tranminh.triet
New member
[TIẾNG VIỆT]:
Giao diện đàm thoại đang ngày càng trở nên phổ biến như một cách để người dùng tương tác với phần mềm và dịch vụ.Họ cung cấp một cách tự nhiên và trò chuyện hơn để giao tiếp, và chúng có thể được sử dụng để xây dựng các ứng dụng mạnh mẽ và hấp dẫn.
Trong hướng dẫn này, bạn sẽ học cách xây dựng giao diện đàm thoại bằng Amazon Lex, một dịch vụ giúp dễ dàng xây dựng và triển khai các ứng dụng AI trò chuyện.Bạn sẽ bắt đầu bằng cách tạo một bot LEX mới, và sau đó bạn sẽ thêm ý định và cách nói để xác định hành vi của bot.Bạn cũng sẽ học cách sử dụng các khe để nắm bắt thông tin từ người dùng và cách trả lời người dùng bằng văn bản, lời nói hoặc cả hai.
Đến cuối hướng dẫn này, bạn sẽ có một giao diện đàm thoại hoạt động mà bạn có thể sử dụng để tương tác với các ứng dụng của riêng mình.
## Điều kiện tiên quyết
Để làm theo hướng dẫn này, bạn sẽ cần những điều sau:
* Tài khoản Amazon Web Services (AWS)
* AWS CLI được cài đặt trên máy tính của bạn
* SDK AWS cho Python được cài đặt trên máy tính của bạn
## Bắt đầu
Để bắt đầu, bạn sẽ cần tạo một bot lex mới.Bạn có thể làm điều này bằng cách làm theo các bước trong tài liệu [Amazon Lex] (Getting Started with Amazon Lex - Amazon Lex V1).
Khi bạn đã tạo một bot mới, bạn sẽ cần thêm ý định và cách nói để xác định hành vi của bot.Mục đích là mục tiêu của người dùng và cách nói là một cách thể hiện mục tiêu đó.Ví dụ: bạn có thể có một ý định gọi là "pizza đặt hàng" với các cách nói như "Tôi muốn đặt một chiếc bánh pizza" và "Bạn có thể đặt cho tôi một chiếc bánh pizza không?"
Để thêm một ý định và cách nói, bạn có thể sử dụng AWS CLI hoặc SDK AWS cho Python.Dưới đây là một ví dụ về cách thêm ý định và cách nói bằng cách sử dụng AWS CLI:
`` `
AWS LEX-Models Creat-Intent-tên OrderPizza-Mô tả "Đặt một chiếc bánh pizza"
AWS LEX-Models-Put-Wor-ingerances-intentent-name orderpizza-exterances "Tôi muốn đặt một chiếc bánh pizza", "Bạn có thể đặt cho tôi một chiếc bánh pizza không?"
`` `
## Sử dụng các khe
Các khe được sử dụng để nắm bắt thông tin từ người dùng.Ví dụ: nếu bạn có ý định gọi là "đặt hàng pizza", bạn có thể muốn chụp kích thước pizza, toppings và địa chỉ phân phối của người dùng.Bạn có thể làm điều này bằng cách sử dụng các khe.
Để thêm một vị trí vào một ý định, bạn có thể sử dụng AWS CLI hoặc SDK AWS cho Python.Dưới đây là một ví dụ về cách thêm một khe vào một ý định bằng cách sử dụng AWS CLI:
`` `
AWS LEX-Models tạo ra kiểu slot-tên pizzaSize-mô tả "kích thước của pizza"
AWS LEX-Models Thêm SLOT-TO-CONTENT-INTERENT-NAME ORDERPIZZA-SLOT-NAME PIZZASIZE
`` `
Khi bạn đã thêm một vị trí vào một ý định, bạn có thể sử dụng nó để nắm bắt thông tin từ người dùng.Ví dụ: bạn có thể hỏi người dùng pizza kích thước họ muốn bằng cách nói:
`` `
Bạn muốn pizza cỡ nào?
`` `
Sau đó, người dùng có thể trả lời bằng cách nói "lớn" hoặc "trung bình".Sau đó, bạn có thể sử dụng giá trị khe để xác định kích thước của pizza để đặt hàng.
