অডিও ক্লাসিফায়ার একত্রিত করুন

অডিও শ্রেণীবিন্যাস শব্দের প্রকারগুলিকে শ্রেণীবদ্ধ করার জন্য মেশিন লার্নিং-এর একটি সাধারণ ব্যবহার। উদাহরণস্বরূপ, এটি তাদের গানের মাধ্যমে পাখির প্রজাতি সনাক্ত করতে পারে।

টাস্ক লাইব্রেরি AudioClassifier এপিআই আপনার মোবাইল অ্যাপে আপনার কাস্টম অডিও ক্লাসিফায়ার বা পূর্বপ্রশিক্ষিতগুলি স্থাপন করতে ব্যবহার করা যেতে পারে।

AudioClassifier API-এর মূল বৈশিষ্ট্য

  • ইনপুট অডিও প্রক্রিয়াকরণ, যেমন PCM 16 বিট এনকোডিংকে PCM ফ্লোট এনকোডিং-এ রূপান্তর করা এবং অডিও রিং বাফারের ম্যানিপুলেশন।

  • মানচিত্র লোকেল লেবেল করুন।

  • মাল্টি-হেড ক্লাসিফিকেশন মডেলকে সমর্থন করে।

  • একক-লেবেল এবং মাল্টি-লেবেল উভয় শ্রেণিবিন্যাস সমর্থন করে।

  • ফলাফল ফিল্টার করতে স্কোর থ্রেশহোল্ড।

  • টপ-কে শ্রেণীবিভাগের ফলাফল।

  • লেবেল অনুমোদিত তালিকা এবং অস্বীকৃত।

সমর্থিত অডিও ক্লাসিফায়ার মডেল

নিম্নলিখিত মডেলগুলি AudioClassifier API-এর সাথে সামঞ্জস্যপূর্ণ হওয়ার গ্যারান্টিযুক্ত৷

জাভাতে অনুমান চালান

একটি Android অ্যাপে AudioClassifier ব্যবহার করে উদাহরণের জন্য অডিও ক্লাসিফিকেশন রেফারেন্স অ্যাপটি দেখুন।

ধাপ 1: Gradle নির্ভরতা এবং অন্যান্য সেটিংস আমদানি করুন

.tflite মডেল ফাইলটি Android মডিউলের সম্পদ ডিরেক্টরিতে অনুলিপি করুন যেখানে মডেলটি চালানো হবে৷ নির্দিষ্ট করুন যে ফাইলটি সংকুচিত করা উচিত নয়, এবং মডিউলের build.gradle ফাইলে TensorFlow Lite লাইব্রেরি যোগ করুন:

android {
    // Other settings

    // Specify that the tflite file should not be compressed when building the APK package.
    aaptOptions {
        noCompress "tflite"
    }
}

dependencies {
    // Other dependencies

    // Import the Audio Task Library dependency
    implementation 'org.tensorflow:tensorflow-lite-task-audio:0.4.4'
    // Import the GPU delegate plugin Library for GPU inference
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin:0.4.4'
}

ধাপ 2: মডেল ব্যবহার

// Initialization
AudioClassifierOptions options =
    AudioClassifierOptions.builder()
        .setBaseOptions(BaseOptions.builder().useGpu().build())
        .setMaxResults(1)
        .build();
AudioClassifier classifier =
    AudioClassifier.createFromFileAndOptions(context, modelFile, options);

// Start recording
AudioRecord record = classifier.createAudioRecord();
record.startRecording();

// Load latest audio samples
TensorAudio audioTensor = classifier.createInputTensorAudio();
audioTensor.load(record);

// Run inference
List<Classifications> results = audioClassifier.classify(audioTensor);

AudioClassifier কনফিগার করার জন্য আরও বিকল্পের জন্য সোর্স কোড এবং javadoc দেখুন।

iOS এ অনুমান চালান

ধাপ 1: নির্ভরতা ইনস্টল করুন

টাস্ক লাইব্রেরি CocoaPods ব্যবহার করে ইনস্টলেশন সমর্থন করে। আপনার সিস্টেমে CocoaPods ইনস্টল করা আছে তা নিশ্চিত করুন। নির্দেশাবলীর জন্য অনুগ্রহ করে CocoaPods ইনস্টলেশন গাইড দেখুন।

একটি Xcode প্রকল্পে পড যোগ করার বিষয়ে বিস্তারিত জানার জন্য অনুগ্রহ করে CocoaPods গাইড দেখুন।

