GenAI Summarization API

এই API বিটা ভার্সনে অফার করা হয় এবং কোনও SLA বা অবলোপ নীতি মেনে চলে না। এই API-তে এমন পরিবর্তন করা হতে পারে যা পুরনো ভার্সনের সাথে মানানসই হবে না।

ML Kit-এর GenAI Summarization API-এর সাহায্যে, আপনি নিবন্ধ ও কথোপকথনের সারসংক্ষেপ বুলেট পয়েন্টের তালিকা হিসেবে অটোমেটিক তৈরি করতে পারবেন। এটি ব্যবহারকারীদের অনেক বড় টেক্সট বুঝতে সাহায্য করে।

অন-ডিভাইস জেনারেটিভ AI থেকে সারসংক্ষেপ করার সুবিধা পাওয়া যায় কারণ এটি ডেটা গোপনীয়তা ও খরচ সংক্রান্ত উদ্বেগের সমাধান করে। ব্যক্তিগত চ্যাট, ইমেল, নোট ও রিমাইন্ডারের সারসংক্ষেপ তৈরি করা অ্যাপগুলি প্রায়ই সংবেদনশীল তথ্য ম্যানেজ করে, এর ফলে ব্যবহারকারীর গোপনীয়তা রক্ষার জন্য ডিভাইসে প্রসেসিং করা গুরুত্বপূর্ণ হয়ে ওঠে। এছাড়াও, সারসংক্ষেপ তৈরি করার টাস্ক, বিশেষ করে যেগুলিতে দীর্ঘ প্রসঙ্গ বা অনেক আইটেম থাকে, সেগুলির জন্য উল্লেখযোগ্য প্রসেসিং পাওয়ারের প্রয়োজন হতে পারে। ডিভাইসে এই কন্টেন্ট প্রসেস করলে সার্ভারের উপর চাপ কমে যায় এবং পরিষেবা দেওয়ার খরচও কমে যায়, একই সাথে ব্যবহারকারীর ডেটা ব্যক্তিগত রাখা যায়।

গুরুত্বপূর্ণ ক্ষমতা

GenAI Summarization API-তে নিম্নলিখিত ক্ষমতাগুলি অন্তর্ভুক্ত:

• নিবন্ধ বা কথোপকথন হিসেবে শ্রেণীবদ্ধ করা টেক্সটের সারসংক্ষেপ করুন।
• আউটপুট সারসংক্ষেপ এক, দুই বা তিনটি বুলেট পয়েন্টে দেখান।

শুরু করুন

মনে রাখবেন: এই API-এর জন্য Android API লেভেল ২৬ বা তার পরবর্তী যেকোনও ভার্সন প্রয়োজন।

আপনার build.gradle কনফিগারেশনে ML Kit সারসংক্ষেপ API-কে ডিপেন্ডেন্সি হিসেবে যোগ করুন।

implementation("com.google.mlkit:genai-summarization:1.0.0-beta1")

এরপরে, আপনার প্রোজেক্টে কোড প্রয়োগ করুন:

1. Summarizer অবজেক্ট তৈরি করুন।
2. ডাউনলোড করা যায় এমন ফিচার ডাউনলোড করুন।
3. সারসংক্ষেপের অনুরোধ তৈরি করুন।
4. ইনফারেন্স রান করে ফলাফল ফিরিয়ে আনুন।

Kotlin

val articleToSummarize = "Announcing a set of on-device GenAI APIs..."

// Define task with required input type, output type, and language
val summarizerOptions = SummarizerOptions.builder(context)
    .setInputType(InputType.ARTICLE)
    .setOutputType(OutputType.ONE_BULLET)
    .setLanguage(Language.ENGLISH)
    .build()
val summarizer = Summarization.getClient(summarizerOptions)

suspend fun prepareAndStartSummarization() {
    // Check feature availability. Status will be one of the following:
    // UNAVAILABLE, DOWNLOADABLE, DOWNLOADING, AVAILABLE
    val featureStatus = summarizer.checkFeatureStatus().await()

