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 .

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 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.