Podfile এ TensorFlowLiteTaskAudio পড যোগ করুন।

target 'MyAppWithTaskAPI' do
  use_frameworks!
  pod 'TensorFlowLiteTaskAudio'
end

নিশ্চিত করুন যে আপনি অনুমানের জন্য যে .tflite মডেলটি ব্যবহার করবেন তা আপনার অ্যাপ বান্ডেলে উপস্থিত রয়েছে।

ধাপ 2: মডেল ব্যবহার

সুইফট

// Imports
import TensorFlowLiteTaskAudio
import AVFoundation

// Initialization
guard let modelPath = Bundle.main.path(forResource: "sound_classification",
                                            ofType: "tflite") else { return }

let options = AudioClassifierOptions(modelPath: modelPath)

// Configure any additional options:
// options.classificationOptions.maxResults = 3

let classifier = try AudioClassifier.classifier(options: options)

// Create Audio Tensor to hold the input audio samples which are to be classified.
// Created Audio Tensor has audio format matching the requirements of the audio classifier.
// For more details, please see:
// https://github.com/tensorflow/tflite-support/blob/master/tensorflow_lite_support/ios/task/audio/core/audio_tensor/sources/TFLAudioTensor.h
let audioTensor = classifier.createInputAudioTensor()

// Create Audio Record to record the incoming audio samples from the on-device microphone.
// Created Audio Record has audio format matching the requirements of the audio classifier.
// For more details, please see:
https://github.com/tensorflow/tflite-support/blob/master/tensorflow_lite_support/ios/task/audio/core/audio_record/sources/TFLAudioRecord.h
let audioRecord = try classifier.createAudioRecord()

// Request record permissions from AVAudioSession before invoking audioRecord.startRecording().
AVAudioSession.sharedInstance().requestRecordPermission { granted in
    if granted {
        DispatchQueue.main.async {
            // Start recording the incoming audio samples from the on-device microphone.
            try audioRecord.startRecording()

            // Load the samples currently held by the audio record buffer into the audio tensor.
            try audioTensor.load(audioRecord: audioRecord)

            // Run inference
            let classificationResult = try classifier.classify(audioTensor: audioTensor)
        }
    }
}

উদ্দেশ্য-C

// Imports
#import <TensorFlowLiteTaskAudio/TensorFlowLiteTaskAudio.h>
#import <AVFoundation/AVFoundation.h>

// Initialization
NSString *modelPath = [[NSBundle mainBundle] pathForResource:@"sound_classification" ofType:@"tflite"];

TFLAudioClassifierOptions *options =
    [[TFLAudioClassifierOptions alloc] initWithModelPath:modelPath];

// Configure any additional options:
// options.classificationOptions.maxResults = 3;

TFLAudioClassifier *classifier = [TFLAudioClassifier audioClassifierWithOptions:options
                                                                          error:nil];

// Create Audio Tensor to hold the input audio samples which are to be classified.
// Created Audio Tensor has audio format matching the requirements of the audio classifier.
// For more details, please see:
// https://github.com/tensorflow/tflite-support/blob/master/tensorflow_lite_support/ios/task/audio/core/audio_tensor/sources/TFLAudioTensor.h
TFLAudioTensor *audioTensor = [classifier createInputAudioTensor];

// Create Audio Record to record the incoming audio samples from the on-device microphone.
// Created Audio Record has audio format matching the requirements of the audio classifier.
// For more details, please see:
https://github.com/tensorflow/tflite-support/blob/master/tensorflow_lite_support/ios/task/audio/core/audio_record/sources/TFLAudioRecord.h
TFLAudioRecord *audioRecord = [classifier createAudioRecordWithError:nil];

// Request record permissions from AVAudioSession before invoking -[TFLAudioRecord startRecordingWithError:].
[[AVAudioSession sharedInstance] requestRecordPermission:^(BOOL granted) {
    if (granted) {
        dispatch_async(dispatch_get_main_queue(), ^{
            // Start recording the incoming audio samples from the on-device microphone.
            [audioRecord startRecordingWithError:nil];

            // Load the samples currently held by the audio record buffer into the audio tensor.
            [audioTensor loadAudioRecord:audioRecord withError:nil];

            // Run inference
            TFLClassificationResult *classificationResult =
                [classifier classifyWithAudioTensor:audioTensor error:nil];

        });
    }
}];

