Хтось знає конкретні відмінності та особливості серед трьох, або якщо хтось має більше можливостей / більш гнучкий для використання як розробник?

wit.ai Dialogflow luis.aivs vs

╔══════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════╗
║                                      wit.ai vs api.ai(Dialogflow) vs luis.ai                                                 ║
╠══════╦════════════════════════════════════╦═════════════════════════════════════════════╦════════════════════════════════════╣
║ S.No ║               Wit.ai               ║          Api.ai(Dialogflow)                 ║               Luis.ai              ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 1    ║ Wit.ai API is completely free      ║ Api.ai Has a paid enterprise option         ║ LUIS is in beta and free to use    ║
║      ║ with no limitations on             ║ which allows for this to be run on a        ║ 10K transactions per month         ║
║      ║ request rates.                     ║ private cloud internally and more           ║ and up to 5 requests per second    ║
║      ║                                    ║ from their services team., After google     ║ for each account.                  ║
║      ║                                    ║ acquisition they are providing free         ║                                    ║
║      ║                                    ║ services by integrating google cloud        ║                                    ║
║      ║                                    ║ services.                                   ║                                    ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 2    ║ Provides a nice combination        ║ Speech to Text and Text to Speech           ║ LUIS uses machine learning         ║
║      ║ of both voice recognition and      ║ capabilities, along with machine            ║ based methods to analyze           ║
║      ║ machine learning for developers.   ║ learning.                                   ║ sentences. To perform machine      ║
║      ║                                    ║                                             ║ learning, LUIS breaks an           ║
║      ║                                    ║                                             ║ utterance into "tokens".           ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 3    ║ Has two main elements to it        ║ Support of Intents, Entities, actions       ║ Supports Intents, Entities         ║
║      ║ that you set up within your        ║ and one key focus area is its “Domains”.    ║ and actions.                       ║
║      ║ app – intents and entities.        ║                                             ║                                    ║
║      ║ Actions are separated to           ║                                             ║                                    ║
║      ║ use as a combined operations.      ║                                             ║                                    ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 4    ║ Has pre-build entities like        ║ Has pre-build entities like @sys.date,      ║ Has pre-build entities             ║
║      ║ temperature, number, URLs,         ║ @sys.color, @sys.unit-currency… etc.        ║ builtin.intent.alarm,              ║
║      ║ emails, duration… etc.             ║                                             ║ builtin.intent.calendar,           ║
║      ║                                    ║                                             ║ builtin.intent.email… etc.         ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 5    ║ Doesn’t have integration module    ║ Has integration module to connect           ║ Has integration to Microsoft       ║
║      ║ to directly communicating with     ║ directly to Facebook messenger and          ║ Azure and other services, can be   ║
║      ║ Facebook messenger or other        ║ other messenger api’s. Has support for      ║ deployable in any supported        ║
║      ║ messenger APIs. but has web        ║ deploying in to heroku server, enterprise   ║ servers.                           ║
║      ║ service api to hook services.      ║ paid environment.                           ║                                    ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 6    ║ Early in 2015, joined Facebook     ║ Created by a team who built personal        ║ LUIS was introduced together with  ║
║      ║ and opened up the entire platform  ║ assistant app for major mobile platforms    ║ Microsoft Bot Framework and Skype  ║
║      ║ to be free for both public and     ║ with speech and text enabled conversations. ║ Developer Platform which can be    ║
║      ║ private instances.                 ║ acquired by google (sept 2016).             ║ used to create Skype Bots.         ║
╠══════╬════════════════════════════════════╬═════════════════════════════════════════════╬════════════════════════════════════╣
║ 7    ║ Wit.ai API for developers of iOS,  ║ Api.ai has SDKs for Android, iOS,           ║ LUIS allow building applications   ║
║      ║ Android, Node.js, Raspberry Pi,    ║ the Apple Watch, Node.js, Cordova,          ║ by using the LUIS web interface.   ║
║      ║ Ruby, Python, C, Rust and          ║ Unity, C#, Xamarin, Windows Phone,          ║ No coding needed other than the    ║
║      ║ Windows Phone. It even             ║ Python and JavaScript. It also can be       ║ ability to interpret and use the   ║
║      ║ has a JavaScript plugin for        ║ integrated with Amazon’s Echo and           ║ returned JSON in application.      ║
║      ║ front end developers.              ║ Microsoft’s Cortana.                        ║ It is also possible to use the     ║
║      ║                                    ║                                             ║ LUIS REST API for                  ║
║      ║                                    ║                                             ║ automation of applications.        ║
╚══════╩════════════════════════════════════╩═════════════════════════════════════════════╩════════════════════════════════════╝

Оновлення: API.AI тепер є Dialogflow. Дізнайтеся більше тут.

