整合音訊分類器

音訊分類是機器學習的常見用途，可分類聲音類型。例如，這項功能可以根據鳥類的叫聲辨識品種。

您可以使用 Task Library AudioClassifier API，將自訂或預先訓練的音訊分類器部署到行動應用程式中。

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 Float 編碼，以及操控音訊環形緩衝區。
標記地圖語言區域。
支援多頭分類模型。
支援單一標籤和多標籤分類。
篩選結果的分數門檻。
前 k 項分類結果。
標籤許可清單和拒絕清單。

支援的音訊分類器模型

下列機型保證與 AudioClassifier API 相容。

TensorFlow Lite Model Maker for Audio Classification 建立的模型。
TensorFlow Hub 上的預先訓練音訊事件分類模型。
符合模型相容性規定的自訂模型。

在 Java 中執行推論作業

如需在 Android 應用程式中使用 AudioClassifier 的範例，請參閱「音訊分類參考應用程式」。

步驟 1：匯入 Gradle 依附元件和其他設定

將 .tflite 模型檔案複製到要執行模型的 Android 模組資產目錄。指定檔案不應壓縮，並將 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);

如要瞭解設定 AudioClassifier 的其他選項，請參閱原始碼和 Javadoc。

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 安裝。請確認系統已安裝 CocoaPods。如需操作說明，請參閱 CocoaPods 安裝指南。

如要瞭解如何將 Pod 新增至 Xcode 專案，請參閱 CocoaPods 指南。

在 Podfile 中新增 TensorFlowLiteTaskAudio pod。

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

確認您將用於推論的 .tflite 模型位於應用程式套件中。

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];

        });
    }
}];

如要進一步瞭解如何設定 TFLAudioClassifier，請參閱原始碼。

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：安裝 tflite-support pip 套件時，系統會自動安裝 PortAudio。

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)

如要進一步瞭解如何設定 AudioClassifier，請參閱原始碼。

以 C++ 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();

如要進一步瞭解如何設定 AudioClassifier，請參閱原始碼。

模型相容性規定

AudioClassifier API 預期會收到包含必要 TFLite 模型中繼資料的 TFLite 模型。請參閱使用 TensorFlow Lite Metadata Writer API 為音訊分類器建立中繼資料的範例。

相容的音訊分類器模型應符合下列需求：

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 必須為 1)。
- 如果是多管道模型，管道必須交錯。
輸出分數張量 (kTfLiteFloat32)
- [1 x N] 陣列，其中 N 代表類別編號。
- 選用 (但建議使用) 標籤對應檔，以 AssociatedFile 形式提供，類型為 TENSOR_AXIS_LABELS，每行包含一個標籤。系統會使用第一個這類 AssociatedFile (如有) 填入結果的 label 欄位 (在 C++ 中命名為 class_name)。系統會從與建立時 AudioClassifierOptions 的 display_names_locale 欄位 (預設為「en」，即英文) 相符的 AssociatedFile 填入 display_name 欄位 (如有)。如果沒有任何可用的項目，系統只會填入結果的 index 欄位。