隆重推出 Google AI Edge Portal：大规模对边缘 AI 进行基准测试。注册以在非公开预览期间申请访问权限。

Web 音频分类指南

借助 MediaPipe 音频分类器任务，您可以对音频数据执行分类。您可以使用此任务从一组训练过的类别中识别声音事件。以下说明介绍了如何将音频分类器用于 Node 和 Web 应用。

您可以观看演示，了解此任务的实际效果。如需详细了解此任务的功能、模型和配置选项，请参阅概览。

代码示例

音频分类器的示例代码提供了此任务的完整 JavaScript 实现，供您参考。此代码可帮助您测试此任务，并开始构建自己的音频分类应用。您只需使用 Web 浏览器即可查看、运行和修改音频分类器示例。

设置

本部分介绍了设置开发环境和代码项目以专门使用音频分类器的关键步骤。如需了解有关设置开发环境以使用 MediaPipe 任务的一般信息（包括平台版本要求），请参阅网页设置指南。

JavaScript 软件包

音频分类器代码可通过 MediaPipe @mediapipe/tasks-audio NPM 软件包获取。您可以从平台设置指南中提供的链接查找并下载这些库。

您可以使用以下代码安装本地暂存所需的软件包，方法是使用以下命令：

npm install @mediapipe/tasks-audio

如果您想通过内容分发网络 (CDN) 服务导入任务代码，请在 HTML 文件中的标记内添加以下代码：

<!-- Replace "my-cdn-service.com" with your CDN -->
<head>
  <script src="https://my-cdn-service.com/npm/@mediapipe/tasks-audio/audio_bundle.js"
    crossorigin="anonymous"></script>
</head>

模型

MediaPipe 音频分类器任务需要与此任务兼容的已训练模型。如需详细了解音频分类器可用的预训练模型，请参阅任务概览的模型部分。

选择并下载模型，然后将其存储在项目目录中，例如：

<dev-project-root>/app/shared/models/

创建任务

使用某个音频分类器 createFrom...() 函数来准备任务，以运行推理。使用 createFromModelPath() 函数，并提供经过训练的模型文件的相对或绝对路径。如果您的模型已加载到内存中，则可以使用 createFromModelBuffer() 方法。

以下代码示例展示了如何使用 createFromOptions() 函数来设置任务。借助 createFromOptions 函数，您可以使用配置选项自定义音频分类器。如需详细了解配置选项，请参阅配置选项。

以下代码演示了如何使用自定义选项构建和配置任务：

const audio = await FilesetResolver.forAudioTasks(
    "https://my-cdn-service.com/npm/@mediapipe/tasks-audio/wasm"
  );

const audioClassifier = await AudioClassifier.createFromOptions(audio, {
    baseOptions: {
      modelAssetPath:
        "https://tfhub.dev/google/lite-model/yamnet/classification/tflite/1?lite-format=tflite"
    }
  });

您可以在 example code 中查看完整示例。

配置选项

此任务针对 Web 应用和 JavaScript 应用具有以下配置选项：

选项名称	说明	值范围	默认值
`displayNamesLocale`	设置用于显示任务模型元数据中提供的显示名称的标签语言（如果可用）。对于英语，默认值为 `en`。您可以使用 TensorFlow Lite Metadata Writer API 向自定义模型的元数据添加本地化标签	语言区域代码	en
`maxResults`	设置要返回的得分最高的分类结果的可选数量上限。如果小于 0，则返回所有可用的结果。	任何正数	`-1`
`scoreThreshold`	设置预测得分阈值，以替换模型元数据中提供的阈值（如有）。低于此值的结果将被拒绝。	[0.0, 1.0]	未设置
`categoryAllowlist`	设置允许的类别名称的可选列表。如果非空，则会过滤掉类别名称不在该集合中的分类结果。系统会忽略重复或未知的类别名称。此选项与 `categoryDenylist` 互斥，同时使用两者会导致错误。	任何字符串	未设置
`categoryDenylist`	设置不允许的类别名称的可选列表。如果不为空，则会过滤掉类别名称在此集合中的分类结果。系统会忽略重复或未知的类别名称。此选项与 `categoryAllowlist` 互斥，同时使用这两个选项会导致错误。	任何字符串	未设置

准备数据

音频分类器可处理音频片段和音频流，并可处理宿主浏览器支持的任何格式的音频文件。该任务负责处理数据输入预处理，包括重采样、缓冲和成帧。

运行任务

音频分类器使用 classify() 方法对音频片段文件或音频流运行推理。音频分类器 API 会返回输入音频中识别到的音频事件的可能类别。

对音频分类器 classify() 方法的调用会同步运行，并阻塞用户界面线程。如果您对来自设备麦克风的音频进行分类，每次分类都会阻塞主线程。您可以通过实现 Web Worker 在另一个线程中运行 classify() 来防止这种情况。

以下代码演示了如何使用任务模型执行处理：

音频片段

// Create audio buffer
const sample = await response.arrayBuffer();
const audioBuffer = await audioCtx.decodeAudioData(sample);

// Use AudioClassifier to run classification
const results = audioClassifier.classify(
  audioBuffer.getChannelData(0),
  audioBuffer.sampleRate
);

音频流

stream = await navigator.mediaDevices.getUserMedia(constraints);
audioCtx = new AudioContext({ sampleRate: 16000 });

const source = audioCtx.createMediaStreamSource(stream);
const scriptNode = audioCtx.createScriptProcessor(16384, 1, 1);

scriptNode.onaudioprocess = function (audioProcessingEvent) {
  const inputBuffer = audioProcessingEvent.inputBuffer;
  let inputData = inputBuffer.getChannelData(0);

  // Classify the audio
  const result = audioClassifier.classify(inputData);
  const categories = result[0].classifications[0].categories;
};

如需查看运行音频分类器任务的更完整实现，请参阅示例。

处理和显示结果

完成推理运行后，音频分类器任务会返回一个 AudioClassifierResult 对象，其中包含输入音频中对象的可能类别列表。

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

音频分类器示例代码演示了如何显示从任务返回的分类结果，详情请参阅示例。