## Trả lời người dùng
Khi bạn đã thu được thông tin từ người dùng, bạn cần trả lời họ.Bạn có thể làm điều này bằng cách sử dụng văn bản, lời nói hoặc cả hai.
Để trả lời người dùng bằng văn bản, bạn có thể sử dụng phương thức `Trả lời_with_text ()`.Phương thức này lấy một chuỗi làm đối số và nó sẽ gửi chuỗi đó trở lại cho người dùng.Ví dụ: bạn có thể sử dụng mã sau để trả lời người dùng đã yêu cầu một chiếc bánh pizza lớn:
`` `
Trả lời = lex.respones_with_text ("Tôi đã đặt một chiếc bánh pizza lớn cho bạn. Nó sẽ được gửi đến địa chỉ của bạn trong 30 phút.")
`` `
Để trả lời người dùng bằng cách sử dụng bài phát biểu, bạn có thể sử dụng phương thức `Trả lời_with_speech ()`.Phương thức này lấy một chuỗi làm đối số và nó sẽ tổng hợp chuỗi đó thành lời nói và phát lại cho người dùng.Ví dụ: bạn có thể sử dụng mã sau để trả lời người dùng đã yêu cầu một chiếc bánh pizza lớn:
[ENGLISH]:
Conversational interfaces are becoming increasingly popular as a way for users to interact with software and services. They offer a more natural and conversational way to communicate, and they can be used to build powerful and engaging applications.
In this tutorial, you'll learn how to build a conversational interface using Amazon Lex, a service that makes it easy to build and deploy conversational AI applications. You'll start by creating a new Lex bot, and then you'll add intents and utterances to define the bot's behavior. You'll also learn how to use slots to capture information from users, and how to respond to users with text, speech, or both.
By the end of this tutorial, you'll have a working conversational interface that you can use to interact with your own applications.
## Prerequisites
To follow this tutorial, you'll need the following:
* An Amazon Web Services (AWS) account
* The AWS CLI installed on your computer
* The AWS SDK for Python installed on your computer
## Getting Started
To get started, you'll need to create a new Lex bot. You can do this by following the steps in the [Amazon Lex documentation](https://docs.aws.amazon.com/lex/latest/dg/getting-started.html).
Once you've created a new bot, you'll need to add intents and utterances to define the bot's behavior. An intent is a user's goal, and an utterance is a way of expressing that goal. For example, you might have an intent called "Order Pizza" with utterances like "I want to order a pizza" and "Can you order me a pizza?"
To add an intent and utterances, you can use the AWS CLI or the AWS SDK for Python. Here's an example of how to add an intent and utterances using the AWS CLI:
```
aws lex-models create-intent --name OrderPizza --description "Order a pizza"
aws lex-models put-utterances --intent-name OrderPizza --utterances "I want to order a pizza", "Can you order me a pizza?"
```
## Using Slots
Slots are used to capture information from users. For example, if you have an intent called "Order Pizza", you might want to capture the user's pizza size, toppings, and delivery address. You can do this by using slots.
To add a slot to an intent, you can use the AWS CLI or the AWS SDK for Python. Here's an example of how to add a slot to an intent using the AWS CLI:
```
aws lex-models create-slot-type --name PizzaSize --description "The size of the pizza"
aws lex-models add-slot-to-intent --intent-name OrderPizza --slot-name PizzaSize
```
Once you've added a slot to an intent, you can use it to capture information from users. For example, you could ask the user what size pizza they want by saying:
```
What size pizza would you like?
```
The user could then respond by saying "large" or "medium". You could then use the slot value to determine the size of the pizza to order.
## Responding to Users
Once you've captured information from users, you need to respond to them. You can do this by using text, speech, or both.
To respond to users using text, you can use the `respond_with_text()` method. This method takes a string as an argument, and it will send that string back to the user. For example, you could use the following code to respond to a user who asked for a large pizza:
```
response = lex.respond_with_text("I've ordered a large pizza for you. It will be delivered to your address in 30 minutes.")
