การแยกประเภทเสียงเป็นกรณีการใช้งานทั่วไปของแมชชีนเลิร์นนิงในการแยกประเภท ประเภทเสียง ตัวอย่างเช่น สามารถระบุชนิดของนกได้จากเสียงเพลง
คุณสามารถใช้ API ของไลบรารีงาน AudioClassifier
เพื่อทำให้เสียงที่กำหนดเองใช้งานได้
ตัวแยกประเภทหรือตัวแยกประเภทที่ฝึกไว้แล้วล่วงหน้าลงในแอปบนอุปกรณ์เคลื่อนที่ของคุณ
ฟีเจอร์สำคัญของ AudioClassifier API
การประมวลผลอินพุตเสียง เช่น การแปลงการเข้ารหัส PCM 16 บิตเป็น PCM การเข้ารหัสแบบลอยและการปรับแต่งบัฟเฟอร์ริงเสียง
ติดป้ายกำกับภาษาบนแผนที่
รองรับโมเดลการจัดประเภทแบบหลายส่วนหัว
รองรับการจัดประเภททั้งแบบป้ายกำกับเดียวและหลายป้ายกำกับ
เกณฑ์คะแนนเพื่อกรองผลลัพธ์
ผลลัพธ์การจัดประเภทที่สำคัญ
ติดป้ายกำกับรายการที่อนุญาตและรายการที่ปฏิเสธ
รุ่นของเครื่องมือแยกประเภทเสียงที่รองรับ
รุ่นต่อไปนี้ได้รับการรับประกันว่าใช้งานร่วมกับ AudioClassifier
ได้
API
โมเดลที่สร้างโดย TensorFlow Lite Model Maker สำหรับการจัดประเภทเสียง
โมเดลการจัดประเภทเหตุการณ์เสียงที่ฝึกไว้แล้วบน TensorFlow Hub
โมเดลที่กำหนดเองซึ่งเป็นไปตาม ข้อกำหนดความเข้ากันได้กับโมเดล
เรียกใช้การอนุมานใน Java
โปรดดู
แอปอ้างอิงการจัดประเภทเสียง
ตัวอย่างโดยใช้ AudioClassifier
ในแอป Android
ขั้นตอนที่ 1: นำเข้าการอ้างอิง Gradle และการตั้งค่าอื่นๆ
คัดลอกไฟล์โมเดล .tflite
ไปยังไดเรกทอรี Asset ของโมดูล Android
ตำแหน่งที่โมเดลจะทำงาน ระบุว่าไม่ควรบีบอัดไฟล์ และ
เพิ่มไลบรารี TensorFlow Lite ลงในไฟล์ build.gradle
ของโมดูลด้วยคำสั่งต่อไปนี้
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'
}
ขั้นตอนที่ 2: การใช้โมเดล
// 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);
โปรดดู
ซอร์สโค้ดและ javadoc
เพื่อดูตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
เรียกใช้การอนุมานใน iOS
ขั้นตอนที่ 1: ติดตั้งทรัพยากร Dependency
ไลบรารีงานรองรับการติดตั้งโดยใช้ CocoaPods ตรวจสอบว่า CocoaPods ติดตั้งอยู่ในระบบของคุณ โปรดดู คู่มือการติดตั้ง CocoaPods สำหรับคำแนะนำ
โปรดดู คู่มือ CocoaPods สำหรับ รายละเอียดการเพิ่มพ็อดลงในโปรเจ็กต์ Xcode
เพิ่มพ็อด TensorFlowLiteTaskAudio
ใน Podfile
target 'MyAppWithTaskAPI' do
use_frameworks!
pod 'TensorFlowLiteTaskAudio'
end
ตรวจสอบว่าโมเดล .tflite
ที่คุณจะใช้สำหรับการอนุมานมีอยู่ใน
App Bundle ของคุณ
ขั้นตอนที่ 2: การใช้โมเดล
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];
});
}
}];
โปรดดู
ซอร์สโค้ด
เพื่อดูตัวเลือกเพิ่มเติมในการกำหนดค่า TFLAudioClassifier
เรียกใช้การอนุมานใน Python
ขั้นตอนที่ 1: ติดตั้งแพ็กเกจ PIP
pip install tflite-support
- Linux: เรียกใช้
sudo apt-get update && apt-get install libportaudio2
- Mac และ Windows: PortAudio จะได้รับการติดตั้งโดยอัตโนมัติเมื่อติดตั้ง
แพ็กเกจ
tflite-support
PIP
ขั้นตอนที่ 2: การใช้โมเดล
# 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)
โปรดดู
ซอร์สโค้ด
เพื่อดูตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
เรียกใช้การอนุมานใน 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();
โปรดดู
ซอร์สโค้ด
เพื่อดูตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
ข้อกำหนดความเข้ากันได้กับรุ่น
AudioClassifier
API คาดว่าจะมีโมเดล TFLite ที่มีการบังคับ
ข้อมูลเมตาของโมเดล TFLite ดูตัวอย่าง
การสร้างข้อมูลเมตาสำหรับตัวแยกประเภทเสียงโดยใช้
TensorFlow Lite Metadata Writer API
รูปแบบตัวแยกประเภทเสียงที่ใช้งานร่วมกันได้ควรเป็นไปตามข้อกำหนดต่อไปนี้
Tensor อินพุตเสียง (kTfLiteFloat32)
- คลิปเสียงขนาด
[batch x samples]
- ไม่รองรับการอนุมานแบบกลุ่ม (
batch
ต้องเป็น 1) - สำหรับรูปแบบแบบหลายแชแนล แชแนลจะต้องแทรกสลับ
- คลิปเสียงขนาด
tensor คะแนนเอาต์พุต (kTfLiteFloat32)
- อาร์เรย์
[1 x N]
ที่มีN
หมายถึงหมายเลขคลาส - แมปป้ายกำกับที่ไม่บังคับ (แต่แนะนำ) เป็น AssociatedFile-s พร้อมประเภท
TENSOR_AXIS_LABELS ที่มีป้ายกำกับ 1 รายการต่อบรรทัด องค์ประกอบแรก
AssociatedFile (หากมี) ใช้เพื่อกรอกข้อมูลในช่อง
label
(ตั้งชื่อเป็นclass_name
ใน C++) ของผลลัพธ์ กรอกข้อมูลในช่องdisplay_name
แล้ว จาก AssociatedFile (หากมี) ซึ่งมีภาษาตรงกับ ฟิลด์display_names_locale
ของAudioClassifierOptions
ใช้ที่ เวลาที่สร้าง ("en" โดยค่าเริ่มต้น เช่น ภาษาอังกฤษ) ถ้าไม่มีลิงก์ที่กล่าวมา พร้อมใช้งาน ระบบจะเติมเฉพาะฟิลด์index
ของผลลัพธ์
- อาร์เรย์