Hướng dẫn phân loại âm thanh cho Android

Tác vụ Phân loại âm thanh MediaPipe cho phép bạn phân loại dữ liệu âm thanh. Bạn có thể sử dụng nhiệm vụ này để xác định các sự kiện âm thanh từ một nhóm các danh mục đã được huấn luyện. Các sẽ hướng dẫn bạn cách sử dụng Trình phân loại âm thanh với ứng dụng Android.

Để biết thêm thông tin về tính năng, kiểu máy và các lựa chọn cấu hình của nhiệm vụ này, xem phần Tổng quan.

Ví dụ về mã

Mã ví dụ MediaPipe Tasks là một cách triển khai đơn giản của Trình phân loại âm thanh dành cho Android. Ví dụ này sử dụng micrô trên một thiết bị Android thực để liên tục phân loại âm thanh, đồng thời cũng có thể chạy thuật toán phân loại đối với các tệp âm thanh được lưu trữ trên thiết bị.

Bạn có thể sử dụng ứng dụng này làm điểm khởi đầu cho ứng dụng Android của riêng mình hoặc tham chiếu đến ứng dụng đó khi sửa đổi ứng dụng hiện có. Mã ví dụ của Trình phân loại âm thanh được lưu trữ trên GitHub.

Tải mã xuống

Các hướng dẫn sau đây chỉ cho bạn cách tạo bản sao trên máy của ví dụ bằng công cụ dòng lệnh git.

Cách tải mã ví dụ xuống:

1. Sao chép kho lưu trữ git bằng lệnh sau:

   git clone https://github.com/google-ai-edge/mediapipe-samples
   

2. Bạn có thể định cấu hình thực thể git để sử dụng quy trình thanh toán thưa thớt, vì vậy, bạn chỉ có các tệp cho ứng dụng mẫu Audio Classifier:

   cd mediapipe
   git sparse-checkout init --cone
   git sparse-checkout set examples/audio_classifier/android
   

Sau khi tạo phiên bản cục bộ của mã ví dụ, bạn có thể nhập dự án vào Android Studio rồi chạy ứng dụng. Để biết hướng dẫn, hãy xem Hướng dẫn thiết lập dành cho Android.

Thành phần chính

Các tệp sau đây chứa mã quan trọng cho âm thanh này áp dụng ví dụ cho việc phân loại:

• AudioClassifierHelper.kt – Khởi chạy thuật toán phân loại âm thanh, đồng thời xử lý mô hình và uỷ quyền lựa chọn.
• RecorderFragment.kt – Tạo giao diện người dùng và mã điều khiển cho bản ghi âm trực tiếp.
• LibraryFragment.kt – Tạo giao diện người dùng và mã điều khiển để chọn tệp âm thanh.
• ProbabilitiesAdapter.kt – Xử lý và định dạng kết quả dự đoán của thuật toán phân loại.

Thiết lập

Phần này mô tả các bước chính để thiết lập môi trường phát triển và mã dự án cụ thể để sử dụng Audio Classifier (Phân loại âm thanh). Để biết thông tin chung về thiết lập môi trường phát triển để sử dụng các tác vụ MediaPipe, bao gồm yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập cho Android.

Phần phụ thuộc

Trình phân loại âm thanh sử dụng thư viện com.google.mediapipe:tasks-audio. Thêm nội dung này vào tệp build.gradle của Dự án phát triển ứng dụng Android. Nhập các phần phụ thuộc bắt buộc bằng mã sau:

dependencies {
    ...
    implementation 'com.google.mediapipe:tasks-audio:latest.release'
}

Mẫu

Tác vụ Phân loại âm thanh MediaPipe cần một mô hình đã huấn luyện tương thích với công việc. Để biết thêm thông tin về các mô hình đã qua đào tạo dành cho tính năng Phân loại âm thanh, hãy xem tổng quan về nhiệm vụ phần Mô hình.

Chọn và tải mô hình xuống rồi lưu trữ mô hình đó trong thư mục dự án:

<dev-project-root>/src/main/assets

Sử dụng phương thức BaseOptions.Builder.setModelAssetPath() để chỉ định đường dẫn mà mô hình sử dụng. Phương thức này sẽ được đề cập trong đoạn mã ví dụ ở phần tiếp theo .

Trong Mã ví dụ của Trình phân loại âm thanh, mô hình được xác định trong AudioClassifierHelper.kt .

