整合音訊分類器

音訊分類是機器學習的常見用途 聲音類型。舉例來說，這項功能可以根據孩子的歌曲辨識鳥類品種，

工作程式庫 AudioClassifier API 可用於部署自訂音訊 在行動應用程式中導入分類器或預先訓練好的分類器

AudioClassifier API 的主要功能

  • 輸入音訊處理，例如將 PCM 16 位元編碼轉換為 PCM 浮動編碼和音訊環緩衝區的操控。

  • 標籤對應語言代碼。

  • 支援多頭分類模型。

  • 支援單一標籤和多標籤分類。

  • 用來篩選結果的分數門檻。

  • 「前 K 個」分類結果。

  • 標籤許可清單和拒絕清單。

支援的音訊分類器模型

下列型號保證與 AudioClassifier 相容 也能使用 Google Cloud CLI 或 Compute Engine API

在 Java 中執行推論

詳情請參閱 音訊分類參考應用程式 範例：在 Android 應用程式中使用 AudioClassifier。

步驟 1：匯入 Gradle 依附元件和其他設定

將 .tflite 模型檔案複製到 Android 模組的資產目錄 以便訓練模型指定不要壓縮檔案，且 將 TensorFlow Lite 程式庫新增至模組的 build.gradle 檔案：

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'
}

步驟 2：使用模型

// 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);

詳情請參閱 原始碼和 javadoc 取得更多設定 AudioClassifier 的選項。

在 iOS 中執行推論

步驟 1：安裝依附元件

工作程式庫支援使用 CocoaPods 進行安裝。確認 CocoaPods 會在您的系統上安裝。詳情請參閱 CocoaPods 安裝指南 一文。

詳情請參閱 CocoaPods 指南 如何在 Xcode 專案中新增 Pod

在 Podfile 中新增 TensorFlowLiteTaskAudio Pod。

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

確認您要用於推論的 .tflite 模型出現在 您的應用程式套件。

步驟 2：使用模型

Swift

// 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)
        }
    }
}

Objective-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];

        });
    }
}];

詳情請參閱 原始碼 取得更多設定 TFLAudioClassifier 的選項。

在 Python 中執行推論

步驟 1：安裝 pip 套件

pip install tflite-support
  • Linux：執行 sudo apt-get update && apt-get install libportaudio2
  • Mac 和 Windows：系統會在安裝 tflite-support pip 套件。

步驟 2：使用模型

# 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)

詳情請參閱 原始碼 取得更多設定 AudioClassifier 的選項。

在 C++ 中執行推論

// 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();

詳情請參閱 原始碼 取得更多設定 AudioClassifier 的選項。

模型相容性需求

AudioClassifier API 預期的 TFLite 模型必須具有 TFLite 模型中繼資料。請參閱 建立音訊分類器的中繼資料 TensorFlow Lite Metadata Writer API。

相容的音訊分類器模型必須符合下列規定：

  • 輸入音訊張量 (kTfLiteFloat32)

    • 大小為 [batch x samples] 的音訊片段。
    • 不支援批次推論 (batch 須為 1)。
    • 如果是多管道模式，就必須交錯管道

  • 輸出分數張量 (kTfLiteFloat32)

    • 含有 N 的 [1 x N] 陣列代表類別編號。
    • 選用 (但建議使用) 將對應標籤對應為 AssociatedFile-s 和 type TENSOR_AXIS_LABELS，每行一個標籤。第一個這類 AssociatedFile (如有) 用於填入 label 欄位 (命名為 class_name) 的結果。已填入「display_name」欄位 語言關聯檔案 (如有)，其語言代碼符合 使用的 AudioClassifierOptions 的 display_names_locale 欄位 建立時間 (預設為「en」，例如英文)。如果這些都不是 可用，只有結果的 index 欄位會填入內容。