A tarefa MediaPipe Audio Classifier permite que você faça a classificação de dados de áudio. Você pode use essa tarefa para identificar eventos sonoros de um conjunto de categorias treinadas. Esses instruções mostram como usar o Classificador de áudio com apps Android.
Para mais informações sobre recursos, modelos e opções de configuração, desta tarefa, consulte a Visão geral.
Exemplo de código
O código de exemplo do MediaPipe Tasks é uma implementação simples de um classificador de áudio para Android. O exemplo usa o microfone de um dispositivo Android físico para pode classificar continuamente sons e também executar o classificador em arquivos de som armazenadas no dispositivo.
Você pode usar o app como ponto de partida para seu próprio app Android ou consultá-lo ao modificar um aplicativo existente. O exemplo de código do Audio Classifier está hospedado GitHub.
Fazer o download do código
As instruções a seguir mostram como criar uma cópia local do exemplo. usando a ferramenta de linha de comando git.
Para fazer o download do código de exemplo:
- Clone o repositório git usando o seguinte comando:
git clone https://github.com/google-ai-edge/mediapipe-samples
- Como opção, configure sua instância do Git para usar a finalização esparsa.
então, você tem apenas os arquivos do app de exemplo do Audio Classifier:
cd mediapipe git sparse-checkout init --cone git sparse-checkout set examples/audio_classifier/android
Depois de criar uma versão local do código de exemplo, você pode importar o projeto no Android Studio e executar o app. Para instruções, consulte a Guia de configuração para Android.
Principais componentes
Os arquivos a seguir contêm o código essencial para esse áudio aplicação de exemplo de classificação:
- AudioClassifierHelper.kt: Inicializa o classificador de áudio e processa o modelo e o delegado
- RecorderFragment.kt: Cria a interface do usuário e o código de controle para gravação de áudio ao vivo.
- LibraryFragment.kt: Cria a interface do usuário e o código de controle para selecionar arquivos de áudio.
- ProbabilitiesAdapter.kt: Processa e formata os resultados de previsão do classificador.
Configuração
Esta seção descreve as principais etapas para configurar seu ambiente de desenvolvimento e projetos de código especificamente para usar o classificador de áudio. Para informações gerais a configuração do seu ambiente de desenvolvimento para usar tarefas do MediaPipe, incluindo requisitos de versão da plataforma, consulte Guia de configuração para Android.
Dependências
O Classificador de áudio usa a biblioteca com.google.mediapipe:tasks-audio
. Adicionar
dependência do arquivo build.gradle
da
Projeto de desenvolvimento de apps Android. Importe as dependências necessárias com
o seguinte código:
dependencies {
...
implementation 'com.google.mediapipe:tasks-audio:latest.release'
}
Modelo
A tarefa do classificador de áudio do MediaPipe requer um modelo treinado que seja compatível com esse tarefa. Para mais informações sobre os modelos treinados disponíveis para o classificador de áudio, consulte na seção de visão geral da tarefa Modelos.
Selecione e faça o download do modelo e armazene-o no diretório do projeto:
<dev-project-root>/src/main/assets
Use o método BaseOptions.Builder.setModelAssetPath()
para especificar o caminho.
usados pelo modelo. Esse método é mencionado no exemplo de código nos próximos
nesta seção.
Na
Exemplo de código do classificador de áudio
o modelo é definido em AudioClassifierHelper.kt
.
Criar a tarefa
Use a função createFromOptions
para criar a tarefa. A
A função createFromOptions
aceita opções de configuração, incluindo
modo, nome de exibição, localidade, número máximo de resultados, limite de confiança,
e uma lista de permissões ou de bloqueio. Para mais informações sobre configurações
opções, consulte Visão geral da configuração.
A tarefa Classificador de áudio oferece suporte aos seguintes tipos de dados de entrada: clipes de áudio e streams de áudio. Você precisa especificar o modo de corrida correspondente o tipo de dados de entrada ao criar uma tarefa. Escolha a guia correspondente ao seu tipo de dados de entrada para ver como criar a tarefa e executar a inferência.