    if (featureStatus == FeatureStatus.DOWNLOADABLE) {
        // Download feature if necessary. If downloadFeature is not called,
        // the first inference request will also trigger the feature to be
        // downloaded if it's not already downloaded.
        summarizer.downloadFeature(object : DownloadCallback {
            override fun onDownloadStarted(bytesToDownload: Long) { }

            override fun onDownloadFailed(e: GenAiException) { }

            override fun onDownloadProgress(totalBytesDownloaded: Long) {}

            override fun onDownloadCompleted() {
                startSummarizationRequest(articleToSummarize, summarizer)
            }
        })
    } else if (featureStatus == FeatureStatus.DOWNLOADING) {
        // Inference request will automatically run once feature is
        // downloaded. If Gemini Nano is already downloaded on the device,
        // the feature-specific LoRA adapter model will be downloaded
        // quickly. However, if Gemini Nano is not already downloaded, the
        // download process may take longer.
        startSummarizationRequest(articleToSummarize, summarizer)
    } else if (featureStatus == FeatureStatus.AVAILABLE) {
        startSummarizationRequest(articleToSummarize, summarizer)
    }
}

fun startSummarizationRequest(text: String, summarizer: Summarizer) {
    // Create task request
    val summarizationRequest = SummarizationRequest.builder(text).build()

    // Start summarization request with streaming response
    summarizer.runInference(summarizationRequest) { newText ->
        // Show new text in UI
    }

    // You can also get a non-streaming response from the request
    // val summarizationResult = summarizer.runInference(
    //     summarizationRequest).get().summary
}

// Be sure to release the resource when no longer needed
// For example, on viewModel.onCleared() or activity.onDestroy()
summarizer.close()

Java

String articleToSummarize = "Announcing: a set of on-device GenAI AI APIs.";

// Define task with required input type, output type, and language
SummarizerOptions summarizerOptions = 
    SummarizerOptions.builder(context)
        .setInputType(SummarizerOptions.InputType.ARTICLE)
        .setOutputType(SummarizerOptions.OutputType.ONE_BULLET)
        .setLanguage(SummarizerOptions.Language.ENGLISH)
        .build();
Summarizer summarizer = Summarization.getClient(summarizerOptions);

void prepareAndStartSummarization()
        throws ExecutionException, InterruptedException {
    // Check feature availability. Status will be one of the following:
    // UNAVAILABLE, DOWNLOADABLE, DOWNLOADING, AVAILABLE
    try {
        int featureStatus = summarizer.checkFeatureStatus().get();
        if (featureStatus == FeatureStatus.DOWNLOADABLE) {
            // Download feature if necessary.
            // If downloadFeature is not called, the first inference request
            // will also trigger the feature to be downloaded if it's not
            // already downloaded.
            summarizer.downloadFeature(new DownloadCallback() {
                @Override
                public void onDownloadCompleted() {
                    startSummarizationRequest(articleToSummarize, summarizer);
                }

                @Override
                public void onDownloadFailed(GenAiException e) { /* handle error */ }

                @Override
                public void onDownloadProgress(long totalBytesDownloaded) {}

                @Override
                public void onDownloadStarted(long bytesDownloaded) {}
            });
        } else if (featureStatus == FeatureStatus.DOWNLOADING) {
            // Inference request will automatically run once feature is
            // downloaded. If Gemini Nano is already downloaded on the
            // device, the feature-specific LoRA adapter model will be
            // downloaded quickly. However, if Gemini Nano is not already
            // downloaded, the download process may take longer.
            startSummarizationRequest(articleToSummarize, summarizer);
        } else if (featureStatus == FeatureStatus.AVAILABLE) {
            startSummarizationRequest(articleToSummarize, summarizer);
        }
    } catch (ExecutionException | InterruptedException e) {
        e.printStackTrace();
    }
}

void startSummarizationRequest(String text, Summarizer summarizer) {
    // Create task request
    SummarizationRequest summarizationRequest =
        SummarizationRequest.builder(text).build();

    // Start summarization request with streaming response
    summarizer.runInference(summarizationRequest, newText -> {
        // Show new text in UI
    });

    // You can also get a non-streaming response from the request
    // ListenableFuture<SummarizationResult> summarizationResult
    //         = summarizer.runInference(summarizationRequest);
    // String summary = summarizationResult.get().getSummary();
}

