Интегрируйте аудиоклассификаторы

Классификация аудиосигналов — распространённый пример использования машинного обучения для классификации типов звуков. Например, оно может определять виды птиц по их пению.

API-интерфейс библиотеки задач AudioClassifier можно использовать для развертывания собственных или предварительно обученных аудиоклассификаторов в вашем мобильном приложении.

Основные возможности API AudioClassifier

  • Обработка входного аудиосигнала, например, преобразование 16-битной кодировки PCM в кодировку PCM Float и обработка кольцевого буфера аудиосигнала.

  • Метка карты местоположения.

  • Поддержка модели классификации Multi-head.

  • Поддержка как однокомпонентной, так и многокомпонентной классификации.

  • Пороговое значение для фильтрации результатов.

  • Результаты классификации Top-k.

  • Белый список и запрещенный список меток.

Поддерживаемые модели аудиоклассификаторов

Следующие модели гарантированно совместимы с API AudioClassifier .

Выполнение вывода на Java

Пример использования AudioClassifier в приложении для Android см. в справочном приложении Audio Classification .

Шаг 1: Импорт зависимости Gradle и других настроек

Скопируйте файл модели .tflite в каталог ресурсов модуля Android, где он будет запущен. Укажите, что файл не нужно сжимать, и добавьте библиотеку TensorFlow Lite в файл build.gradle модуля:

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'
}

Шаг 2: Использование модели

// 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);

Дополнительные параметры настройки AudioClassifier см. в исходном коде и javadoc .

Выполнить вывод в iOS

Шаг 1: Установка зависимостей

Библиотека задач поддерживает установку с помощью CocoaPods. Убедитесь, что CocoaPods установлен в вашей системе. Инструкции см. в руководстве по установке CocoaPods .

Подробную информацию о добавлении модулей в проект Xcode см. в руководстве CocoaPods .

Добавьте модуль TensorFlowLiteTaskAudio в файл Podfile.

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

Убедитесь, что модель .tflite , которую вы будете использовать для вывода, присутствует в вашем пакете приложения.

Шаг 2: Использование модели

Быстрый

// 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];

        });
    }
}];

Дополнительные параметры настройки TFLAudioClassifier см. в исходном коде .

Выполнить вывод на Python

Шаг 1: Установка пакета pip

pip install tflite-support
  • Linux: выполните команду sudo apt-get update && apt-get install libportaudio2
  • Mac и Windows: PortAudio устанавливается автоматически при установке pip-пакета tflite-support .

Шаг 2: Использование модели

# 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)

Дополнительные параметры настройки AudioClassifier см. в исходном коде .

Выполнить вывод в 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();

Дополнительные параметры настройки AudioClassifier см. в исходном коде .

Требования к совместимости моделей

API AudioClassifier ожидает модель TFLite с обязательными метаданными модели TFLite . См. примеры создания метаданных для аудиоклассификаторов с помощью API TensorFlow Lite Metadata Writer .

Совместимые модели аудиоклассификаторов должны соответствовать следующим требованиям:

  • Входной аудиотензор (kTfLiteFloat32)

    • аудиоклип размером [batch x samples] .
    • вывод партии не поддерживается ( batch должна быть равна 1).
    • для многоканальных моделей каналы необходимо чередовать.
  • Выходной тензор оценок (kTfLiteFloat32)

    • Массив [1 x N] , где N представляет номер класса.
    • Необязательные (но рекомендуемые) карты меток в виде AssociatedFile-ов с типом TENSOR_AXIS_LABELS, содержащие по одной метке на строку. Первый такой AssociatedFile (если есть) используется для заполнения поля label (в C++ именуемого как class_name ) результатов. Поле display_name заполняется из AssociatedFile (если есть), локаль которого совпадает с полем display_names_locale параметра AudioClassifierOptions используемого при создании (по умолчанию «en», т.е. английский). Если ни один из этих вариантов недоступен, будет заполнено только поле index результатов.