如何使用TensorFlow Lite快速构建移动端声音分类应用

声音分类是机器学习任务中的一项，您向机器学习模型输入一些声音将其分类成预定义的类别，例如犬吠声、汽车鸣笛声等。目前，已有许多声音分类应用，检测非法砍伐活动、检测座头鲸的声音以更好地了解它们的自然行为。

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

检测座头鲸的声音
https://ai.googleblog.com/2018/10/acoustic-detection-of-humpback-whales.html

我们很高兴地宣布，现在 Teachable Machine 可用于训练您自己的声音分类模型，并可导出 TensorFlow Lite (TFLite) 格式模型。然后，您可以将 TFLite 模型集成到移动应用或物联网设备。这是快速运行声音分类的简便方式，分类之后，您可以在 Python 中探索构建生产模型，再将其导出到 TFLite。

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

模型架构

Teachable Machine 使用小型卷积模型对 1 秒音频样本进行分类。如上图所示，模型接收声谱图（通过傅里叶变换获取的声音的 2D 时频表示形式）。它首先会处理具有连续二维卷积层和最大池化层的声谱图。模型以多个全连接层结束，这些层与随机 dropout 层交错，用于减少训练过程中的过拟合。模型的最终输出是一个概率分数数组，要训练模型识别的每个声音类都有一个概率分数。

在 Python 中使用此方式训练您自己的声音分类模型，请查看此教程。

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

使用您自己的数据集训练模型

使用您自己的数据集训练声音分类模型有如下两种方式：

简单方式：连一行代码都不需要写，使用 Teachable Machine 收集训练数据，并且全部在浏览器中训练模型。这种方式适用于想通过交互方式快速构建原型的用户。

稳健方式：提前录制要用作训练数据集的声音，然后使用 Python 训练并认真地评估模型。当然，这种方法的自动化以及可重复性也高于简单方式。

使用 Teachable Machine 训练模型

Teachable Machine 是一款可用于创建训练数据集和训练多种机器学习模型的 GUI 工具，包括图像分类、姿态分类和声音分类。Teachable Machine 底层使用 TensorFlow.js 训练机器学习模型。您可以将训练的模型导出为 TensorFlow.js 格式，以在网络浏览器中使用，或者导出为 TensorFlow Lite 格式，以在移动应用或物联网设备中使用。

下面是训练模型的步骤：

前往 Teachable Machine(https://teachablemachine.withgoogle.com)网站

创建一个音频项目

为您想要识别的每个类别录制一些声音片段。每个类别只需要 8 秒的声音

开始训练。完成后，您就可以在实时音频源上测试您的模型

以 TFLite 格式导出模型

使用 Python 训练模型

如果录音长达几个小时或者有数十个类别，则在网络浏览器上训练声音分类可能耗时很长。在这种情况下，您可以提前收集训练数据集，将它们转换成 WAV 格式，然后使用此 Colab Notebook（包括将模型转换成 TFLite 格式的步骤）训练声音分类。Google Colab 提供免费的 GPU，帮助您大幅提升模型训练的速度。

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

通过 TF Lite 将模型部署到 Android

在 TensorFlow Lite 声音分类模型训练完成后，您便可将其放到此 Android 示例应用中试用。只需按照以下步骤操作： 1. 从 GitHub 克隆示例应用：

git clone https://github.com/tensorflow/examples.git 2. 将声音分类 Android 应用导入 Android Studio。您可以在 lite/examples/sound_classification/android 文件夹中找到它。 3. 将模型（soundclassifier.tflite 和 labels.txt）添加到 src/main/assets 文件夹中，替换其中已有的示例模型。

4. 构建应用并将其部署到 Android 设备上。现在，您就可以实时对声音分类啦！

要将该模型集成到您自己的应用中，您可以将 SoundClassifier.kt 类从示例应用和已经训练的 TFLite 复制到您的应用。然后，您可以按如下方式使用该模型：

1. 从 Activity或 Fragment类初始化 SoundClassifier实例。

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

2. 开始从设备的麦克风捕获实时音频，并实时分类：

soundClassifier.start()

3. 作为可读类名称的映射接收实时分类结果，以及当前声音属于每个特定类别的概率。

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

未来计划

我们正在开发 iOS 版本的示例应用，它将于几周后发布。我们还会扩展 TensorFlow Lite Model Maker 以简化 Python 中声音分类的训练。敬请期待！

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

致谢

此项目由 Google 内部的多个团队联合开发。特别感谢：

Google Research：Shanqing Cai、Lisie Lillianfeld

TensorFlow 团队：Tian Lin

Teachable Machine 团队：Gautam Bose、Jonas Jongejan

Android 团队：Saryong Kang、Daniel Galpin、Jean-Michel Trivi、Don Turner

责任编辑：xj

原文标题：使用 TensorFlow Lite 快速构建移动端声音分类应用

文章出处：【微信公众号：TensorFlow】欢迎添加关注！文章转载请注明出处。