Tugas Pengklasifikasi MediaPipe Audio memungkinkan Anda melakukan klasifikasi pada data audio. Anda dapat menggunakan tugas ini untuk mengidentifikasi peristiwa suara dari serangkaian kategori terlatih. Petunjuk ini menunjukkan cara menggunakan Pengklasifikasi Audio dengan Python.
Untuk mengetahui informasi selengkapnya tentang kemampuan, model, dan opsi konfigurasi tugas ini, lihat Ringkasan.
Contoh kode
Kode contoh untuk Pengklasifikasi Audio menyediakan implementasi lengkap tugas ini di Python sebagai referensi Anda. Kode ini membantu Anda menguji tugas ini dan mulai membuat pengklasifikasi audio Anda sendiri. Anda dapat melihat, menjalankan, dan mengedit kode contoh Pengklasifikasi Audio hanya menggunakan browser web dengan Google Colab. Anda dapat melihat kode sumber untuk contoh ini di GitHub.
Jika Anda mengimplementasikan Pengklasifikasi Audio untuk Raspberry Pi, lihat aplikasi contoh Raspberry Pi.
Penyiapan
Bagian ini menjelaskan langkah-langkah utama untuk menyiapkan lingkungan pengembangan dan project kode secara khusus untuk menggunakan Pengklasifikasi Audio. Untuk mengetahui informasi umum tentang menyiapkan lingkungan pengembangan Anda untuk menggunakan tugas MediaPipe, termasuk persyaratan versi platform, lihat Panduan penyiapan untuk Python.
Paket
Tugas Pengklasifikasi Audio adalah paket pip mediapipe. Anda dapat menginstal dependensi dengan hal berikut:
$ python -m pip install mediapipe
Impor
Impor class berikut untuk mengakses fungsi tugas Pengklasifikasi Audio:
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import audio
Model
Tugas MediaPipe Audio Classifier memerlukan model terlatih yang kompatibel dengan tugas ini. Untuk mengetahui informasi selengkapnya tentang model terlatih yang tersedia untuk Pengklasifikasi Audio, lihat bagian Model ringkasan tugas.
Pilih dan download model, lalu simpan di direktori lokal. Anda dapat menggunakan model Yamnet yang direkomendasikan.
model_path = '/absolute/path/to/lite-model_yamnet_classification_tflite_1.tflite'
Tentukan jalur model dalam parameter Nama Model, seperti yang ditunjukkan di bawah:
base_options = BaseOptions(model_asset_path=model_path)
Membuat tugas
Gunakan fungsi create_from_options untuk membuat tugas. Fungsi
create_from_options menerima opsi konfigurasi termasuk mode
berlari, lokalitas nama tampilan, jumlah hasil maksimum, nilai minimum keyakinan,
daftar kategori yang diizinkan, dan daftar tolak. Untuk mengetahui informasi selengkapnya tentang opsi
konfigurasi, lihat Ringkasan Konfigurasi.
Tugas Pengklasifikasi Audio mendukung klip audio dan streaming audio sebagai input. Anda harus menentukan mode berjalan yang sesuai dengan jenis data input Anda saat membuat tugas. Pilih tab yang sesuai dengan jenis data input Anda untuk melihat cara membuat tugas dan menjalankan inferensi.
Klip audio
AudioClassifier = mp.tasks.audio.AudioClassifier
AudioClassifierOptions = mp.tasks.audio.AudioClassifierOptions
AudioRunningMode = mp.tasks.audio.RunningMode
BaseOptions = mp.tasks.BaseOptions
options = AudioClassifierOptions(
base_options=BaseOptions(model_asset_path='/path/to/model.tflite'),
max_results=5,
running_mode=AudioRunningMode.AUDIO_CLIPS)
with AudioClassifier.create_from_options(options) as classifier:
# The classifier is initialized. Use it here.
# ...
Streaming audio
AudioClassifier = mp.tasks.audio.AudioClassifier
AudioClassifierOptions = mp.tasks.audio.AudioClassifierOptions
AudioClassifierResult = mp.tasks.audio.AudioClassifierResult
AudioRunningMode = mp.tasks.audio.RunningMode
BaseOptions = mp.tasks.BaseOptions
def print_result(result: AudioClassifierResult, timestamp_ms: int):
print(AudioClassifierResult result: {}’.format(result))
options = AudioClassifierOptions(
base_options=BaseOptions(model_asset_path='/path/to/model.tflite'),
running_mode=AudioRunningMode.AUDIO_STREAM,
max_results=5,
result_callback=print_result)
with AudioClassifier.create_from_options(options) as classifier:
# The classifier is initialized. Use it here.
# ...
Untuk contoh lengkap pembuatan Pengklasifikasi Audio untuk digunakan dengan audio, lihat contoh kode.