Tạo việc cần làm

Bạn có thể sử dụng hàm createFromOptions để tạo công việc. Chiến lược phát hành đĩa đơn Hàm createFromOptions chấp nhận các lựa chọn cấu hình bao gồm cả chạy chế độ, ngôn ngữ tên hiển thị, số lượng kết quả tối đa, ngưỡng tin cậy, và một danh sách cho phép hoặc danh sách từ chối. Để biết thêm thông tin về cấu hình hãy xem phần Configuration Overview (Tổng quan về cấu hình).

Tác vụ Phân loại âm thanh hỗ trợ các loại dữ liệu đầu vào sau: đoạn âm thanh và luồng âm thanh. Bạn cần chỉ định chế độ đang chạy tương ứng với loại dữ liệu đầu vào khi tạo công việc. Chọn thẻ tương ứng với loại dữ liệu đầu vào để xem cách tạo tác vụ và chạy suy luận.

AudioClassifierOptions options =
    AudioClassifierOptions.builder()
        .setBaseOptions(
            BaseOptions.builder().setModelAssetPath("model.tflite").build())
        .setRunningMode(RunningMode.AUDIO_CLIPS)
        .setMaxResults(5)
        .build();
audioClassifier = AudioClassifier.createFromOptions(context, options);
    

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);
    

Việc triển khai mã ví dụ cho Trình phân loại âm thanh cho phép người dùng chuyển đổi giữa chế độ xử lý. Phương pháp này làm cho mã tạo tác vụ trở nên phức tạp hơn và có thể không phù hợp với trường hợp sử dụng của bạn. Bạn có thể xem mã chuyển đổi chế độ trong hàm initClassifier() của AudioClassifierHelper.

Các lựa chọn về cấu hình

Nhiệm vụ này có các lựa chọn cấu hình sau đây cho ứng dụng Android:

Chuẩn bị dữ liệu

Trình phân loại âm thanh hoạt động với các đoạn âm thanh và luồng âm thanh. Việc cần làm xử lý tiền xử lý dữ liệu đầu vào, bao gồm cả việc lấy mẫu lại, lưu vào bộ đệm và lấy khung hình. Tuy nhiên, bạn phải chuyển đổi dữ liệu âm thanh đầu vào thành Đối tượng com.google.mediapipe.tasks.components.containers.AudioData trước khi truyền đối tượng đó đến tác vụ Trình phân loại âm thanh.

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);
    

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)
    

Chạy tác vụ

Bạn có thể gọi hàm classify tương ứng với chế độ chạy để kích hoạt suy luận. API Phân loại âm thanh trả về các danh mục có thể có cho các sự kiện âm thanh được nhận dạng trong dữ liệu âm thanh đầu vào.

AudioClassifierResult classifierResult = audioClassifier.classify(audioData);
    

// 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);
    

Xin lưu ý những điều sau:

• Khi chạy ở chế độ luồng âm thanh, bạn cũng phải cung cấp Tác vụ của Trình phân loại âm thanh có dấu thời gian để theo dõi dữ liệu âm thanh nào trong đó luồng dữ liệu được dùng để suy luận.
• Khi chạy trong mô hình đoạn âm thanh, tác vụ Trình phân loại âm thanh sẽ chặn luồng hiện tại cho đến khi xử lý xong âm thanh đầu vào. Để tránh chặn phản hồi trên giao diện người dùng, hãy thực thi quá trình xử lý trong một luồng trong nền.

Bạn có thể xem ví dụ về cách chạy Trình phân loại âm thanh với các đoạn âm thanh, xem AudioClassifierHelper lớp trong mã ví dụ.

Xử lý và hiện kết quả

Sau khi chạy dự đoán, tác vụ Trình phân loại âm thanh sẽ trả về danh sách các cho các danh mục âm thanh trong âm thanh đầu vào. Danh sách sau đây hiển thị ví dụ về dữ liệu đầu ra từ tác vụ này:

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

Trong ứng dụng Android, tác vụ sẽ trả về một ClassificationResult chứa danh sách đối tượng AudioClassifierResult, thể hiện thông tin dự đoán cho một sự kiện âm thanh, bao gồm nhãn danh mục và điểm số tin cậy.

// 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();
}
    

// 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();
    

Bạn có thể xem ví dụ về cách hiển thị thông tin phân loại kết quả được trả về từ nhiệm vụ này trong lớp ProbabilitiesAdapter của mã ví dụ.