```
To respond to users using speech, you can use the `respond_with_speech()` method. This method takes a string as an argument, and it will synthesize that string into speech and play it back to the user. For example, you could use the following code to respond to a user who asked for a large pizza:
Giao diện đàm thoại đang ngày càng trở nên phổ biến như một cách để người dùng tương tác với phần mềm và dịch vụ.Họ cung cấp một cách tự nhiên và trò chuyện hơn để giao tiếp, và chúng có thể được sử dụng để xây dựng các ứng dụng mạnh mẽ và hấp dẫn.
Trong hướng dẫn này, bạn sẽ học cách xây dựng giao diện đàm thoại bằng Amazon Lex, một dịch vụ giúp dễ dàng xây dựng và triển khai các ứng dụng AI trò chuyện.Bạn sẽ bắt đầu bằng cách tạo một bot LEX mới, và sau đó bạn sẽ thêm ý định và cách nói để xác định hành vi của bot.Bạn cũng sẽ học cách sử dụng các khe để nắm bắt thông tin từ người dùng và cách trả lời người dùng bằng văn bản, lời nói hoặc cả hai.
Đến cuối hướng dẫn này, bạn sẽ có một giao diện đàm thoại hoạt động mà bạn có thể sử dụng để tương tác với các ứng dụng của riêng mình.
## Điều kiện tiên quyết
Để làm theo hướng dẫn này, bạn sẽ cần những điều sau:
* Tài khoản Amazon Web Services (AWS)
* AWS CLI được cài đặt trên máy tính của bạn
* SDK AWS cho Python được cài đặt trên máy tính của bạn
## Bắt đầu
Để bắt đầu, bạn sẽ cần tạo một bot lex mới.Bạn có thể làm điều này bằng cách làm theo các bước trong tài liệu [Amazon Lex] (Getting Started with Amazon Lex - Amazon Lex V1).
Khi bạn đã tạo một bot mới, bạn sẽ cần thêm ý định và cách nói để xác định hành vi của bot.Mục đích là mục tiêu của người dùng và cách nói là một cách thể hiện mục tiêu đó.Ví dụ: bạn có thể có một ý định gọi là "pizza đặt hàng" với các cách nói như "Tôi muốn đặt một chiếc bánh pizza" và "Bạn có thể đặt cho tôi một chiếc bánh pizza không?"
Để thêm một ý định và cách nói, bạn có thể sử dụng AWS CLI hoặc SDK AWS cho Python.Dưới đây là một ví dụ về cách thêm ý định và cách nói bằng cách sử dụng AWS CLI:
`` `
AWS LEX-Models Creat-Intent-tên OrderPizza-Mô tả "Đặt một chiếc bánh pizza"
AWS LEX-Models-Put-Wor-ingerances-intentent-name orderpizza-exterances "Tôi muốn đặt một chiếc bánh pizza", "Bạn có thể đặt cho tôi một chiếc bánh pizza không?"
`` `
## Sử dụng các khe
Các khe được sử dụng để nắm bắt thông tin từ người dùng.Ví dụ: nếu bạn có ý định gọi là "đặt hàng pizza", bạn có thể muốn chụp kích thước pizza, toppings và địa chỉ phân phối của người dùng.Bạn có thể làm điều này bằng cách sử dụng các khe.
Để thêm một vị trí vào một ý định, bạn có thể sử dụng AWS CLI hoặc SDK AWS cho Python.Dưới đây là một ví dụ về cách thêm một khe vào một ý định bằng cách sử dụng AWS CLI:
`` `
AWS LEX-Models tạo ra kiểu slot-tên pizzaSize-mô tả "kích thước của pizza"
AWS LEX-Models Thêm SLOT-TO-CONTENT-INTERENT-NAME ORDERPIZZA-SLOT-NAME PIZZASIZE
`` `
Khi bạn đã thêm một vị trí vào một ý định, bạn có thể sử dụng nó để nắm bắt thông tin từ người dùng.Ví dụ: bạn có thể hỏi người dùng pizza kích thước họ muốn bằng cách nói:
`` `
Bạn muốn pizza cỡ nào?
`` `
Sau đó, người dùng có thể trả lời bằng cách nói "lớn" hoặc "trung bình".Sau đó, bạn có thể sử dụng giá trị khe để xác định kích thước của pizza để đặt hàng.