Цей блог містить дуже хороший аналіз та порівняння служб Luis, Wit.ai, Api.ai, Amazon Alexa та IBM Watson. У ньому також є приємна довідка про те, чому спочатку ви хочете створити розмовного бота, та деякі проблеми, які з цим виникають. Це написано людьми, які стоять за YumiBot (ботом, який дає вам котирування цін на розробку додатків).

Загальна суть полягає в тому, що Wit.ai і Luis - чудовий вибір, якщо ви експериментуєте і просто хочете щось дістати безкоштовно. Api.ai має чудовий сервіс та зручність користування, але не є безкоштовним. Те ж саме з IBM Watson , останній цінується більше на корпоративні роботи. API Alexa чудовий, але працює лише з Alexa (але враховуючи те, що вони мають величезну базу користувачів, це не погана справа).

Їх порада також не надто покладатися на одного постачальника:

Ми рекомендуємо вам структуровано зберігати всі дані, необхідні для вашої моделі, у власному сховищі коду. Тож згодом ви зможете перекваліфікувати модель з нуля, або навіть змінити постачальника мови, якщо це буде потрібно. Ви просто не хочете потрапляти в ситуацію, коли компанія вимикає свою службу, а ви абсолютно не готові. Пам'ятаєш Парсе?

Сподіваюся, це трохи допомогло! Я думаю, що найкращий спосіб зробити вибір - просто спробувати ці послуги. Враховуючи, що багато з них все ще важко розробляються та додаються функції / змінюються моделі ціноутворення, вам слід спробувати підійти до них із конкретним варіантом використання та подивитися, який із них може вас привести туди, де вам потрібно найшвидше.

Нещодавно ми опублікували оціночне дослідження семи служб з підтримкою API NLU : API.ai, Amazon Lex, Microsoft LUIS, IBM Watson Conversation, wit.ai, Recast.ai та Snips.ai.

Короткий підсумок наших висновків:

• Виявлення намірів IBM Watson є найкращим, особливо на менших наборах навчальних даних (хоча при навчанні на понад 2000 зразках різниця не відрізняється).
• API.AI безкоштовний, продуктивність на досить великому навчальному наборі відповідає IBM Watson та Microsoft LUIS.
• Microsoft LUIS працює значно швидше, ніж інші в наших тестах. wit.ai має дещо гіршу продуктивність і час відгуку, ніж три вищезазначені, але він безкоштовний і забезпечує найкраще мовне покриття (близько 50 мов).
• Amazon Lex має досить суворі обмеження API (розмір навчального набору обмежений 200 тис. Символів, що може бути недостатнім для досягнення хорошої якості виявлення намірів для мультиінтегентного асистента; також він вимагає, щоб усі висловлювання тренувань були марковані сутностями, що ускладнювало підготовка набору даних.

Одним із аспектів цього питання є наскільки ефективні ці інструменти для розуміння природної мови. У нещодавньому еталоні, який ми (Snips, французька компанія з штучного інтелекту) щойно опублікували, ми протестували вбудовані механізми природних мов Alexa (Amazon), SiriKit (Apple), Luis (Microsoft) та API.ai (Google).

Ми перевірили їх здатність розуміти природні запитання, такі як «Знайди мені салат-бар, до якого я можу сходити на обідню зустріч», «Замовити таксі на 6 осіб», а також 326 інших запитів.

Загальний висновок полягає в тому, що всі рішення недосконалі.

