整合音訊分類器

音訊分類是機器學習的常見用途聲音類型。舉例來說，這項功能可以根據孩子的歌曲辨識鳥類品種，

工作程式庫 AudioClassifier API 可用於部署自訂音訊在行動應用程式中導入分類器或預先訓練好的分類器

AudioClassifier API 的主要功能

輸入音訊處理，例如將 PCM 16 位元編碼轉換為 PCM 浮動編碼和音訊環緩衝區的操控。
標籤對應語言代碼。
支援多頭分類模型。
支援單一標籤和多標籤分類。
用來篩選結果的分數門檻。
「前 K 個」分類結果。
標籤許可清單和拒絕清單。

支援的音訊分類器模型

下列型號保證與 AudioClassifier 相容也能使用 Google Cloud CLI 或 Compute Engine API

由建立的模型 TensorFlow Lite Model Maker for Audio Classification。
預先訓練的音訊事件分類模型
符合模型相容性需求。

在 Java 中執行推論

詳情請參閱音訊分類參考應用程式範例：在 Android 應用程式中使用 AudioClassifier。

步驟 1：匯入 Gradle 依附元件和其他設定

將 .tflite 模型檔案複製到 Android 模組的資產目錄以便訓練模型指定不要壓縮檔案，且將 TensorFlow Lite 程式庫新增至模組的 build.gradle 檔案：

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'
}

步驟 2：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);

詳情請參閱原始碼和 javadoc 取得更多設定 AudioClassifier 的選項。

在 iOS 中執行推論

步驟 1：安裝依附元件

工作程式庫支援使用 CocoaPods 進行安裝。確認 CocoaPods 會在您的系統上安裝。詳情請參閱 CocoaPods 安裝指南一文。

詳情請參閱 CocoaPods 指南如何在 Xcode 專案中新增 Pod

在 Podfile 中新增 TensorFlowLiteTaskAudio Pod。

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

確認您要用於推論的 .tflite 模型出現在您的應用程式套件。

步驟 2：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];

        });
    }
}];

詳情請參閱原始碼取得更多設定 TFLAudioClassifier 的選項。

在 Python 中執行推論

步驟 1：安裝 pip 套件

pip install tflite-support

Linux：執行 sudo apt-get update && apt-get install libportaudio2
Mac 和 Windows：系統會在安裝 tflite-support pip 套件。

步驟 2：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)

詳情請參閱原始碼取得更多設定 AudioClassifier 的選項。

在 C++ 中執行推論

// 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();

詳情請參閱原始碼取得更多設定 AudioClassifier 的選項。

模型相容性需求

AudioClassifier API 預期的 TFLite 模型必須具有 TFLite 模型中繼資料。請參閱建立音訊分類器的中繼資料 TensorFlow Lite Metadata Writer API。

相容的音訊分類器模型必須符合下列規定：

輸入音訊張量 (kTfLiteFloat32)
- 大小為 [batch x samples] 的音訊片段。
- 不支援批次推論 (batch 須為 1)。
- 如果是多管道模式，就必須交錯管道
輸出分數張量 (kTfLiteFloat32)
- 含有 N 的 [1 x N] 陣列代表類別編號。
- 選用 (但建議使用) 將對應標籤對應為 AssociatedFile-s 和 type TENSOR_AXIS_LABELS，每行一個標籤。第一個這類 AssociatedFile (如有) 用於填入 label 欄位 (命名為 class_name) 的結果。已填入「display_name」欄位語言關聯檔案 (如有)，其語言代碼符合使用的 AudioClassifierOptions 的 display_names_locale 欄位建立時間 (預設為「en」，例如英文)。如果這些都不是可用，只有結果的 index 欄位會填入內容。