// Be sure to release the resource when no longer needed
// For example, on viewModel.onCleared() or activity.onDestroy()
summarizer.close();

মডেল কীভাবে বিভিন্ন ধরনের ইনপুট ম্যানেজ করে

টেক্সট ইনপুট InputType.CONVERSATION হিসেবে নির্দিষ্ট করা থাকলে, মডেল নিচের ফর্ম্যাটে ইনপুট আশা করে:

<name>: <message>
<name2>: <message2>
<name>: <message3>
<name3>: <message4>

এর ফলে মডেলটি কথোপকথন ও ইন্টার‍্যাকশন আরও ভালোভাবে বুঝে আরও নিখুঁত সারসংক্ষেপ তৈরি করতে পারে।

কাজ করে এমন ফিচার ও সীমাবদ্ধতা

ইনপুট অবশ্যই ৪০০০ টোকেনের (বা প্রায় ৩০০০ ইংরেজি শব্দ) কম হতে হবে। ইনপুট ৪০০০ টোকেন পেরিয়ে গেলে, এইসব বিকল্প বিবেচনা করুন:

• প্রথম ৪০০০ টোকেনের সারসংক্ষেপকে অগ্রাধিকার দিন। পরীক্ষা করে দেখা গেছে যে এর ফলে সাধারণত দীর্ঘ ইনপুটের ক্ষেত্রে ভালো ফলাফল পাওয়া যায়। setLongInputAutoTruncationEnabled কল করে অটোমেটিক ট্রানকেশন চালু করার কথা বিবেচনা করুন, যাতে অতিরিক্ত ইনপুট অটোমেটিক ট্রানকেট করা যায়।
• ইনপুটকে ৪০০০ টোকেনের গ্রুপে ভাগ করো এবং সেগুলির আলাদা আলাদা সারসংক্ষেপ লেখো।
• আরও বেশি ইনপুট ডেটা প্রসেস করার জন্য উপযুক্ত ক্লাউড সলিউশন ব্যবহার করার কথা বিবেচনা করুন।

InputType.ARTICLE-এর জন্য, ইনপুট অবশ্যই ৪০০ অক্ষরের বেশি হতে হবে, সাথে নিবন্ধটি অন্তত ৩০০ শব্দের হলে মডেলটি সবচেয়ে ভাল পারফর্ম করে।

GenAI সামারাইজেশন API ইংরেজি, জাপানি ও কোরিয়ান ভাষায় কাজ করে এবং এটি SummarizerOptions.Language-এ উল্লেখ করা আছে।

নির্দিষ্ট ফিচার কনফিগারেশনের (যা SummarizerOptions দ্বারা নির্দিষ্ট করা হয়েছে) উপলভ্যতা নির্দিষ্ট ডিভাইসের কনফিগারেশন এবং ডিভাইসে ডাউনলোড করা মডেলের উপর নির্ভর করে আলাদা হতে পারে।

ডেভেলপারদের জন্য সবচেয়ে নির্ভরযোগ্য উপায় হল, অনুরোধ করা SummarizerOptions সহ ডিভাইসে কাঙ্ক্ষিত API ফিচার কাজ করে কিনা তা নিশ্চিত করতে checkFeatureStatus() মেথড কল করা। এই পদ্ধতি রানটাইমে ডিভাইসে ফিচারের উপলভ্যতা সম্পর্কে নিশ্চিত তথ্য প্রদান করে।

মনে রাখবেন: বিভিন্ন ধরনের ডিভাইসে হার্ডওয়্যারের ভেরিয়েশন থাকলে, Gemini Nano বেস মডেলের ভার্সনে পার্থক্য হতে পারে এবং এর ফলে ML Kit GenAI API-এর আউটপুটেও পার্থক্য হতে পারে। পার্থক্য কমাতে LoRA অ্যাডাপ্টার প্রয়োগ করা হয়।