## Trả lời người dùng
Khi bạn đã thu được thông tin từ người dùng, bạn cần trả lời họ.Bạn có thể làm điều này bằng cách sử dụng văn bản, lời nói hoặc cả hai.
Để trả lời người dùng bằng văn bản, bạn có thể sử dụng phương thức `Trả lời_with_text ()`.Phương thức này lấy một chuỗi làm đối số và nó sẽ gửi chuỗi đó trở lại cho người dùng.Ví dụ: bạn có thể sử dụng mã sau để trả lời người dùng đã yêu cầu một chiếc bánh pizza lớn:
`` `
Trả lời = lex.respones_with_text ("Tôi đã đặt một chiếc bánh pizza lớn cho bạn. Nó sẽ được gửi đến địa chỉ của bạn trong 30 phút.")
`` `
Để trả lời người dùng bằng cách sử dụng bài phát biểu, bạn có thể sử dụng phương thức `Trả lời_with_speech ()`.Phương thức này lấy một chuỗi làm đối số và nó sẽ tổng hợp chuỗi đó thành lời nói và phát lại cho người dùng.Ví dụ: bạn có thể sử dụng mã sau để trả lời người dùng đã yêu cầu một chiếc bánh pizza lớn:
[ENGLISH]:
Conversational interfaces are becoming increasingly popular as a way for users to interact with software and services. They offer a more natural and conversational way to communicate, and they can be used to build powerful and engaging applications.
In this tutorial, you'll learn how to build a conversational interface using Amazon Lex, a service that makes it easy to build and deploy conversational AI applications. You'll start by creating a new Lex bot, and then you'll add intents and utterances to define the bot's behavior. You'll also learn how to use slots to capture information from users, and how to respond to users with text, speech, or both.
By the end of this tutorial, you'll have a working conversational interface that you can use to interact with your own applications.
## Prerequisites
To follow this tutorial, you'll need the following:
* An Amazon Web Services (AWS) account
* The AWS CLI installed on your computer
* The AWS SDK for Python installed on your computer
## Getting Started
To get started, you'll need to create a new Lex bot. You can do this by following the steps in the [Amazon Lex documentation](https://docs.aws.amazon.com/lex/latest/dg/getting-started.html).
Once you've created a new bot, you'll need to add intents and utterances to define the bot's behavior. An intent is a user's goal, and an utterance is a way of expressing that goal. For example, you might have an intent called "Order Pizza" with utterances like "I want to order a pizza" and "Can you order me a pizza?"
To add an intent and utterances, you can use the AWS CLI or the AWS SDK for Python. Here's an example of how to add an intent and utterances using the AWS CLI:
```
aws lex-models create-intent --name OrderPizza --description "Order a pizza"
aws lex-models put-utterances --intent-name OrderPizza --utterances "I want to order a pizza", "Can you order me a pizza?"
```
## Using Slots
Slots are used to capture information from users. For example, if you have an intent called "Order Pizza", you might want to capture the user's pizza size, toppings, and delivery address. You can do this by using slots.
To add a slot to an intent, you can use the AWS CLI or the AWS SDK for Python. Here's an example of how to add a slot to an intent using the AWS CLI:
```
aws lex-models create-slot-type --name PizzaSize --description "The size of the pizza"
aws lex-models add-slot-to-intent --intent-name OrderPizza --slot-name PizzaSize
```
Once you've added a slot to an intent, you can use it to capture information from users. For example, you could ask the user what size pizza they want by saying:
```
What size pizza would you like?
```
The user could then respond by saying "large" or "medium". You could then use the slot value to determine the size of the pizza to order.
## Responding to Users
Once you've captured information from users, you need to respond to them. You can do this by using text, speech, or both.
To respond to users using text, you can use the `respond_with_text()` method. This method takes a string as an argument, and it will send that string back to the user. For example, you could use the following code to respond to a user who asked for a large pizza:
```
response = lex.respond_with_text("I've ordered a large pizza for you. It will be delivered to your address in 30 minutes.")
```
To respond to users using speech, you can use the `respond_with_speech()` method. This method takes a string as an argument, and it will synthesize that string into speech and play it back to the user. For example, you could use the following code to respond to a user who asked for a large pizza:
