智慧回覆
利用收藏功能保持井然有序 根據偏好儲存內容並加以分類。
開始使用
我們的智慧回覆模型會根據聊天訊息產生回覆建議。這些建議旨在提供符合情境脈絡的一鍵式回覆，協助使用者輕鬆回覆訊息。
下載入門模型
範例應用程式
有一個 TensorFlow Lite 範例應用程式，示範如何在 Android 上使用智慧回覆模型。
查看 Android 範例
閱讀 GitHub 頁面，瞭解應用程式的運作方式。在這個專案中，您也會學到如何使用自訂 C++ 運算子建立應用程式。
運作方式
這個模型會針對對話式聊天訊息產生回覆建議。
裝置端模型具有多項優點。它具有以下特點：
- 速度快：模型駐留在裝置上，不需要網際網路連線。因此，推論速度非常快，平均延遲時間僅有幾毫秒。
- 資源效率高：模型在裝置上的記憶體佔用空間很小。
- 注重隱私：使用者資料絕不會離開裝置。
範例輸出
進一步瞭解相關資訊
使用者
除非另有註明，否則本頁面的內容皆採用 創用 CC 姓名標示 4.0 授權條款，而程式碼範例則採用 Apache 2.0 授權條款。詳情請參閱 Google 開發人員網站政策。Java 是 Oracle 和/或其關係企業的註冊商標。
上次更新日期：2023-08-30 UTC。
[{ "type": "thumb-down", "id": "missingTheInformationINeed", "label":"找不到我需要的資訊" },{ "type": "thumb-down", "id": "tooComplicatedTooManySteps", "label":"太過複雜/步驟過多" },{ "type": "thumb-down", "id": "outOfDate", "label":"內容過時" },{ "type": "thumb-down", "id": "samplesCodeIssue", "label":"範例/程式碼問題" },{ "type": "thumb-down", "id": "otherDown", "label":"其他" }]
[{ "type": "thumb-up", "id": "easyToUnderstand", "label":"容易理解" },{ "type": "thumb-up", "id": "solvedMyProblem", "label":"解決了我的問題" },{ "type": "thumb-up", "id": "otherUp", "label":"其他" }]