Clipes de áudio
AudioClassifierOptions options = AudioClassifierOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.AUDIO_CLIPS) .setMaxResults(5) .build(); audioClassifier = AudioClassifier.createFromOptions(context, options);
Stream de áudio
AudioClassifierOptions options = AudioClassifierOptions.builder() .setBaseOptions( BaseOptions.builder().setModelAssetPath("model.tflite").build()) .setRunningMode(RunningMode.AUDIO_STREAM) .setMaxResults(5) .setResultListener(audioClassifierResult -> { // Process the classification result here. }) .build(); audioClassifier = AudioClassifier.createFromOptions(context, options);
A implementação de código de exemplo do Audio Classificador permite que o usuário alterne entre
os modos de processamento. A abordagem torna o código de criação da tarefa mais complicado
podem não ser adequados para seu caso de uso. O código da troca de modo aparece
na função initClassifier()
do
AudioClassifierHelper
.
Opções de configuração
Esta tarefa tem as seguintes opções de configuração para apps Android:
Nome da opção | Descrição | Intervalo de valor | Valor padrão |
---|---|---|---|
runningMode |
Define o modo de execução da tarefa. O Classificador de áudio tem dois modos: AUDIO_CLIPS: o modo para executar a tarefa de áudio em clipes de áudio independentes. AUDIO_STREAM: o modo para executar a tarefa de áudio em um stream de áudio, como do microfone. Neste modo, resultListener deve ser chamado para configurar um listener e receber os resultados da classificação de forma assíncrona. |
{AUDIO_CLIPS, AUDIO_STREAM } |
AUDIO_CLIPS |
displayNamesLocale |
Define o idioma dos rótulos a serem usados para nomes de exibição fornecidos no
metadados do modelo da tarefa, se disponíveis. O padrão é en para
inglês. É possível adicionar rótulos localizados aos metadados de um modelo personalizado
usando a API Metadata Writer do TensorFlow Lite;
| Código da localidade | en |
maxResults |
Define o número máximo opcional de resultados da classificação com maior pontuação como voltar. Se < 0, todos os resultados disponíveis serão retornados. | Qualquer número positivo | -1 |
scoreThreshold |
Define o limite de pontuação da previsão que substitui o fornecido no os metadados do modelo (se houver). Resultados abaixo desse valor são rejeitados. | [0,0, 1,0] | Não definido |
categoryAllowlist |
Define a lista opcional de nomes de categorias permitidos. Se não estiver vazio,
resultados de classificação cujo nome de categoria não esteja neste conjunto serão
que foram filtradas. Nomes de categorias duplicados ou desconhecidos são ignorados.
Essa opção é mutuamente exclusiva com categoryDenylist e usando
os dois resultarão em erro. |
Qualquer string | Não definido |
categoryDenylist |
Define a lista opcional de nomes de categorias que não são permitidos. Se
não vazio, os resultados de classificação cujo nome de categoria estiver neste conjunto serão filtrados
para fora. Nomes de categorias duplicados ou desconhecidos são ignorados. Essa opção é mutuamente
exclusivo com categoryAllowlist e usar ambos resulta em um erro. |
Qualquer string | Não definido |
resultListener |
Define o listener de resultados para receber os resultados da classificação.
de forma assíncrona quando o classificador de áudio está no stream de áudio
modo Só pode ser usado quando o modo de corrida está definido como AUDIO_STREAM |
N/A | Não definido |
errorListener |
Define um listener de erro opcional. | N/A | Não definido |
Preparar dados
O Classificador de áudio funciona com clipes e streams de áudio. A tarefa
lida com o pré-processamento de entradas de dados, incluindo reamostragem, armazenamento em buffer e enquadramento.
No entanto, você deve converter os dados de entrada de áudio para um
com.google.mediapipe.tasks.components.containers.AudioData
antes de transmiti-lo para a tarefa do Audio Classifier.
