Intégrer des classificateurs audio

La classification audio est un cas d'utilisation courant du machine learning pour classer les types de sons. Par exemple, elle peut identifier les espèces d'oiseaux grâce à leurs chants.

L'API Task Library AudioClassifier peut être utilisée pour déployer vos classificateurs audio personnalisés ou préentraînés dans votre application mobile.

Principales fonctionnalités de l'API AudioClassifier

  • Traitement audio d'entrée, par exemple conversion de l'encodage PCM 16 bits en encodage PCM Float et manipulation du tampon de boucle audio.

  • Paramètres régionaux de la carte des libellés.

  • Prise en charge du modèle de classification multi-têtes.

  • Compatible avec la classification à étiquette unique et multi-étiquette.

  • Seuil de score permettant de filtrer les résultats.

  • Résultats de classification top-k.

  • Listes d'autorisation et de blocage de libellés.

Modèles de classification audio compatibles

Les modèles suivants sont garantis d'être compatibles avec l'API AudioClassifier.

Exécuter une inférence en Java

Consultez l'application de référence sur la classification audio pour obtenir un exemple d'utilisation de AudioClassifier dans une application Android.

Étape 1 : Importer la dépendance Gradle et d'autres paramètres

Copiez le fichier de modèle .tflite dans le répertoire des éléments du module Android dans lequel le modèle sera exécuté. Spécifiez que le fichier ne doit pas être compressé et ajoutez la bibliothèque TensorFlow Lite au fichier build.gradle du module :

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'
}

Étape 2 : Utiliser le modèle

// 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);

Consultez le code source et le Javadoc pour découvrir d'autres options de configuration de AudioClassifier.

Exécuter l'inférence dans iOS

Étape 1 : Installez les dépendances

La bibliothèque de tâches est compatible avec l'installation à l'aide de CocoaPods. Assurez-vous que CocoaPods est installé sur votre système. Pour obtenir des instructions, consultez le guide d'installation de CocoaPods.

Pour savoir comment ajouter des pods à un projet Xcode, consultez le guide CocoaPods.

Ajoutez le pod TensorFlowLiteTaskAudio dans le fichier Podfile.

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

Assurez-vous que le modèle .tflite que vous utiliserez pour l'inférence est présent dans votre package d'application.

Étape 2 : Utiliser le modèle

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];

        });
    }
}];

Pour découvrir d'autres options de configuration de TFLAudioClassifier, consultez le code source.

Exécuter l'inférence en Python

Étape 1 : Installez le package pip

pip install tflite-support
  • Linux : exécutez sudo apt-get update && apt-get install libportaudio2
  • Mac et Windows : PortAudio est installé automatiquement lors de l'installation du package pip tflite-support.

Étape 2 : Utiliser le modèle

# 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)

Pour découvrir d'autres options de configuration de AudioClassifier, consultez le code source.

Exécuter une inférence en C++

// 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();

Pour découvrir d'autres options de configuration de AudioClassifier, consultez le code source.

Exigences de compatibilité des modèles

L'API AudioClassifier attend un modèle TFLite avec des métadonnées de modèle TFLite obligatoires. Consultez des exemples de création de métadonnées pour les classificateurs audio à l'aide de l'API TensorFlow Lite Metadata Writer.

Les modèles de classification audio compatibles doivent répondre aux exigences suivantes :

  • Tensor audio d'entrée (kTfLiteFloat32)

    • clip audio de taille [batch x samples].
    • L'inférence par lots n'est pas acceptée (batch doit être défini sur 1).
    • Pour les modèles multicanaux, les canaux doivent être entrelacés.
  • Tenseur de score de sortie (kTfLiteFloat32)

    • Le tableau [1 x N] avec N représente le numéro de classe.
    • Cartes de libellés facultatives (mais recommandées) en tant que fichiers associés de type TENSOR_AXIS_LABELS, contenant un libellé par ligne. Le premier AssociatedFile de ce type (le cas échéant) est utilisé pour remplir le champ label (nommé class_name en C++). Le champ display_name est rempli à partir du champ AssociatedFile (le cas échéant) dont le paramètre régional correspond au champ display_names_locale du AudioClassifierOptions utilisé au moment de la création ("en" par défaut, c'est-à-dire l'anglais). Si aucune de ces informations n'est disponible, seul le champ index des résultats sera renseigné.