Точніше, усі вони мають однакові рівні шуму у своїх реакціях (від 60% до 90% точності), але існують значні відмінності в широті мови, яку вони можуть підтримувати. З цієї точки зору, Луїс працює найгірше: з кожного тестованого нами випадку використання він розумів менше 14% запитів. API.ai працює краще, хоча і не надто надійно: він розуміє від 0 до 80% перевірених нами запитів, залежно від випадків використання. Найвищий рівень відкликання можна спостерігати для Alexa (42% та 82% відкликання) та Siri (61% відкликання).

Детальніше та вихідні дані, що лежать в основі цих результатів, можна знайти у нашому дописі в блозі « Бенчмаркинг систем розуміння природних мов»

Я збираюся відповісти на останню частину вашого питання щодо гнучкості та будучи розробником, IMO, нарешті, зводиться до того, що ви шукаєте на цих платформах.

Якщо ви розробник, який використовує NodeJS або .Net, LUIS.ai має розгалужену бібліотеку, чітко визначені фрагменти коду та приклад для досить швидкого створення гідного бота. Розпізнавання намірів та сутностей трохи нижче порівняно з Google, але якщо ви Microsoft Shop, існує багато інтеграцій в один клік до O365, Teams, Skype, cortana тощо. Мінуси для LUIS.ai - це їх служба дуже нестабільний, оскільки на момент написання статті їх веб-сайт LUIS.ai не працює, відкидаючи з'єднання, і вже більше тижня, коли інтеграція кортани не працює. Тож платформа все ще знаходиться в стадії розробки.

Api.ai, з чистого погляду NLU краще, ніж Luis.ai, наступні наміри дуже прості в налаштуванні, праймінг мови значно перевершує Luis.ai (навіть після праймінгу мови). Мінуси, які я б сказав, - це підключення, а також API для побудови бота, дещо складніші, ніж створення чату на основі MSBot.

Ще однією платформою з відкритим кодом, яка набирає популярності, є RASA NLU. https://rasa.com/ . Порівняно розпізнавання сутності та рейтинг все ще трохи схематичні для великих наборів даних, але його відкриті джерела, і якщо ви хочете забруднити руки, ви можете розгалужити їхню платформу github та вдосконалити її.

З точки зору чистого розвитку, легше підняти чат-бота на платформі MS (використовуючи luis.ai або qnamaker.ai), але будьте готові мати проблеми, коли вони працюють над стабілізацією платформи.

-Картик

На мій погляд, Луїс більш надійний і може витягувати сутності різними мовами. Я тестував на api.ai, і голландська у мене не працювала. Якщо вам потрібна лише англійська, тоді будь-яка з них має бути добре, але якщо вам потрібно підтримати більше мов, тоді краще протестуйте ці мови, перш ніж застрягти в одному сервісі. Перетворення мови в текст - це нормально, але я думаю, що для отримання більш надійного рішення вам знадобиться ще одна послуга Microsoft, яка очищає голос і шум.

Я використовував DialogFlow, але перейшов на LUIS. Чому? тому що, коли ви викликаєте DetectIntent у DialogFlow, ви отримуєте JSON із вибраним наміром та рівнем його впевненості, але мені потрібно отримати список намірів із рівнем довіри кожного з них. Те саме відбувається з дотепністю ai та api.ai.

З іншого боку, LUIS надає вам список намірів як відповідь. Таким чином, я можу застосувати подальшу обробку на своєму боці.

Це приклад з LUIS, коли ви шукаєте "книжковий рейс до Каїру" (частина прикладу LUIS):

 {
   "query": "Book me a flight to Cairo",
   "topScoringIntent": {
       "intent": "BookFlight",
       "score": 0.9887482
   },
   "intents": [
       {
           "intent": "BookFlight",
           "score": 0.9887482
       },
       {
           "intent": "None",
           "score": 0.04272597
       },
       {
           "intent": "LocationFinder",
           "score": 0.0125702191
       },
       {
           "intent": "Reminder",
           "score": 0.00375502417
       },
       {
           "intent": "FoodOrder",
           "score": 3.765154E-07
       },
   ],
   "entities": [
       {
           "entity": "cairo",
           "type": "Location",
           "startIndex": 20,
           "endIndex": 24,
           "score": 0.956781447
       }
   ]
}

З іншого боку, користувальницький інтерфейс onfigure DialogFlow набагато потужніший за те, що ви отримуєте з LUIS.