Clipes de áudio
import com.google.mediapipe.tasks.components.containers.AudioData; // Load an audio on the user’s device as a float array. // Convert a float array to a MediaPipe’s AudioData object. AudioData audioData = AudioData.create( AudioData.AudioDataFormat.builder() .setNumOfChannels(numOfChannels) .setSampleRate(sampleRate) .build(), floatData.length); audioData.load(floatData);
Stream de áudio
import android.media.AudioRecord; import com.google.mediapipe.tasks.components.containers.AudioData; AudioRecord audioRecord = audioClassifier.createAudioRecord(/* numChannels= */ 1, /* sampleRate= */ 16000); audioRecord.startRecording(); ... // To get a one second clip from the AudioRecord object: AudioData audioData = AudioData.create( 16000 /*sample counts per second*/); AudioData.AudioDataFormat.create(audioRecord.getFormat()), audioData.load(audioRecord)
Executar a tarefa
Você pode chamar a função classify
correspondente ao modo de corrida para
e acionar inferências. A API Audio Classifier retorna as categorias possíveis para
os eventos de áudio reconhecidos nos dados de entrada de áudio.
Clipes de áudio
AudioClassifierResult classifierResult = audioClassifier.classify(audioData);
Stream de áudio
// Run inference on the audio block. The classifications results will be available // via the `resultListener` provided in the `AudioClassifierOptions` when // the audio classifier was created. audioClassifier.classifyAsync(audioBlock, timestampMs);
Observe o seguinte:
- Ao executar no modo de stream de áudio, você também precisa fornecer o Tarefa do classificador de áudio com um carimbo de data/hora para rastrear quais dados de áudio o stream foi usado para a inferência.
- Ao executar no modelo de clipes de áudio, a tarefa do Classificador de áudio bloqueia linha de execução atual até terminar de processar o áudio de entrada. Para evitar o bloqueio de respostas da interface do usuário, execute o processamento em uma linha de execução em segundo plano.
Confira um exemplo de execução do Classificador de áudio com clipes de áudio.
Classe AudioClassifierHelper
na
exemplo de código.
Gerenciar e exibir resultados
Depois de executar uma inferência, a tarefa do classificador de áudio retorna uma lista de possíveis categorias para os eventos de áudio na entrada de áudio. A listagem a seguir mostra um exemplo dos dados de saída desta tarefa:
AudioClassifierResult:
Timestamp in microseconds: 100
ClassificationResult #0:
Timestamp in microseconds: 100
Classifications #0 (single classification head):
head index: 0
category #0:
category name: "Speech"
score: 0.6
index: 0
category #1:
category name: "Music"
score: 0.2
index: 1
Em um app Android, a tarefa retorna uma ClassificationResult
que contém uma
lista de objetos AudioClassifierResult
, representando as previsões para um
evento de áudio, incluindo o rótulo da categoria e a pontuação de confiança.
Clipes de áudio
// In the audio clips mode, the classification results are for the entire audio // clip. The results are timestamped AudioClassifierResult objects, each // classifying an interval of the entire audio clip that starts at // ClassificationResult.timestampMs().get(). for (ClassificationResult result : audioClassifierResult.classificationResults()) { // Audio interval start timestamp: result.timestampMs().get(); // Classification result of the audio interval. result.classifications(); }
Stream de áudio
// In the audio stream mode, the classification results list only contains one // element, representing the classification result of the audio block that // starts at ClassificationResult.timestampMs in the audio stream. ClassificationResult result = audioClassifierResult.classificationResults().get(0); // The audio block start timestamp audioClassifierResult.timestampMs(); // Alternatively, the same timestamp can be retrieved from // result.timestampMs().get(); // Classification result. result.classifications();
Confira um exemplo de como exibir a classificação
resultados retornados dessa tarefa na classe ProbabilitiesAdapter
do
exemplo de código.