集成音频分类器

音频分类是机器学习的一个常见使用场景，声音类型。例如，它可以根据鸟叫声识别鸟类的品种。

Task Library AudioClassifier API 可用于部署您的自定义音频分类器或预训练分类器集成到您的移动应用中。

AudioClassifier API 的主要功能

输入音频处理，例如将 PCM 16 位编码转换为 PCM 对音频环形缓冲区进行浮点编码和操作。
标记地图语言区域。
支持多头分类模型。
同时支持单标签分类和多标签分类。
用于过滤结果的分数阈值。
Top-k 分类结果。
标签许可名单和拒绝名单。

支持的音频分类器模型

以下模型保证与 AudioClassifier兼容 API。

模型创建者用于音频分类的 TensorFlow Lite Model Maker。
通过 TensorFlow Hub 上的预训练音频事件分类模型。
符合模型兼容性要求。

使用 Java 运行推理

请参阅音频分类参考应用获取在 Android 应用中使用 AudioClassifier 的示例。

第 1 步：导入 Gradle 依赖项和其他设置

将 .tflite 模型文件复制到 Android 模块的 assets 目录中将运行模型的位置。指定不应压缩该文件，并且将 TensorFlow Lite 库添加到模块的 build.gradle 文件中：

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'
}

第 2 步：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);

请参阅源代码和 javadoc 了解用于配置 AudioClassifier 的更多选项。

在 iOS 中运行推断

第 1 步：安装依赖项

Task 库支持使用 CocoaPods 进行安装。确保 CocoaPods 。请参阅 CocoaPods 安装指南了解相关说明。

请参阅 CocoaPods 指南了解有关将 Pod 添加到 Xcode 项目的详细信息。

在 Podfile 中添加 TensorFlowLiteTaskAudio Pod。

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

确保用于推理的 .tflite 模型在以下文件中： app bundle。

第 2 步：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];

        });
    }
}];

请参阅源代码了解用于配置 TFLAudioClassifier 的更多选项。

在 Python 中运行推理

第 1 步：安装 pip 软件包

pip install tflite-support

Linux：运行 sudo apt-get update && apt-get install libportaudio2
Mac 和 Windows：在安装 tflite-support pip 软件包。

第 2 步：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)

请参阅源代码了解用于配置 AudioClassifier 的更多选项。

使用 C++ 运行推理

// 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();

请参阅源代码了解用于配置 AudioClassifier 的更多选项。

模型兼容性要求

AudioClassifier API 需要一个具有强制性要求的 TFLite 模型， TFLite 模型元数据。查看相关示例使用 TensorFlow Lite Metadata Writer API。

兼容的音频分类器模型应满足以下要求：

输入音频张量 (kTfLiteFloat32)
- 大小为 [batch x samples] 的音频片段。
- 不支持批量推理（batch 必须为 1）。
- 对于多通道模型，通道需要交错。
输出得分张量 (kTfLiteFloat32)
- N 表示类编号的 [1 x N] 数组。
- 可选（但建议）将映射标记为具有类型的 AssociatedFile-s TENSOR_AXIS_LABELS，每行包含一个标签。第一个这样的 AssociatedFile（如果有）用于填充 label 字段（名为 class_name）。display_name 字段已填充（如果有），则从其语言区域与 AudioClassifierOptions 的“display_names_locale”字段，在创建时间（默认为“en”，即英语）。如果以上两种情况均不适用可用，系统只会填充结果的 index 字段。