ध्वनि प्रकारों को वर्गीकृत करने के लिए ऑडियो वर्गीकरण मशीन लर्निंग का एक सामान्य उपयोग मामला है। उदाहरण के लिए, यह पक्षियों की प्रजातियों को उनके गीतों से पहचान सकता है।
टास्क लाइब्रेरी ऑडियो क्लासिफायर एपीआई का उपयोग आपके कस्टम ऑडियो क्लासिफायर या AudioClassifier
को आपके मोबाइल ऐप में तैनात करने के लिए किया जा सकता है।
ऑडियो क्लासिफायर एपीआई की मुख्य विशेषताएं
इनपुट ऑडियो प्रोसेसिंग, उदाहरण के लिए पीसीएम 16 बिट एन्कोडिंग को पीसीएम फ्लोट एन्कोडिंग में परिवर्तित करना और ऑडियो रिंग बफर का हेरफेर।
लेबल मानचित्र स्थान।
मल्टी-हेड वर्गीकरण मॉडल का समर्थन करना।
एकल-लेबल और बहु-लेबल वर्गीकरण दोनों का समर्थन करना।
परिणामों को फ़िल्टर करने के लिए स्कोर थ्रेशोल्ड।
टॉप-के वर्गीकरण परिणाम।
लेबल अनुमत सूची और अस्वीकृत सूची।
समर्थित ऑडियो क्लासिफायरियर मॉडल
निम्नलिखित मॉडलों को AudioClassifier
API के साथ संगत होने की गारंटी है।
ऑडियो वर्गीकरण के लिए TensorFlow Lite Model Maker द्वारा बनाए गए मॉडल।
TensorFlow हब पर पहले से प्रशिक्षित ऑडियो इवेंट वर्गीकरण मॉडल ।
कस्टम मॉडल जो मॉडल संगतता आवश्यकताओं को पूरा करते हैं।
जावा में अनुमान चलाएँ
AudioClassifier
ऐप में ऑडियो क्लासिफायर का उपयोग करने के उदाहरण के लिए ऑडियो वर्गीकरण संदर्भ ऐप देखें।
चरण 1: ग्रैडल निर्भरता और अन्य सेटिंग्स आयात करें
एंड्रॉइड मॉड्यूल की संपत्ति निर्देशिका में .tflite
मॉडल फ़ाइल की प्रतिलिपि बनाएँ जहां मॉडल चलाया जाएगा। निर्दिष्ट करें कि फ़ाइल को संपीड़ित नहीं किया जाना चाहिए, और TensorFlow Lite लाइब्रेरी को मॉड्यूल की build.gradle
फ़ाइल में जोड़ें:
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'
}
चरण 2: मॉडल का उपयोग करना
// 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);
AudioClassifier
को कॉन्फ़िगर करने के अधिक विकल्पों के लिए स्रोत कोड और javadoc देखें।
आईओएस में अनुमान चलाएं
चरण 1: निर्भरताएँ स्थापित करें
टास्क लाइब्रेरी CocoaPods का उपयोग करके इंस्टॉलेशन का समर्थन करती है। सुनिश्चित करें कि आपके सिस्टम पर CocoaPods स्थापित है। निर्देशों के लिए कृपया CocoaPods इंस्टॉलेशन गाइड देखें।
Xcode प्रोजेक्ट में पॉड्स जोड़ने के विवरण के लिए कृपया CocoaPods गाइड देखें।
पॉडफाइल में TensorFlowLiteTaskAudio
पॉड जोड़ें।
target 'MyAppWithTaskAPI' do
use_frameworks!
pod 'TensorFlowLiteTaskAudio'
end
सुनिश्चित करें कि अनुमान के लिए आप जिस .tflite
मॉडल का उपयोग कर रहे हैं वह आपके ऐप बंडल में मौजूद है।
चरण 2: मॉडल का उपयोग करना
तीव्र
// 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)
}
}
}
उद्देश्य सी
// 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];
});
}
}];
TFLAudioClassifier
को कॉन्फ़िगर करने के अधिक विकल्पों के लिए स्रोत कोड देखें।
पायथन में अनुमान चलाएँ
चरण 1: पाइप पैकेज स्थापित करें
pip install tflite-support
- लिनक्स: चलाएँ
sudo apt-get update && apt-get install libportaudio2
- मैक और विंडोज:
tflite-support
pip पैकेज को स्थापित करते समय पोर्टऑडियो स्वचालित रूप से स्थापित हो जाता है।
चरण 2: मॉडल का उपयोग करना
# 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)
AudioClassifier
को कॉन्फ़िगर करने के अधिक विकल्पों के लिए स्रोत कोड देखें।
सी ++ में अनुमान चलाएं
// 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();
AudioClassifier
को कॉन्फ़िगर करने के अधिक विकल्पों के लिए स्रोत कोड देखें।
मॉडल संगतता आवश्यकताएँ
ऑडियो क्लासिफायर एपीआई अनिवार्य AudioClassifier
मॉडल मेटाडेटा के साथ एक टीएफलाइट मॉडल की अपेक्षा करता है। TensorFlow Lite मेटाडेटा राइटर API का उपयोग करके ऑडियो क्लासिफायरियर के लिए मेटाडेटा बनाने के उदाहरण देखें।
संगत ऑडियो क्लासिफायरियर मॉडल को निम्नलिखित आवश्यकताओं को पूरा करना चाहिए:
इनपुट ऑडियो टेंसर (kTfLiteFloat32)
- आकार की ऑडियो क्लिप
[batch x samples]
। - बैच अनुमान समर्थित नहीं है (
batch
1 होना आवश्यक है)। - मल्टी-चैनल मॉडल के लिए, चैनलों को इंटरलीव करने की आवश्यकता है।
- आकार की ऑडियो क्लिप
आउटपुट स्कोर टेंसर (kTfLiteFloat32)
-
[1 x N]
N
के साथ सरणी वर्ग संख्या का प्रतिनिधित्व करती है। - TENSOR_AXIS_LABELS प्रकार के साथ AssociatedFile-s के रूप में वैकल्पिक (लेकिन अनुशंसित) लेबल मानचित्र, जिसमें प्रति पंक्ति एक लेबल है। इस तरह की पहली एसोसिएटेडफाइल (यदि कोई हो) का उपयोग परिणामों के
label
फ़ील्ड (C++ मेंclass_name
के रूप में नामित) को भरने के लिए किया जाता है।display_name
फ़ील्ड एसोसिएटेडफाइल (यदि कोई हो) से भरी जाती है जिसका लोकेल निर्माण के समय उपयोग किए गएdisplay_names_locale
केAudioClassifierOptions
फ़ील्ड से मेल खाता है (डिफ़ॉल्ट रूप से ("एन"), यानी अंग्रेजी)। यदि इनमें से कोई भी उपलब्ध नहीं है, तो केवल परिणामों कीindex
फ़ील्ड भरी जाएगी।
-