智能回复
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
开始
我们的智能回复模型可以基于聊天消息生成回复建议。这些建议是与上下文相关的一键式响应,可以帮助用户轻松回复收到的消息。
下载入门模型
示例应用
有一个 TensorFlow Lite 示例应用可以在 Android 上演示这个智能回复模型。
查看 Android 示例应用
阅读 GitHub 页面以了解应用的工作原理。在此项目中,您还会学习如何使用 C++ 运算构建应用。
工作原理
模型可为对话聊天消息生成回复建议。
该设备端模型具备以下优势:
- 运行快速:该模型在设备上运行并且无需网络连接。因此,推断速度非常快,平均延迟只有几毫秒。
- 资源高效:该模型在设备中占用的内存很小。
- 保护隐私:用户数据从不离开设备。
示例输出
了解更多
用户
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2024-01-11。
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["没有我需要的信息","missingTheInformationINeed","thumb-down"],["太复杂/步骤太多","tooComplicatedTooManySteps","thumb-down"],["内容需要更新","outOfDate","thumb-down"],["翻译问题","translationIssue","thumb-down"],["示例/代码问题","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["最后更新时间 (UTC):2024-01-11。"],[],[]]