Opsi konfigurasi
Tugas ini memiliki opsi konfigurasi berikut untuk aplikasi Python:
| Nama Opsi | Deskripsi | Rentang Nilai | Nilai Default |
|---|---|---|---|
running_mode |
Menetapkan mode berjalan untuk tugas. Pengklasifikasi Audio memiliki dua mode: AUDIO_CLIPS: Mode untuk menjalankan tugas audio pada klip audio independen. AUDIO_STREAM: Mode untuk menjalankan tugas audio pada streaming audio, seperti dari mikrofon. Dalam mode ini, resultListener harus dipanggil untuk menyiapkan pemroses guna menerima hasil klasifikasi secara asinkron. |
{AUDIO_CLIPS, AUDIO_STREAM} |
AUDIO_CLIPS |
display_names_locale |
Menetapkan bahasa label yang akan digunakan untuk nama tampilan yang diberikan dalam
metadata model tugas, jika tersedia. Defaultnya adalah en untuk bahasa Inggris. Anda dapat menambahkan label yang dilokalkan ke metadata model kustom menggunakan TensorFlow Lite Metadata Writer API
| Kode lokal | id |
max_results |
Menetapkan jumlah maksimum opsional hasil klasifikasi dengan skor tertinggi yang akan ditampilkan. Jika < 0, semua hasil yang tersedia akan ditampilkan. | Semua bilangan positif | -1 |
score_threshold |
Menetapkan nilai minimum skor prediksi yang menggantikan skor yang diberikan dalam metadata model (jika ada). Hasil di bawah nilai ini ditolak. | [0,0, 1,0] | Tidak ditetapkan |
category_allowlist |
Menetapkan daftar opsional nama kategori yang diizinkan. Jika tidak kosong, hasil klasifikasi yang nama kategorinya tidak ada dalam kumpulan ini akan difilter. Nama kategori duplikat atau tidak diketahui akan diabaikan.
Opsi ini sama-sama bersifat eksklusif dengan category_denylist dan menggunakan
keduanya akan menghasilkan error. |
String apa pun | Tidak ditetapkan |
category_denylist |
Menetapkan daftar opsional nama kategori yang tidak diizinkan. Jika tidak kosong, hasil klasifikasi yang nama kategorinya ada dalam kumpulan ini akan difilter. Nama kategori duplikat atau tidak diketahui akan diabaikan. Opsi ini sama-sama bersifat eksklusif dengan category_allowlist dan menggunakan keduanya akan menghasilkan error. |
String apa pun | Tidak ditetapkan |
result_callback |
Menetapkan pemroses hasil untuk menerima hasil klasifikasi
secara asinkron saat Pengklasifikasi Audio dalam mode streaming
audio. Hanya dapat digunakan saat mode lari disetel ke AUDIO_STREAM |
T/A | Tidak ditetapkan |
Menyiapkan data
Pengklasifikasi Audio dapat digunakan dengan klip audio dan streaming audio. Tugas ini menangani prapemrosesan input data, termasuk pengambilan ulang sampel, buffering, dan framing.
Siapkan input Anda sebagai file audio atau array numpy, lalu konversikan menjadi objek AudioData MediaPipe. Anda dapat menggunakan library eksternal seperti
SciPy untuk memuat audio input sebagai array numpy.
Contoh berikut menjelaskan dan menunjukkan cara menyiapkan data untuk diproses untuk setiap jenis data yang tersedia:
Klip audio
import numpy as np
from scipy.io import wavfile
AudioData = mp.tasks.components.containers.AudioData
sample_rate, buffer = wavfile.read('/path/to/audio.wav')
audio_data = AudioData.create_from_array(
buffer.astype(float) / np.iinfo(np.int16).max, sample_rate)
Streaming audio
import numpy as np
AudioData = mp.tasks.components.containers.AudioData
# Read microphone data as np arrays, then call
audio_data = AudioData.create_from_array(
buffer.astype(float) / np.iinfo(np.int16).max, sample_rate)
Menjalankan tugas
Anda memanggil fungsi klasifikasi yang sesuai dengan mode yang berjalan untuk memicu inferensi. Audio Classifier API menampilkan kemungkinan kategori untuk peristiwa audio dalam buffer audio input.
Klip audio
# Perform audio classification on the provided audio clip.
audio_classifier_result_list = classifier.classify(audio_data)
Streaming audio
# Send live audio data to perform audio classification.
# Results are sent to the `result_callback` provided in the `AudioClassifierOptions`
classifier.classify_async(audio_data, timestamp_ms)
Perhatikan hal berikut:
- Saat berjalan dalam mode streaming audio, Anda juga harus memberikan tugas Pengklasifikasi Audio, stempel waktu data audio input.
- Saat berjalan dalam model klip audio, tugas Pengklasifikasi Audio akan memblokir thread saat ini hingga selesai memproses audio input.
Untuk contoh yang lebih lengkap terkait menjalankan Pengklasifikasi Audio dengan klip audio, lihat contoh kode.
Menangani dan menampilkan hasil
Setelah menjalankan inferensi, tugas Pengklasifikasi Audio akan menampilkan
objek AudioClassifierResult yang berisi daftar kemungkinan kategori
untuk peristiwa audio dalam audio input.
Berikut ini contoh data output dari tugas ini:
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
Kode contoh Pengklasifikasi Audio menunjukkan cara menampilkan hasil klasifikasi yang ditampilkan dari tugas ini. Lihat contoh kode untuk mengetahui detailnya.