Esta página foi traduzida pela API Cloud Translation.

Integrar classificadores de áudio

A classificação de áudio é um caso de uso comum de Machine Learning para classificar os tipos de som. Por exemplo, ele pode identificar as espécies de aves por seus cantos.

A API AudioClassifier da Biblioteca de Tarefas pode ser usada para implantar seus classificadores de áudio personalizados ou pré-treinados em seu aplicativo móvel.

Principais recursos da API AudioClassifier

Processamento de áudio de entrada, por exemplo, conversão de codificação PCM de 16 bits para codificação PCM Float e manipulação do buffer de anel de áudio.
Local do mapa de rótulos.
Suportando o modelo de classificação Multi-head.
Suporta classificação de rótulo único e rótulo múltiplo.
Limite de pontuação para filtrar resultados.
Resultados da classificação top-k.
Rotular lista de permissões e lista de negações.

Modelos de classificador de áudio compatíveis

Os modelos a seguir são compatíveis com a API AudioClassifier .

Modelos criados pelo Model Maker do TensorFlow Lite para classificação de áudio .
Os modelos de classificação de eventos de áudio pré-treinados no TensorFlow Hub .
Modelos personalizados que atendem aos requisitos de compatibilidade do modelo .

Executar inferência em Java

Consulte o aplicativo de referência Audio Classification para obter um exemplo usando AudioClassifier em um aplicativo Android.

Etapa 1: importar a dependência do Gradle e outras configurações

Copie o arquivo de modelo .tflite para o diretório assets do módulo Android onde o modelo será executado. Especifique que o arquivo não deve ser compactado e adicione a biblioteca do TensorFlow Lite ao arquivo build.gradle do módulo:

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:0.4.0'
    // Import the GPU delegate plugin Library for GPU inference
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin:0.4.0'
}

Etapa 2: usando o modelo

// 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);

Consulte o código-fonte e o javadoc para obter mais opções para configurar o AudioClassifier .

Executar inferência no iOS

Etapa 1: instalar as dependências

A Biblioteca de Tarefas oferece suporte à instalação usando CocoaPods. Certifique-se de que o CocoaPods esteja instalado em seu sistema. Consulte o guia de instalação do CocoaPods para obter instruções.

Consulte o guia CocoaPods para obter detalhes sobre como adicionar pods a um projeto Xcode.

Adicione o pod TensorFlowLiteTaskAudio no Podfile.

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

Certifique-se de que o modelo .tflite que você usará para inferência esteja presente em seu pacote de aplicativos.

Etapa 2: usando o modelo

Rápido

// 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)
        }
    }
}

Objetivo C

// 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];

        });
    }
}];

Consulte o código-fonte para obter mais opções para configurar o TFLAudioClassifier .

Executar inferência em Python

Etapa 1: Instale o pacote pip

pip install tflite-support

Linux: Execute sudo apt-get update && apt-get install libportaudio2
Mac e Windows: PortAudio é instalado automaticamente ao instalar o pacote pip tflite-support .

Etapa 2: usando o modelo

# 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)

Consulte o código-fonte para obter mais opções para configurar AudioClassifier .

Executar inferência em 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();

Consulte o código-fonte para obter mais opções para configurar AudioClassifier .

Requisitos de compatibilidade do modelo

A API AudioClassifier espera um modelo TFLite com metadados de modelo TFLite obrigatórios. Veja exemplos de criação de metadados para classificadores de áudio usando a API TensorFlow Lite Metadata Writer .

Os modelos de classificadores de áudio compatíveis devem atender aos seguintes requisitos:

Tensor de áudio de entrada (kTfLiteFloat32)
- clipe de áudio de tamanho [batch x samples] .
- a inferência de lote não é suportada (o batch deve ser 1).
- para modelos multicanal, os canais precisam ser intercalados.
Tensor de pontuação de saída (kTfLiteFloat32)
- [1 x N] array com N representa o número da classe.
- mapa(s) de rótulo opcional (mas recomendado) como AssociatedFile-s com tipo TENSOR_AXIS_LABELS, contendo um rótulo por linha. O primeiro AssociatedFile (se houver) é usado para preencher o campo de label (nomeado como class_name em C++) dos resultados. O campo display_name é preenchido a partir do AssociatedFile (se houver) cuja localidade corresponde ao campo display_names_locale do AudioClassifierOptions usado no momento da criação ("en" por padrão, ou seja, inglês). Se nenhum deles estiver disponível, apenas o campo de index dos resultados será preenchido.