    Ein Objekt für den Unterhaltungsverlauf sieht so aus:

    Zeitstempel userID isLocalUser Nachricht
    Do., 21. Feb. 2019, 13:13:39 Uhr (PST) wahr Bist du unterwegs?
    Do., 21. Feb. 2019, 13:15:03 Uhr (PST) FRIEND0 falsch Ich bin zu spät, sorry!

    ML Kit schlägt Antworten auf die letzte Nachricht in einem Unterhaltungsverlauf vor. Die letzte Nachricht sollte von einem nicht lokalen Nutzer stammen. Im obigen Beispiel stammt die letzte Nachricht in der Unterhaltung vom nicht lokalen Nutzer FREUND0. Wenn Sie ML Kit dieses Protokoll übergeben, werden Antworten auf die Nachricht von FREUND0 vorgeschlagen: „Ich bin zu spät, sorry!“

    2. Nachrichtenantworten abrufen

    Wenn Sie Smart Replies auf eine Nachricht generieren möchten, rufen Sie eine Instanz von SmartReplyGenerator ab und übergeben Sie den Unterhaltungsverlauf an die Methode 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
                // ...
            }
        });

    Wenn der Vorgang erfolgreich ist, wird ein SmartReplySuggestionResult-Objekt an den Erfolgshandler übergeben. Dieses Objekt enthält eine Liste mit bis zu drei vorgeschlagenen Antworten, die Sie Ihrem Nutzer präsentieren können:

    Kotlin

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

    Java

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

    Beachten Sie, dass ML Kit möglicherweise keine Ergebnisse zurückgibt, wenn das Modell nicht von der Relevanz der vorgeschlagenen Antworten überzeugt ist , die Eingabeunterhaltung nicht auf Englisch geführt wird oder wenn das Modell vertrauliche Themen erkennt.