Vergleich zwischen luis.ai vs api.ai vs wit.ai?

Question

Kennt jemand die spezifischen Unterschiede und Funktionen unter den dreien, oder wenn man mehr Funktionen/mehr Flexibilität als Entwickler hat?

Answer 1

wit.aivsapi.aivsluis.ai

╔══════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════════╗ 
║             wit.ai vs api.ai vs luis.ai             ║ 
╠══════╦════════════════════════════════════╦═════════════════════════════════════════════╦════════════════════════════════════╣ 
║ S.No ║    Wit.ai    ║     Api.ai     ║    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.  ║ 
╚══════╩════════════════════════════════════╩═════════════════════════════════════════════╩════════════════════════════════════╝ 

Update: API.AI ist jetzt Dialogflow. Learn more here.

Answer 2

Diese blogpost hat eine wirklich gute Analyse und Vergleich von Luis, Wit.ai, API.ai, Amazon Alexa und IBM Watson Dienstleistungen. Es hat auch einen schönen Hintergrund darüber, warum Sie überhaupt einen Conversational Bot bauen möchten und welche Herausforderungen damit verbunden sind. Es wurde von den Leuten geschrieben, die hinter YumiBot stehen (ein Bot, der Ihnen Preisangebote für die App-Entwicklung gibt).

Der allgemeine Kern ist, dass Wit.ai und Luis sind große Auswahl, wenn Sie experimentieren und wollen einfach nur etwas umsonst zu bekommen. Api.ai hat einen großartigen Service und Benutzererfahrung, ist aber nicht kostenlos. Gleiches mit IBM Watson, letzterer veranschlagte mehr für Unternehmensarbeit. Alexa's API ist großartig, aber funktioniert nur mit Alexa (aber angesichts der Tatsache, dass sie eine große Benutzerbasis haben, ist kein schlechter Deal).

Ihr Rat ist auch nicht zu viel, sich auf einen Anbieter:

Wir empfehlen Ihnen, alle Daten für Ihr Modell in einer strukturierten Art und Weise benötigt speichern in Ihrem eigenen Code-Repository. Später können Sie das Modell von Grund auf neu trainieren oder bei Bedarf den Anbieter für Sprachkenntnisse ändern. Sie wollen einfach nicht in einer Situation sein, in der eine Firma ihren Service beendet und Sie völlig unvorbereitet sind. Erinnerst du dich an Parse?

Ich hoffe, das hat ein wenig geholfen! Ich denke, der beste Weg, eine Entscheidung zu treffen, ist, diese Dienste einfach auszuprobieren. Angesichts der Tatsache, dass viele von ihnen noch immer schwer in der Entwicklung sind und Features/Preismodelle hinzufügen, sollten Sie versuchen, sie mit einem bestimmten Anwendungsfall zu finden und zu sehen, welcher Sie dorthin bringt, wo Sie am schnellsten brauchen.

Answer 3

Ein Aspekt dieser Frage ist, wie effizient diese Werkzeuge sind, um die natürliche Sprache zu verstehen. In einem kürzlich veröffentlichten Benchmark, den wir (Snips, eine französische AI-Firma) gerade veröffentlicht haben, haben wir die integrierten Natural-Language-Engines von Alexa (Amazon), SiriKit (Apple), Luis (Microsoft) und API.ai (Google) getestet.

Wir testeten ihre Fähigkeit zu verstehen, natürliche Abfragen wie "Finde mir eine Salatbar, die ich für mein Mittagessen Treffen gehen kann", "Bestellen Sie ein Taxi für 6 Personen", sowie 326 andere Abfragen.

Die allgemeine Schlussfolgerung ist, dass alle Lösungen nicht perfekt sind.

Genauer gesagt, alle haben ähnliche Rauschpegel in ihren Antworten (zwischen 60% und 90% Genauigkeit), aber es gibt signifikante Unterschiede in der Breite der Sprache, die sie unterstützen können. Aus dieser Perspektive schneidet Luis am schlechtesten ab: In jedem von uns getesteten Anwendungsfall wurden weniger als 14% der Anfragen verstanden. API.ai funktioniert besser, wenn auch nicht sehr zuverlässig: Es versteht zwischen 0 und 80% der Abfragen, die wir getestet haben, abhängig von den Anwendungsfällen. Die höchsten Recall-Werte können für Alexa (42% und 82% Recall) und Siri (61% Recall) beobachtet werden.

Weitere Details und die Rohdaten hinter diesen Ergebnissen finden Sie in unserem Blog-Post zu finden, Benchmarking Natural Language Understanding Systems

Answer 4

Wir haben vor kurzem published an evaluation study of seven NLU API-enabled services: API.ai, Amazon Lex, Microsoft LUIS, IBM Watson Conversation, wit.ai, Recast.ai und Snips.ai.

Eine kurze Zusammenfassung unserer Ergebnisse:

• IBM Watson Absicht Erkennung ist die beste, vor allem auf kleineren Trainingsdatensätzen (obwohl, wenn mehr als 2000 Proben trainiert auf dem Unterschied nicht zu unterscheiden ist).
• API.AI ist kostenlos, die Leistung auf genügend großen Trainingssatz entspricht IBM Watson und Microsoft LUIS.
• Microsoft LUIS arbeitet wesentlich schneller als andere in unseren Tests. wit.ai hat etwas schlechtere Leistung und Reaktionszeit als die drei oben, aber es ist kostenlos und es bietet die beste Sprachabdeckung (etwa 50 Sprachen).
• Amazon Lex hat ziemlich strenge API-Grenzen (die Größe des Trainingssatzes ist auf 200K Symbole begrenzt, was möglicherweise nicht ausreicht, um eine gute Absichtserkennungsqualität für einen Multi-Intent-Assistenten zu erreichen; auch müssen alle Trainingsäußerungen von Entitäten gekennzeichnet sein) die, komplizierte Vorbereitung des Datensatzes.

Answer 5

meiner Meinung nach Luis robuster und Organisationen in verschiedenen Sprachen extrahieren kann. ich in api.ai getestet habe und dutch nicht für mich arbeiten. Wenn Sie brauchen Englisch nur dann sollte einer von ihnen in Ordnung sein, aber wenn Sie mehr Sprachen unterstützen müssen, dann testen Sie diese Sprachen auch besser, bevor Sie mit einem Dienst stecken bleiben. " Bing Rede zu Text ist ok bu Ich denke, um eine robustere Lösung zu erhalten, benötigen Sie einen anderen Microsoft-Dienst, der Sprache und Rauschen reinigt.