Интегрируйте аудиоклассификаторы

Классификация аудио — это распространенный вариант использования машинного обучения для классификации типов звука. Например, он может определить вид птиц по их пению.

API библиотеки задач AudioClassifier можно использовать для развертывания собственных или предварительно обученных аудиоклассификаторов в вашем мобильном приложении.

Ключевые особенности API AudioClassifier

  • Обработка входного аудио, например, преобразование 16-битной кодировки PCM в кодировку PCM с плавающей запятой и манипулирование кольцевым аудиобуфером.

  • Метка локали карты.

  • Поддержка модели классификации с несколькими головками.

  • Поддержка классификации как по одной, так и по нескольким меткам.

  • Порог оценки для фильтрации результатов.

  • Результаты классификации Top-k.

  • Пометьте список разрешенных и список запрещенных.

Поддерживаемые модели аудиоклассификаторов

Следующие модели гарантированно совместимы с API AudioClassifier .

Запустить вывод в Java

См. справочное приложение по классификации аудио , где приведен пример использования AudioClassifier в приложении для Android.

Шаг 1. Импортируйте зависимости Gradle и другие настройки.

Скопируйте файл модели .tflite в каталог ресурсов модуля Android, где будет запускаться модель. Укажите, что файл не должен быть сжат, и добавьте библиотеку TensorFlow Lite в файл build.gradle модуля:

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 (NNAPI is included)
    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'
}

Шаг 2: Использование модели

// 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);

Дополнительные параметры настройки AudioClassifier см . в исходном коде и документации Javadoc .

Запустить вывод в iOS

Шаг 1. Установите зависимости

Библиотека задач поддерживает установку с использованием CocoaPods. Убедитесь, что CocoaPods установлен в вашей системе. Инструкции см. в руководстве по установке CocoaPods .

Подробную информацию о добавлении модулей в проект Xcode см. в руководстве CocoaPods .

Добавьте модуль TensorFlowLiteTaskAudio в Podfile.

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

Убедитесь, что модель .tflite , которую вы будете использовать для вывода, присутствует в вашем пакете приложений.

Шаг 2: Использование модели

Быстрый

// 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)
        }
    }
}

Цель С

// 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];

        });
    }
}];

Дополнительные параметры настройки TFLAudioClassifier см. в исходном коде .

Запустить вывод в Python

Шаг 1. Установите пакет pip

pip install tflite-support
  • Linux: запустите sudo apt-get update && apt-get install libportaudio2
  • Mac и Windows: PortAudio устанавливается автоматически при установке пакета pip tflite-support .

Шаг 2: Использование модели

# 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)

Дополнительные параметры настройки AudioClassifier см. в исходном коде .

Запустить вывод на C++

// 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();

Дополнительные параметры настройки AudioClassifier см. в исходном коде .

Требования совместимости модели

API AudioClassifier ожидает модель TFLite с обязательными метаданными модели TFLite . См. примеры создания метаданных для аудиоклассификаторов с помощью API TensorFlow Lite Metadata Writer .

Совместимые модели аудиоклассификаторов должны отвечать следующим требованиям:

  • Входной аудиотензор (kTfLiteFloat32)

    • аудиоклип размером [batch x samples] .
    • Пакетный вывод не поддерживается ( batch должен быть равен 1).
    • в многоканальных моделях каналы необходимо чередовать.
  • Тензор выходной оценки (kTfLiteFloat32)

    • Массив [1 x N] , где N представляет номер класса.
    • необязательные (но рекомендуемые) карты меток в виде AssociatedFile-s с типом TENSOR_AXIS_LABELS, содержащие одну метку в строке. Первый такой AssociatedFile (если есть) используется для заполнения поля label (названного в C++ class_name ) результатов. Поле display_name заполняется из AssociatedFile (если есть), языковой стандарт которого соответствует полю display_names_locale в AudioClassifierOptions , используемом во время создания (по умолчанию «en», т.е. английский). Если ни один из них недоступен, будет заполнено только поле index результатов.