การจัดประเภทเสียงเป็นกรณีการใช้งานทั่วไปของการเรียนรู้ของเครื่องเพื่อจัดประเภทเสียง ตัวอย่างเช่น สามารถระบุชนิดของนกได้จากเพลงของพวกมัน
Task Library AudioClassifier
API สามารถใช้เพื่อปรับใช้ตัวแยกประเภทเสียงแบบกำหนดเองหรือตัวแยกประเภทเสียงที่ได้รับการฝึกล่วงหน้าในแอปมือถือของคุณ
คุณสมบัติที่สำคัญของ AudioClassifier API
การประมวลผลเสียงอินพุต เช่น การแปลงการเข้ารหัส PCM 16 บิตเป็นการเข้ารหัส PCM Float และการจัดการบัฟเฟอร์วงแหวนเสียง
ป้ายชื่อสถานที่แผนที่
รองรับโมเดลการจำแนกประเภทหลายหัว
รองรับการจำแนกประเภททั้งฉลากเดียวและหลายฉลาก
เกณฑ์คะแนนเพื่อกรองผลลัพธ์
ผลการจำแนกประเภท Top-k
ติดป้ายกำกับรายการที่อนุญาตและรายการที่ปฏิเสธ
รุ่นตัวแยกประเภทเสียงที่รองรับ
รับประกันว่ารุ่นต่อไปนี้จะเข้ากันได้กับ AudioClassifier
API
โมเดลที่สร้างโดย TensorFlow Lite Model Maker สำหรับการจำแนกเสียง
โมเดลการจัดหมวดหมู่เหตุการณ์เสียงที่ได้รับการฝึกล่วงหน้าบน TensorFlow Hub
โมเดลแบบกำหนดเองที่ตรงตาม ข้อกำหนดความเข้ากันได้ของโมเดล
เรียกใช้การอนุมานใน Java
ดูตัวอย่าง แอปอ้างอิงการจัดประเภทเสียง โดยใช้ AudioClassifier
ในแอป Android
ขั้นตอนที่ 1: นำเข้าการพึ่งพา Gradle และการตั้งค่าอื่นๆ
คัดลอกไฟล์โมเดล .tflite
ไปยังไดเร็กทอรีทรัพย์สินของโมดูล Android ที่จะเรียกใช้โมเดล ระบุว่าไม่ควรบีบอัดไฟล์ และเพิ่มไลบรารี TensorFlow Lite ลงในไฟล์ build.gradle
ของโมดูล:
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'
}
ขั้นตอนที่ 2: การใช้แบบจำลอง
// 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);
ดู ซอร์สโค้ดและ javadoc สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
เรียกใช้การอนุมานใน iOS
ขั้นตอนที่ 1: ติดตั้งการอ้างอิง
Task Library รองรับการติดตั้งโดยใช้ CocoaPods ตรวจสอบให้แน่ใจว่าติดตั้ง CocoaPods บนระบบของคุณแล้ว โปรดดู คู่มือการติดตั้ง CocoaPods สำหรับคำแนะนำ
โปรดดู คู่มือ CocoaPods สำหรับรายละเอียดเกี่ยวกับการเพิ่มพ็อดในโปรเจ็กต์ Xcode
เพิ่มพ็อด TensorFlowLiteTaskAudio
ใน Podfile
target 'MyAppWithTaskAPI' do
use_frameworks!
pod 'TensorFlowLiteTaskAudio'
end
ตรวจสอบให้แน่ใจว่าโมเดล .tflite
ที่คุณจะใช้ในการอนุมานมีอยู่ใน App Bundle ของคุณ
ขั้นตอนที่ 2: การใช้แบบจำลอง
สวิฟท์
// 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)
}
}
}
วัตถุประสงค์ ค
// 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];
});
}
}];
ดู ซอร์สโค้ด สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า TFLAudioClassifier
เรียกใช้การอนุมานใน Python
ขั้นตอนที่ 1: ติดตั้งแพ็คเกจ pip
pip install tflite-support
- Linux: เรียกใช้
sudo apt-get update && apt-get install libportaudio2
- Mac และ Windows: PortAudio จะถูกติดตั้งโดยอัตโนมัติเมื่อติดตั้งแพ็คเกจ pip
tflite-support
ขั้นตอนที่ 2: การใช้แบบจำลอง
# 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)
ดู ซอร์สโค้ด สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
เรียกใช้การอนุมานใน 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();
ดู ซอร์สโค้ด สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า AudioClassifier
ข้อกำหนดความเข้ากันได้ของโมเดล
AudioClassifier
API คาดว่าจะมีโมเดล TFLite พร้อมด้วย ข้อมูลเมตาของโมเดล TFLite ที่บังคับ ดูตัวอย่างการสร้างข้อมูลเมตาสำหรับตัวแยกประเภทเสียงโดยใช้ TensorFlow Lite Metadata Writer API
รุ่นตัวแยกประเภทเสียงที่เข้ากันได้ควรเป็นไปตามข้อกำหนดต่อไปนี้:
เทนเซอร์เสียงอินพุต (kTfLiteFloat32)
- คลิปเสียงขนาด
[batch x samples]
. - ไม่รองรับการอนุมานแบบแบตช์ (
batch
ต้องเป็น 1) - สำหรับรุ่นหลายช่องสัญญาณ ช่องต่างๆ จะต้องมีการแทรกสลับกัน
- คลิปเสียงขนาด
เทนเซอร์คะแนนเอาท์พุต (kTfLiteFloat32)
- อาร์เรย์
[1 x N]
ที่มีN
แสดงถึงหมายเลขคลาส - การแมปป้ายกำกับเพิ่มเติม (แต่แนะนำ) เป็น AssociatedFile-s ที่มีประเภท TENSOR_AXIS_LABELS โดยมีหนึ่งป้ายกำกับต่อบรรทัด AssociatedFile แรกดังกล่าว (ถ้ามี) จะใช้ในการกรอกฟิลด์
label
(ชื่อเป็นclass_name
ใน C++) ของผลลัพธ์ ฟิลด์display_name
จะถูกกรอกจาก AssociatedFile (ถ้ามี) ซึ่งมีโลแคลตรงกับฟิลด์display_names_locale
ของAudioClassifierOptions
ที่ใช้ในเวลาที่สร้าง ("en" ตามค่าเริ่มต้น เช่น ภาษาอังกฤษ) หากไม่มีสิ่งใดเลย ระบบจะกรอกเฉพาะฟิลด์index
ของผลลัพธ์เท่านั้น
- อาร์เรย์