ऑडियो की कैटगरी तय करने वाले एल्गोरिदम को इंटिग्रेट करें

मशीन लर्निंग का इस्तेमाल, ऑडियो की कैटगरी तय करने के लिए किया जाता है. इससे अलग-अलग तरह के ऑडियो की कैटगरी तय की जाती है. उदाहरण के लिए, यह पक्षियों की आवाज़ से उनकी प्रजातियों की पहचान कर सकता है.

Task Library AudioClassifier API का इस्तेमाल, अपने कस्टम ऑडियो क्लासिफ़ायर या पहले से ट्रेन किए गए क्लासिफ़ायर को अपने मोबाइल ऐप्लिकेशन में डिप्लॉय करने के लिए किया जा सकता है.

AudioClassifier API की मुख्य सुविधाएं

  • इनपुट ऑडियो प्रोसेसिंग, जैसे कि पीसीएम 16 बिट एन्कोडिंग को पीसीएम फ़्लोट एन्कोडिंग में बदलना और ऑडियो रिंग बफ़र में बदलाव करना.

  • मैप के लिए स्थान-भाषा का लेबल.

  • मल्टी-हेड क्लासिफ़िकेशन मॉडल के साथ काम करता है.

  • यह सिंगल-लेबल और मल्टी-लेबल, दोनों तरह के क्लासिफ़िकेशन के साथ काम करता है.

  • नतीजों को फ़िल्टर करने के लिए स्कोर थ्रेशोल्ड.

  • टॉप-k क्लासिफ़िकेशन के नतीजे.

  • लेबल को अनुमति वाली सूची और ब्लॉकलिस्ट में जोड़ना.

ऑडियो क्लासिफ़ायर के लिए काम करने वाले मॉडल

इन मॉडल में AudioClassifier API का इस्तेमाल किया जा सकता है.

Java में अनुमान लगाने की सुविधा इस्तेमाल करना

Android ऐप्लिकेशन में AudioClassifier का इस्तेमाल करने का उदाहरण देखने के लिए, ऑडियो क्लासिफ़िकेशन का रेफ़रंस ऐप्लिकेशन देखें.

पहला चरण: Gradle डिपेंडेंसी और अन्य सेटिंग इंपोर्ट करना

.tflite मॉडल फ़ाइल को Android मॉड्यूल की ऐसेट डायरेक्ट्री में कॉपी करें. मॉडल को इसी डायरेक्ट्री में चलाया जाएगा. यह तय करें कि फ़ाइल को कंप्रेस नहीं किया जाना चाहिए. साथ ही, मॉड्यूल की build.gradle फ़ाइल में TensorFlow Lite लाइब्रेरी जोड़ें:

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'
}

दूसरा चरण: मॉडल का इस्तेमाल करना

// 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 को कॉन्फ़िगर करने के ज़्यादा विकल्पों के लिए, सोर्स कोड और javadoc देखें.

iOS में अनुमान लगाने की सुविधा का इस्तेमाल करना

पहला चरण: डिपेंडेंसी इंस्टॉल करना

टास्क लाइब्रेरी को CocoaPods का इस्तेमाल करके इंस्टॉल किया जा सकता है. पक्का करें कि आपके सिस्टम पर CocoaPods इंस्टॉल हो. निर्देशों के लिए, कृपया CocoaPods इंस्टॉल करने से जुड़ी गाइड देखें.

Xcode प्रोजेक्ट में पॉड जोड़ने के बारे में जानकारी पाने के लिए, कृपया CocoaPods गाइड देखें.

Podfile में TensorFlowLiteTaskAudio पॉड जोड़ें.

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

पक्का करें कि अनुमान लगाने के लिए इस्तेमाल किया जाने वाला .tflite मॉडल, आपके ऐप्लिकेशन बंडल में मौजूद हो.

दूसरा चरण: मॉडल का इस्तेमाल करना

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];

        });
    }
}];

TFLAudioClassifier को कॉन्फ़िगर करने के ज़्यादा विकल्पों के लिए, सोर्स कोड देखें.

Python में अनुमान लगाने की सुविधा का इस्तेमाल करना

पहला चरण: pip पैकेज इंस्टॉल करना

pip install tflite-support
  • Linux: sudo apt-get update && apt-get install libportaudio2 चलाएं
  • Mac और Windows: tflite-support pip पैकेज इंस्टॉल करते समय, PortAudio अपने-आप इंस्टॉल हो जाता है.

दूसरा चरण: मॉडल का इस्तेमाल करना

# 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 को कॉन्फ़िगर करने के ज़्यादा विकल्पों के लिए, सोर्स कोड देखें.

C++ में अनुमान चलाने की सुविधा

// 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 को कॉन्फ़िगर करने के ज़्यादा विकल्पों के लिए, सोर्स कोड देखें.

मॉडल के साथ काम करने से जुड़ी ज़रूरी शर्तें

AudioClassifier एपीआई को TFLite मॉडल मेटाडेटा के साथ TFLite मॉडल की ज़रूरत होती है. TensorFlow Lite Metadata Writer API का इस्तेमाल करके, ऑडियो क्लासिफ़ायर के लिए मेटाडेटा बनाने के उदाहरण देखें.

ऑडियो क्लासिफ़ायर के साथ काम करने वाले मॉडल को ये ज़रूरी शर्तें पूरी करनी चाहिए:

  • ऑडियो इनपुट करने के लिए इस्तेमाल किया जाने वाला टेंसर (kTfLiteFloat32)

    • [batch x samples] साइज़ की ऑडियो क्लिप.
    • बैच इन्फ़रेंस की सुविधा काम नहीं करती (batch की वैल्यू 1 होनी चाहिए).
    • मल्टी-चैनल मॉडल के लिए, चैनलों को इंटरलीव करना ज़रूरी है.
  • आउटपुट स्कोर टेंसर (kTfLiteFloat32)

    • [1 x N] ऐरे में N क्लास नंबर दिखाता है.
    • ज़रूरी नहीं है, लेकिन सुझाए गए लेबल मैप, AssociatedFile-s के तौर पर दिए जाते हैं. इनका टाइप TENSOR_AXIS_LABELS होता है. इनमें हर लाइन में एक लेबल होता है. इस तरह की पहली AssociatedFile (अगर कोई है) का इस्तेमाल, नतीजों के label फ़ील्ड को भरने के लिए किया जाता है. इस फ़ील्ड का नाम C++ में class_name है. display_name फ़ील्ड में, AssociatedFile से वैल्यू भरी जाती है. अगर कोई AssociatedFile मौजूद है, तो उसकी जगह की जानकारी, AudioClassifierOptions के display_names_locale फ़ील्ड से मैच होनी चाहिए. AudioClassifierOptions का इस्तेमाल, कॉन्फ़िगरेशन बनाते समय किया गया था. डिफ़ॉल्ट रूप से, इसकी वैल्यू "en" यानी अंग्रेज़ी होती है. अगर इनमें से कोई भी जानकारी उपलब्ध नहीं है, तो नतीजों के सिर्फ़ index फ़ील्ड में जानकारी भरी जाएगी.