Integroni klasifikuesit audio

Klasifikimi i audios është një rast i zakonshëm i përdorimit të Machine Learning për të klasifikuar llojet e tingujve. Për shembull, mund të identifikojë speciet e shpendëve nga këngët e tyre.

Task Library AudioClassifier API mund të përdoret për të vendosur klasifikuesit tuaj të personalizuar të audios ose të paratrajnuar në aplikacionin tuaj celular.

Karakteristikat kryesore të API AudioClassifier

  • Përpunimi i audios në hyrje, p.sh. konvertimi i kodimit PCM 16 bit në kodimin PCM Float dhe manipulimi i buferit të unazës audio.

  • Vendndodhja e etiketës së hartës.

  • Mbështetja e modelit të klasifikimit me shumë kokë.

  • Mbështet klasifikimin si me një etiketë ashtu edhe me shumë etiketë.

  • Pragu i rezultatit për të filtruar rezultatet.

  • Rezultatet e klasifikimit Top-k.

  • Etiketoni listën e lejeve dhe refuzoni.

Modele të mbështetura të klasifikuesit audio

Modelet e mëposhtme janë të garantuara të jenë në përputhje me API- AudioClassifier .

Ekzekutoni konkluzionet në Java

Shikoni aplikacionin e referencës së Klasifikimit të audios për një shembull duke përdorur AudioClassifier në një aplikacion Android.

Hapi 1: Importoni varësinë Gradle dhe cilësime të tjera

Kopjoni skedarin e modelit .tflite në drejtorinë e aseteve të modulit Android ku do të ekzekutohet modeli. Specifikoni që skedari të mos jetë i ngjeshur dhe shtoni bibliotekën TensorFlow Lite në skedarin build.gradle të modulit:

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'
}

Hapi 2: Përdorimi i modelit

// 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);

Shikoni kodin burimor dhe javadoc për më shumë opsione për të konfiguruar AudioClassifier .

Ekzekutoni konkluzionet në iOS

Hapi 1: Instaloni varësitë

Biblioteka e detyrave mbështet instalimin duke përdorur CocoaPods. Sigurohuni që CocoaPods të jetë i instaluar në sistemin tuaj. Ju lutemi shikoni udhëzuesin e instalimit të CocoaPods për udhëzime.

Ju lutemi shikoni udhëzuesin CocoaPods për detaje mbi shtimin e pods në një projekt Xcode.

Shtoni podin TensorFlowLiteTaskAudio në Podfile.

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

Sigurohuni që modeli .tflite që do të përdorni për konkluzion është i pranishëm në paketën tuaj të aplikacionit.

Hapi 2: Përdorimi i modelit

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)
        }
    }
}

Objektivi-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];

        });
    }
}];

Shihni kodin burimor për më shumë opsione për të konfiguruar TFLAudioClassifier .

Ekzekutoni konkluzionet në Python

Hapi 1: Instaloni paketën pip

pip install tflite-support
  • Linux: Ekzekutoni sudo apt-get update && apt-get install libportaudio2
  • Mac dhe Windows: PortAudio instalohet automatikisht kur instaloni paketën pip tflite-support .

Hapi 2: Përdorimi i modelit

# 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)

Shikoni kodin burimor për më shumë opsione për të konfiguruar AudioClassifier .

Ekzekutoni konkluzionet në 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();

Shikoni kodin burimor për më shumë opsione për të konfiguruar AudioClassifier .

Kërkesat e përputhshmërisë së modelit

AudioClassifier API pret një model TFLite me Metadata të detyrueshme të Modelit TFLite . Shihni shembuj të krijimit të meta të dhënave për klasifikuesit audio duke përdorur API-në e shkrimtarit metadata TensorFlow Lite .

Modelet e përputhshme të klasifikuesit audio duhet të plotësojnë kërkesat e mëposhtme:

  • Tenzori i hyrjes së audios (kTfLiteFloat32)

    • klip audio me madhësi [batch x samples] .
    • konkluzioni i grupit nuk mbështetet (kërkohet që batch të jetë 1).
    • për modelet me shumë kanale, kanalet duhet të ndërlidhen.
  • Tensor i rezultatit në dalje (kTfLiteFloat32)

    • Vargu [1 x N] me N përfaqëson numrin e klasës.
    • Hartat e etiketës opsionale (por të rekomanduara) si AssociatedFile-s me llojin TENSOR_AXIS_LABELS, që përmbajnë një etiketë për rresht. I pari i tillë AssociatedFile (nëse ka) përdoret për të mbushur fushën label (e emërtuar si class_name në C++) të rezultateve. Fusha display_name plotësohet nga AssociatedFile (nëse ka) vendndodhja e së cilës përputhet me fushën display_names_localeAudioClassifierOptions të përdorura në kohën e krijimit ("en" si parazgjedhje, p.sh. anglisht). Nëse asnjëra nga këto nuk është e disponueshme, do të plotësohet vetëm fusha e index të rezultateve.