聲音分類是機(jī)器學(xué)習(xí)任務(wù)中的一項(xiàng)，您向機(jī)器學(xué)習(xí)模型輸入一些聲音將其分類成預(yù)定義的類別，例如犬吠聲、汽車鳴笛聲等。目前，已有許多聲音分類應(yīng)用，檢測非法砍伐活動、檢測座頭鯨的聲音以更好地了解它們的自然行為。

測非法砍伐活動
https://v.youku.com/v_show/id_XMzQ4MTUxOTIxNg==.html?spm=a2hzp.8253869.0.0

檢測座頭鯨的聲音
https://ai.googleblog.com/2018/10/acoustic-detection-of-humpback-whales.html

我們很高興地宣布，現(xiàn)在 Teachable Machine 可用于訓(xùn)練您自己的聲音分類模型，并可導(dǎo)出 TensorFlow Lite (TFLite) 格式模型。然后，您可以將 TFLite 模型集成到移動應(yīng)用或物聯(lián)網(wǎng)設(shè)備。這是快速運(yùn)行聲音分類的簡便方式，分類之后，您可以在 Python 中探索構(gòu)建生產(chǎn)模型，再將其導(dǎo)出到 TFLite。

Teachable Machine
https://teachablemachine.withgoogle.com/

模型架構(gòu)

Teachable Machine 使用小型卷積模型對 1 秒音頻樣本進(jìn)行分類。如上圖所示，模型接收聲譜圖（通過傅里葉變換獲取的聲音的 2D 時頻表示形式）。它首先會處理具有連續(xù)二維卷積層和最大池化層的聲譜圖。模型以多個全連接層結(jié)束，這些層與隨機(jī) dropout 層交錯，用于減少訓(xùn)練過程中的過擬合。模型的最終輸出是一個概率分?jǐn)?shù)數(shù)組，要訓(xùn)練模型識別的每個聲音類都有一個概率分?jǐn)?shù)。

在 Python 中使用此方式訓(xùn)練您自己的聲音分類模型，請查看此教程。

教程
https://tensorflow.google.cn/tutorials/audio/simple_audio

使用您自己的數(shù)據(jù)集訓(xùn)練模型

使用您自己的數(shù)據(jù)集訓(xùn)練聲音分類模型有如下兩種方式：

簡單方式：連一行代碼都不需要寫，使用 Teachable Machine 收集訓(xùn)練數(shù)據(jù)，并且全部在瀏覽器中訓(xùn)練模型。這種方式適用于想通過交互方式快速構(gòu)建原型的用戶。

穩(wěn)健方式：提前錄制要用作訓(xùn)練數(shù)據(jù)集的聲音，然后使用 Python 訓(xùn)練并認(rèn)真地評估模型。當(dāng)然，這種方法的自動化以及可重復(fù)性也高于簡單方式。

使用 Teachable Machine 訓(xùn)練模型

Teachable Machine 是一款可用于創(chuàng)建訓(xùn)練數(shù)據(jù)集和訓(xùn)練多種機(jī)器學(xué)習(xí)模型的 GUI 工具，包括圖像分類、姿態(tài)分類和聲音分類。Teachable Machine 底層使用 TensorFlow.js 訓(xùn)練機(jī)器學(xué)習(xí)模型。您可以將訓(xùn)練的模型導(dǎo)出為 TensorFlow.js 格式，以在網(wǎng)絡(luò)瀏覽器中使用，或者導(dǎo)出為 TensorFlow Lite 格式，以在移動應(yīng)用或物聯(lián)網(wǎng)設(shè)備中使用。

下面是訓(xùn)練模型的步驟：

前往 Teachable Machine(https://teachablemachine.withgoogle.com)網(wǎng)站

創(chuàng)建一個音頻項(xiàng)目

為您想要識別的每個類別錄制一些聲音片段。每個類別只需要 8 秒的聲音

開始訓(xùn)練。完成后，您就可以在實(shí)時音頻源上測試您的模型

以 TFLite 格式導(dǎo)出模型

使用 Python 訓(xùn)練模型

如果錄音長達(dá)幾個小時或者有數(shù)十個類別，則在網(wǎng)絡(luò)瀏覽器上訓(xùn)練聲音分類可能耗時很長。在這種情況下，您可以提前收集訓(xùn)練數(shù)據(jù)集，將它們轉(zhuǎn)換成 WAV 格式，然后使用此 Colab Notebook（包括將模型轉(zhuǎn)換成 TFLite 格式的步驟）訓(xùn)練聲音分類。Google Colab 提供免費(fèi)的 GPU，幫助您大幅提升模型訓(xùn)練的速度。

Notebook
https://colab.research.google.com/github/tensorflow/tfjs-models/blob/master/speech-commands/training/browser-fft/training_custom_audio_model_in_python.ipynb

通過 TF Lite 將模型部署到 Android

在 TensorFlow Lite 聲音分類模型訓(xùn)練完成后，您便可將其放到此 Android 示例應(yīng)用中試用。只需按照以下步驟操作： 1. 從 GitHub 克隆示例應(yīng)用：

git clone https://github.com/tensorflow/examples.git 2. 將聲音分類 Android 應(yīng)用導(dǎo)入 Android Studio。您可以在 lite/examples/sound_classification/android 文件夾中找到它。 3. 將模型（soundclassifier.tflite 和 labels.txt）添加到 src/main/assets 文件夾中，替換其中已有的示例模型。

4. 構(gòu)建應(yīng)用并將其部署到 Android 設(shè)備上?，F(xiàn)在，您就可以實(shí)時對聲音分類啦！

要將該模型集成到您自己的應(yīng)用中，您可以將 SoundClassifier.kt 類從示例應(yīng)用和已經(jīng)訓(xùn)練的 TFLite 復(fù)制到您的應(yīng)用。然后，您可以按如下方式使用該模型：

1. 從 Activity或 Fragment類初始化 SoundClassifier實(shí)例。

var soundClassifier: SoundClassifier soundClassifier = SoundClassifier(context).also { it.lifecycleOwner = context }

2. 開始從設(shè)備的麥克風(fēng)捕獲實(shí)時音頻，并實(shí)時分類：

soundClassifier.start()

3. 作為可讀類名稱的映射接收實(shí)時分類結(jié)果，以及當(dāng)前聲音屬于每個特定類別的概率。

let labelName = soundClassifier.labelList[0] // e.g. "Clap" soundClassifier.probabilities.observe(this) { resultMap -> let probability = result[labelName] // e.g. 0.7 }

未來計(jì)劃

我們正在開發(fā) iOS 版本的示例應(yīng)用，它將于幾周后發(fā)布。我們還會擴(kuò)展 TensorFlow Lite Model Maker 以簡化 Python 中聲音分類的訓(xùn)練。敬請期待！

Model Maker
https://tensorflow.google.cn/lite/guide/model_maker

致謝

此項(xiàng)目由 Google 內(nèi)部的多個團(tuán)隊(duì)聯(lián)合開發(fā)。特別感謝：

Google Research：Shanqing Cai、Lisie Lillianfeld

TensorFlow 團(tuán)隊(duì)：Tian Lin

Teachable Machine 團(tuán)隊(duì)：Gautam Bose、Jonas Jongejan

Android 團(tuán)隊(duì)：Saryong Kang、Daniel Galpin、Jean-Michel Trivi、Don Turner

責(zé)任編輯：xj

原文標(biāo)題：使用 TensorFlow Lite 快速構(gòu)建移動端聲音分類應(yīng)用

文章出處：【微信公眾號：TensorFlow】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。