TFLAudioClassifier কনফিগার করার জন্য আরও বিকল্পের জন্য সোর্স কোড দেখুন।

পাইথনে অনুমান চালান

ধাপ 1: পিপ প্যাকেজ ইনস্টল করুন

pip install tflite-support
  • লিনাক্স: চালান sudo apt-get update && apt-get install libportaudio2
  • ম্যাক এবং উইন্ডোজ: tflite-support পিপ প্যাকেজ ইনস্টল করার সময় পোর্টঅডিও স্বয়ংক্রিয়ভাবে ইনস্টল হয়।

ধাপ 2: মডেল ব্যবহার

# Imports
from tflite_support.task import audio
from tflite_support.task import core
from tflite_support.task import processor

# Initialization
base_options = core.BaseOptions(file_name=model_path)
classification_options = processor.ClassificationOptions(max_results=2)
options = audio.AudioClassifierOptions(base_options=base_options, classification_options=classification_options)
classifier = audio.AudioClassifier.create_from_options(options)

# Alternatively, you can create an audio classifier in the following manner:
# classifier = audio.AudioClassifier.create_from_file(model_path)

# Run inference
audio_file = audio.TensorAudio.create_from_wav_file(audio_path, classifier.required_input_buffer_size)
audio_result = classifier.classify(audio_file)

AudioClassifier কনফিগার করার জন্য আরও বিকল্পের জন্য সোর্স কোড দেখুন।

C++ এ অনুমান চালান

// Initialization
AudioClassifierOptions options;
options.mutable_base_options()->mutable_model_file()->set_file_name(model_path);
std::unique_ptr<AudioClassifier> audio_classifier = AudioClassifier::CreateFromOptions(options).value();

// Create input audio buffer from your `audio_data` and `audio_format`.
// See more information here: tensorflow_lite_support/cc/task/audio/core/audio_buffer.h
int input_size = audio_classifier->GetRequiredInputBufferSize();
const std::unique_ptr<AudioBuffer> audio_buffer =
    AudioBuffer::Create(audio_data, input_size, audio_format).value();

// Run inference
const ClassificationResult result = audio_classifier->Classify(*audio_buffer).value();

AudioClassifier কনফিগার করার জন্য আরও বিকল্পের জন্য সোর্স কোড দেখুন।

মডেল সামঞ্জস্যের প্রয়োজনীয়তা

AudioClassifier API বাধ্যতামূলক TFLite মডেল মেটাডেটা সহ একটি TFLite মডেল আশা করে। TensorFlow Lite Metadata Writer API ব্যবহার করে অডিও ক্লাসিফায়ারের জন্য মেটাডেটা তৈরির উদাহরণ দেখুন।

সামঞ্জস্যপূর্ণ অডিও ক্লাসিফায়ার মডেলগুলির নিম্নলিখিত প্রয়োজনীয়তাগুলি পূরণ করা উচিত:

  • ইনপুট অডিও টেনসর (kTfLiteFloat32)

    • আকারের অডিও ক্লিপ [batch x samples]
    • ব্যাচ অনুমান সমর্থিত নয় ( batch 1 হতে হবে)।
    • মাল্টি-চ্যানেল মডেলের জন্য, চ্যানেলগুলিকে ইন্টারলিভ করা দরকার।
  • আউটপুট স্কোর টেনসর (kTfLiteFloat32)

    • N সহ [1 x N] অ্যারে শ্রেণী সংখ্যাকে উপস্থাপন করে।
    • ঐচ্ছিক (কিন্তু প্রস্তাবিত) লেবেল মানচিত্র(গুলি) AssociatedFile-s টাইপ TENSOR_AXIS_LABELS সহ, প্রতি লাইনে একটি লেবেল রয়েছে৷ ফলাফলের label ক্ষেত্র (C++ এ class_name হিসাবে নামকরণ করা হয়েছে) পূরণ করতে প্রথম যেমন AssociatedFile (যদি থাকে) ব্যবহার করা হয়। display_name ক্ষেত্রটি অ্যাসোসিয়েটেডফাইল (যদি থাকে) থেকে পূর্ণ হয় যার লোকেল তৈরির সময় ব্যবহৃত AudioClassifierOptions এর display_names_locale ক্ষেত্রের সাথে মেলে ("en" ডিফল্টরূপে, যেমন ইংরেজি)। এগুলোর কোনোটিই পাওয়া না গেলে, শুধুমাত্র ফলাফলের index ক্ষেত্রটি পূরণ করা হবে।