ऑडियो क्लासिफायर को एकीकृत करें

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 AudioClassifier एपीआई का उपयोग आपके कस्टम ऑडियो क्लासिफायर या पूर्व-प्रशिक्षित लोगों को आपके मोबाइल ऐप में तैनात करने के लिए किया जा सकता है।

ऑडियोक्लासिफायर 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।

  • मानचित्र स्थान को लेबल करें.

  • मल्टी-हेड वर्गीकरण मॉडल का समर्थन करना।

  • सिंगल-लेबल और मल्टी-लेबल वर्गीकरण दोनों का समर्थन करना।

  • परिणामों को फ़िल्टर करने के लिए स्कोर सीमा।

  • टॉप-के वर्गीकरण परिणाम।

  • अनुमति सूची और अस्वीकरण सूची को लेबल करें।

समर्थित ऑडियो क्लासिफायर मॉडल

निम्नलिखित मॉडलों को AudioClassifier API के साथ संगत होने की गारंटी दी गई है।

जावा में अनुमान चलाएँ

एंड्रॉइड ऐप में AudioClassifier का उपयोग करने के उदाहरण के लिए ऑडियो क्लासिफिकेशन संदर्भ ऐप देखें।

चरण 1: ग्रैडल निर्भरता और अन्य सेटिंग्स आयात करें

.tflite मॉडल फ़ाइल को एंड्रॉइड मॉड्यूल की संपत्ति निर्देशिका में कॉपी करें जहां मॉडल चलाया जाएगा। निर्दिष्ट करें कि फ़ाइल को संपीड़ित नहीं किया जाना चाहिए, और मॉड्यूल की build.gradle फ़ाइल में TensorFlow Lite लाइब्रेरी 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 कॉन्फ़िगर करने के लिए अधिक विकल्पों के लिए स्रोत कोड और javadoc देखें।

आईओएस में अनुमान चलाएँ

चरण 1: निर्भरताएँ स्थापित करें

टास्क लाइब्रेरी CocoaPods का उपयोग करके इंस्टॉलेशन का समर्थन करती है। सुनिश्चित करें कि CocoaPods आपके सिस्टम पर स्थापित है। कृपया निर्देशों के लिए कोकोपोड्स इंस्टालेशन 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 आप अनुमान के लिए 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 कॉन्फ़िगर करने के लिए अधिक विकल्पों के लिए स्रोत कोड देखें।

पायथन में अनुमान चलाएँ

चरण 1: पिप पैकेज स्थापित करें

pip install tflite-support
  • लिनक्स: sudo apt-get update && apt-get install libportaudio2 चलाएँ
  • मैक और विंडोज़: tflite-support pip पैकेज स्थापित करते समय पोर्टऑडियो स्वचालित रूप से इंस्टॉल 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 कॉन्फ़िगर करने के लिए अधिक विकल्पों के लिए स्रोत कोड देखें।

C++ में अनुमान चलाएँ

// 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 कॉन्फ़िगर करने के लिए अधिक विकल्पों के लिए स्रोत कोड देखें।

मॉडल अनुकूलता आवश्यकताएँ

AudioClassifier API अनिवार्य TFLite मॉडल मेटाडेटा के साथ एक TFLite मॉडल की अपेक्षा करता है। TensorFlow Lite मेटाडेटा राइटर API का उपयोग करके ऑडियो क्लासिफायर के लिए मेटाडेटा बनाने के उदाहरण देखें।

संगत ऑडियो क्लासिफायर 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।
  • आउटपुट स्कोर टेंसर (kTfLiteFloat32)

    • [1 x N] N के साथ सरणी वर्ग संख्या का प्रतिनिधित्व करती है।
    • TENSOR_AXIS_LABELS प्रकार के साथ एसोसिएटेडफाइल-एस के रूप में वैकल्पिक (लेकिन अनुशंसित) लेबल मैप, जिसमें प्रति पंक्ति एक लेबल होता है। ऐसी पहली एसोसिएटेड फ़ाइल (यदि कोई हो) का उपयोग परिणामों के label फ़ील्ड (C++ में class_name के रूप में नामित) को भरने के लिए किया जाता है। display_name फ़ील्ड एसोसिएटेड फ़ाइल (यदि कोई हो) से भरी जाती है, जिसका स्थान निर्माण के समय उपयोग किए गए AudioClassifierOptions के display_names_locale फ़ील्ड से मेल खाता है (डिफ़ॉल्ट रूप से "एन", यानी अंग्रेजी)। यदि इनमें से कोई भी उपलब्ध नहीं है, तो केवल परिणामों का index फ़ील्ड भरा जाएगा।