集成音频分类器

音频分类是机器学习的常见用例，用于对声音类型进行分类。例如，它可以通过鸟叫声识别鸟类物种。

任务库 AudioClassifier API 可用于将您自定义的音频分类器或预训练的音频分类器部署到您的移动应用程序中。

AudioClassifier API 的主要功能

  • 输入音频处理，例如将 PCM 16 位编码转换为 PCM 浮点编码以及音频环形缓冲区的操作。

  • 标签映射区域设置。

  • 支持多头分类模型。

  • 支持单标签和多标签分类。

  • 用于过滤结果的评分阈值。

  • 前 k 个分类结果。

  • 标签允许列表和拒绝列表。

支持的音频分类器模型

以下模型保证与 AudioClassifier API 兼容。

在 Java 中运行推理

请参阅 音频分类参考应用程序，了解在 Android 应用程序中使用 AudioClassifier 的示例。

步骤 1：导入 Gradle 依赖项和其他设置

将 .tflite 模型文件复制到将运行模型的 Android 模块的 assets 目录。指定该文件不应压缩，并将 TensorFlow Lite 库添加到模块的 build.gradle 文件中

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'
}

步骤 2：使用模型

// 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);

请参阅 源代码和 javadoc，了解配置 AudioClassifier 的更多选项。

在 iOS 中运行推理

步骤 1：安装依赖项

任务库支持使用 CocoaPods 进行安装。确保您的系统上已安装 CocoaPods。请参阅 CocoaPods 安装指南 获取说明。

请参阅 CocoaPods 指南，了解有关将 pod 添加到 Xcode 项目的详细信息。

在 Podfile 中添加 TensorFlowLiteTaskAudio pod。

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

确保您将用于推理的 .tflite 模型存在于您的应用程序包中。

步骤 2：使用模型

Swift

// 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)
        }
    }
}

Objective 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];

        });
    }
}];

请参阅 源代码，了解配置 TFLAudioClassifier 的更多选项。

在 Python 中运行推理

步骤 1：安装 pip 包

pip install tflite-support
  • Linux：运行 sudo apt-get update && apt-get install libportaudio2
  • Mac 和 Windows：安装 tflite-support pip 包时会自动安装 PortAudio。

步骤 2：使用模型

# 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)

查看 源代码 以了解配置 AudioClassifier 的更多选项。

在 C++ 中运行推理

// 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();

查看 源代码 以了解配置 AudioClassifier 的更多选项。

模型兼容性要求

AudioClassifier API 预期使用具有强制性 TFLite 模型元数据 的 TFLite 模型。查看使用 TensorFlow Lite 元数据写入器 API 为音频分类器创建元数据的示例。

兼容的音频分类器模型应满足以下要求

  • 输入音频张量 (kTfLiteFloat32)

    • 大小为 [batch x samples] 的音频片段。
    • 不支持批处理推理 (batch 必须为 1)。
    • 对于多通道模型，通道需要交错。

  • 输出分数张量 (kTfLiteFloat32)

    • [1 x N] 数组，其中 N 表示类别数。
    • 可选（但推荐）标签映射作为 AssociatedFile，类型为 TENSOR_AXIS_LABELS，每行包含一个标签。第一个这样的 AssociatedFile（如果有）用于填充结果的 label 字段（在 C++ 中命名为 class_name）。display_name 字段从与创建时使用的 AudioClassifierOptions 的 display_names_locale 字段匹配的 AssociatedFile（如果有）中填充（默认情况下为“en”，即英语）。如果这些都没有，则只会填充结果的 index 字段。