A classificação de áudio é um caso de uso comum do aprendizado de máquina para classificar os tipos de som. Por exemplo, ele pode identificar as espécies de pássaros pelos cantos.
A API Task Library AudioClassifier pode ser usada para implantar classificadores de áudio personalizados ou pré-treinados no seu app para dispositivos móveis.
Principais recursos da API AudioClassifier
Processamento de áudio de entrada, por exemplo, conversão de codificação PCM de 16 bits para PCM Float e manipulação do buffer de toque de áudio.
Localidade do mapa de rótulos.
Suporte ao modelo de classificação multihead.
Compatível com classificação de rótulo único e vários rótulos.
Limite de pontuação para filtrar resultados.
Os principais resultados da classificação k.
Lista de permissões e de bloqueio de rótulos.
Modelos de classificação de áudio compatíveis
Os modelos a seguir têm garantia de compatibilidade com a API AudioClassifier.
Modelos criados pelo TensorFlow Lite Model Maker para classificação de áudio.
Os modelos pré-treinados de classificação de eventos de áudio no TensorFlow Hub.
Modelos personalizados que atendem aos requisitos de compatibilidade de modelo.
Executar inferência em Java
Consulte o app de referência de classificação de áudio para conferir um exemplo de uso de AudioClassifier em um app Android.
Etapa 1: importar a dependência do Gradle e outras configurações
Copie o arquivo de modelo .tflite para o diretório de recursos do módulo Android
em que o modelo será executado. Especifique que o arquivo não deve ser compactado e
adicione a biblioteca do TensorFlow Lite ao arquivo build.gradle do módulo:
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'
}
Etapa 2: usar o modelo
// 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);
Consulte o código-fonte e o
javadoc
para mais opções de configuração do AudioClassifier.
Executar inferência no iOS
Etapa 1: instalar as dependências
A biblioteca de tarefas oferece suporte à instalação usando o CocoaPods. Verifique se o CocoaPods está instalado no seu sistema. Consulte o guia de instalação do CocoaPods para instruções.
Consulte o guia do CocoaPods (em inglês) para saber como adicionar pods a um projeto do Xcode.
Adicione o pod TensorFlowLiteTaskAudio ao Podfile.
target 'MyAppWithTaskAPI' do
use_frameworks!
pod 'TensorFlowLiteTaskAudio'
end
Verifique se o modelo .tflite que você vai usar para inferência está presente no pacote do app.
Etapa 2: usar o modelo
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];
});
}
}];
Consulte o código-fonte para mais opções de configuração do TFLAudioClassifier.
Executar inferência em Python
Etapa 1: instalar o pacote pip
pip install tflite-support
- Linux: execute
sudo apt-get update && apt-get install libportaudio2 - Mac e Windows: o PortAudio é instalado automaticamente ao instalar o pacote pip
tflite-support.
Etapa 2: usar o modelo
# 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)
Consulte o código-fonte para mais opções de configuração do AudioClassifier.
Executar inferência em 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();
Consulte o código-fonte para mais opções de configuração do AudioClassifier.
Requisitos de compatibilidade de modelo
A API AudioClassifier espera um modelo do TFLite com metadados do modelo do TFLite obrigatórios. Confira exemplos de como criar
metadados para classificadores de áudio usando a API TensorFlow Lite Metadata Writer.
Os modelos de classificação de áudio compatíveis precisam atender aos seguintes requisitos:
Tensor de áudio de entrada (kTfLiteFloat32)
- clipe de áudio de tamanho
[batch x samples]. - A inferência em lote não é compatível (
batchprecisa ser 1). - Para modelos multicanal, os canais precisam ser intercalados.
- clipe de áudio de tamanho
Tensor de pontuação de saída (kTfLiteFloat32)
- A matriz
[1 x N]comNrepresenta o número da classe. - mapas de rótulos opcionais (mas recomendados) como AssociatedFile-s com o tipo TENSOR_AXIS_LABELS, contendo um rótulo por linha. O primeiro AssociatedFile (se houver) é usado para preencher o campo
label(chamado declass_nameem C++) dos resultados. O campodisplay_nameé preenchido com o AssociatedFile (se houver) cuja localidade corresponde ao campodisplay_names_localedoAudioClassifierOptionsusado no momento da criação ("en" por padrão, ou seja, inglês). Se nenhum deles estiver disponível, apenas o campoindexdos resultados será preenchido.
- A matriz