在 Google I/O 大會上我們分享了一套教程，幫大家在音頻方面使用機(jī)器學(xué)習(xí)。在這篇文章中，您可找到一些相關(guān)資源，幫助開發(fā)與自定義應(yīng)用的音頻分類模型，以及激發(fā)靈感的真實(shí)案例。

音頻機(jī)器學(xué)習(xí)

“聲音”和“音頻“兩詞有時(shí)候會被混用，但是兩者有一點(diǎn)本質(zhì)上的區(qū)別，即聲音是你聽見的內(nèi)容，而音頻則是聲音的電子表現(xiàn)形式。這就是為什么我們討論機(jī)器學(xué)習(xí)的時(shí)候使用“音頻”一詞的原由。

音頻機(jī)器學(xué)習(xí)可用于：

理解語音

識別樂器

對事件分類（例如：識別鳥的種類）

檢測音高

生成音樂

本文我們將重點(diǎn)關(guān)注”音頻事件分類“，這是一種常見需求，在現(xiàn)實(shí)生活中的應(yīng)用非常多。例如 NOAA 創(chuàng)建了座頭鯨聲波探測器，再如倫敦動(dòng)物學(xué)會使用音頻識別來保護(hù)野生動(dòng)物。

座頭鯨聲波探測器

https://www.blog.google/technology/ai/pattern-radio-whale-songs/

您現(xiàn)在就可以前往 TensorFlow Hub 體驗(yàn)多種音頻事件分類模型（YAMNet、鯨魚探測）。

TensorFlow Hub

https://hub.tensorflow.google.cn

YAMNet

https://hub.tensorflow.google.cn/google/yamnet/1

鯨魚探測

https://hub.tensorflow.google.cn/google/humpback_whale/1

音頻識別也完全能夠在設(shè)備端運(yùn)行。例如，Android 擁有一項(xiàng)聲音通知功能，此功能可在您身邊出現(xiàn)重要聲音時(shí)推送通知。這項(xiàng)功能還可以檢測設(shè)備正在播放哪種音樂，甚至還可以通過一個(gè)基于機(jī)器學(xué)習(xí)的音頻錄制器來記錄設(shè)備上的對話。

聲音通知

https://blog.google/products/android/new-sound-notifications-on-android/

正在播放哪種音樂

https://blog.google/products/pixel/on-device-ai-with-pixel4/

音頻錄制器

https://ai.googleblog.com/2019/12/the-on-device-machine-learning-behind.html

如何在自己的應(yīng)用中使用這些模型？

如何根據(jù)自己的音頻用例自定義這些模型？

部署設(shè)備端機(jī)器學(xué)習(xí)模型

想象一下，如果您已經(jīng)擁有一個(gè)音頻分類模型（例如從 TF-Hub 獲取的預(yù)訓(xùn)練模型），您會怎樣在移動(dòng)應(yīng)用上使用該模型？為了幫助您將音頻分類集成到應(yīng)用中，我們創(chuàng)建了 TensorFlow Lite Task Library。音頻分類器組件現(xiàn)已發(fā)布，您只需幾行代碼即可將音頻分類模型添加到您的應(yīng)用之中：

音頻分類器

https://tensorflow.google.cn/lite/inference_with_metadata/task_library/audio_classifier

// Initialization

val classifier = AudioClassifier.createFromFile（this， modelPath）

// Start recording

val record = classifier.createAudioRecord（）

record.startRecording（）

// Load latest audio samples

val tensor = classifier.createInputTensorAudio（）

tensor.load（record）;

// Run inference

val output = classifier.classify（tensor）

該庫負(fù)責(zé)將音頻分類模型加載到內(nèi)存，以使用適當(dāng)?shù)哪Ｐ鸵?guī)格（采樣率、比特率）和分類方法創(chuàng)建音頻錄制器，并獲取模型推理結(jié)果。您可以點(diǎn)擊此處查看完整示例并獲取靈感。

此處

https://github.com/tensorflow/examples/tree/master/lite/examples/sound_classification/android

自定義模型

如果您需要識別的音頻事件未包含在預(yù)訓(xùn)練模型提供的集合中，應(yīng)該怎么辦？或者您需要細(xì)化事件類別，又該如何？在以上情況下，您可以使用一項(xiàng)名為遷移學(xué)習(xí)的技術(shù)對模型進(jìn)行微調(diào)。

遷移學(xué)習(xí)

https://developers.google.com/machine-learning/glossary#transfer-learning

這一流程十分常規(guī)，您無需成為機(jī)器學(xué)習(xí)方面的專家也能做到。在此過程中，您可以使用 Model Maker 來助您一臂之力。

Model Maker

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

spec = audio_classifier.YamNetSpec（）

data = audio_classifier.DataLoader.from_folder（spec， DATA_DIR）

train_data， validation_data = data.split（0.8）

model = audio_classifier.create（train_data， spec， validation_data）

model.export（models_path）

您可以點(diǎn)擊此處查看完整代碼。輸出模型可使用 Task Library 直接加載。另外，Model Maker 不僅能夠自定義音頻模型，還可以自定義圖像、文本以及推薦系統(tǒng)的模型。

此處

https://tensorflow.google.cn/lite/tutorials/model_maker_audio_classification

總結(jié)

音頻機(jī)器學(xué)習(xí)是一個(gè)令人興奮的領(lǐng)域，具備許多可能性，同時(shí)支持不少新功能。借助 TensorFlow Lite Task Library 等工具，在設(shè)備端使用機(jī)器學(xué)習(xí) 變得越來越簡單便捷。有了 Model Maker，無需領(lǐng)域?qū)I(yè)知識也可進(jìn)行自定義。

您可以在我們有關(guān)設(shè)備端機(jī)器學(xué)習(xí)的新網(wǎng)站中了解詳情（點(diǎn)擊此處可前往音頻路徑）。您將找到教程、代碼 等相關(guān)資源，這些資源不僅包括如何處理音頻相關(guān)的任務(wù)，還包括圖像（分類、目標(biāo)檢測）以及文本（分類、實(shí)體提取、問答）等。

設(shè)備端機(jī)器學(xué)習(xí)

https://developers.google.com/learn/topics/on-device-ml

此處

https://developers.google.com/learn/pathways/on-device-ml-5

您還可以在社交網(wǎng)絡(luò)帖子中添加 #TensorFlow 標(biāo)簽，與我們分享您在項(xiàng)目中創(chuàng)建的內(nèi)容，或者將其提交參加 TensorFlow Community Spotlight 計(jì)劃。如果有任何疑問，歡迎在 discuss.tensorflow.google.cn 上提問。

discuss.tensorflow.google.cn

https://discuss.tensorflow.google.cn/

責(zé)任編輯：haq