সেট-আপ সংক্রান্ত সাধারণ সমস্যা

মনে রাখবেন: আনলক করা বুটলোডার আছে এমন ডিভাইসে এই API কাজ করে না।

Gemini Nano অ্যাক্সেস করার জন্য ML Kit GenAI API, Android AICore অ্যাপের উপর নির্ভর করে। কোনও ডিভাইস সেট-আপ (রিসেট সহ) করা হলে অথবা AICore অ্যাপ রিসেট (যেমন, ডেটা মুছে দেওয়া, আনইনস্টল করে আবার ইনস্টল করা) করা হলে, AICore অ্যাপের কাছে ইনিশিয়ালাইজেশন (সার্ভার থেকে লেটেস্ট কনফিগারেশন ডাউনলোড করা সহ) সম্পূর্ণ করার জন্য পর্যাপ্ত সময় নাও থাকতে পারে। এর ফলে, ML Kit GenAI API প্রত্যাশা অনুযায়ী কাজ নাও করতে পারে। সেট-আপ করার সময় আপনি যেসব সাধারণ সমস্যার মেসেজ দেখতে পেতে পারেন এবং সেগুলি কীভাবে সমাধান করবেন তা এখানে দেওয়া হল:

সমস্যার মেসেজের উদাহরণ	কীভাবে ম্যানেজ করবেন
AICore-এ সমস্যা হয়েছে, সমস্যার ধরন 4-CONNECTION_ERROR এবং সমস্যার কোড 601-BINDING_FAILURE: AICore পরিষেবা বাইন্ড করতে পারেনি।	ডিভাইস সেট-আপ করার সাথে সাথেই ML Kit GenAI API ব্যবহার করে অ্যাপ ইনস্টল করলে অথবা আপনার অ্যাপ ইনস্টল করার পরে AICore আনইনস্টল করলে এটি হতে পারে। AICore অ্যাপ আপডেট করে আপনার অ্যাপ আবার ইনস্টল করলে এই সমস্যার সমাধান হয়ে যাবে।
AICore-এ সমস্যা হয়েছে, সমস্যার ধরন 3-PREPARATION_ERROR এবং সমস্যার কোড 606-FEATURE_NOT_FOUND: ফিচার ... উপলভ্য নেই।	AICore লেটেস্ট কনফিগারেশন ডাউনলোড করা সম্পূর্ণ না করলে এটি হতে পারে। ডিভাইস ইন্টারনেটের সাথে কানেক্ট করা থাকলে, আপডেট হতে সাধারণত কয়েক মিনিট থেকে কয়েক ঘণ্টা সময় লাগে। ডিভাইস রিস্টার্ট করলে আপডেট করার প্রসেস দ্রুত হতে পারে। মনে রাখবেন, ডিভাইসের বুটলোডার আনলক করা থাকলে, আপনি এই সমস্যাটি দেখতে পাবেন—এই API আনলক করা বুটলোডার সহ ডিভাইসগুলিতে কাজ করে না।
AICore-এ সমস্যা হয়েছে, সমস্যার ধরন 1-DOWNLOAD_ERROR এবং সমস্যার কোড 0-UNKNOWN: ফিচার ... ব্যর্থ হয়েছে, ব্যর্থতার স্ট্যাটাস 0 এবং সমস্যার esz: UNAVAILABLE: হোস্ট ... সমাধান করা যায়নি	নেটওয়ার্ক কানেকশন চালু রাখুন, কয়েক মিনিট অপেক্ষা করে আবার চেষ্টা করুন।

মনে রাখবেন: বিভিন্ন ধরনের রিসেট করা ডেভেলপারদের ক্ষেত্রে সাধারণ ব্যাপার হলেও, ব্যবহারকারীদের ক্ষেত্রে এটি অনেক কম ঘন ঘন ঘটে। এছাড়াও, সেট-আপ সংক্রান্ত ব্যর্থতার এই সমস্ত ঘটনা checkFeatureStatus() বা checkStatus() API-এর মাধ্যমে ধরা যেতে পারে। কোনও সম্পর্কিত UI দেখানোর আগে checkFeatureStatus() বা checkStatus() কল করতে ভুলবেন না, যাতে আপনার অ্যাপ ব্যবহারকারীরা কোনও ক্ষেত্রেই এই সমস্যাগুলি দেখতে না পান।

নমুনা কোড

• ML Kit GenAI Samples