YamNet 是一个基于深度神经网络的音频事件识别模型，由 Google 提出，使用 MobileNet 架构作为主干网络。该模型以 AudioSet 数据集为基础训练，能够对广泛的环境声音进行分类，包括人声、动物叫声、交通噪音、乐器演奏等 500 多种音频事件。它支持从原始音频中提取特征，并快速识别其中可能的声学事件。

由于模型结构轻量、响应快速，YamNet 特别适合部署在边缘设备上，如智能音箱、移动设备以及 IoT 终端。其输出包括类概率分布、嵌入特征以及帧级预测结果，可灵活应用于事件检测、声音搜索、语义理解等多种音频智能场景。

YamNet 的可扩展性强，可与其他模型结合，进一步提升音频场景识别的准确率，是构建听觉 AI 系统的重要组件。

源模型仓库：YamNet

当用户对源模型进行过微调，需要重新进行模型转换。

用户可以自行参考以下两种方式完成模型转换：

• 使用 AIMO 完成模型转换：在右侧性能参考板块中点击模型转换参考查看模型转换步骤

• 使用高通 QNN 完成模型转换：请参考 Qualcomm QNN 文档

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK 实现。

对于模型文件格式为 .bin 的模型，可以使用以下两种推理引擎完成模型在高通芯片上推理：

• 使用 APLUX AidLite 推理：详情请参考 APLUX AidLite 开发者文档

• 使用 Qualcomm QNN 推理：请参考 Qualcomm QNN 文档

推理示例代码

推理示例代码是基于 AidLite SDK 实现

点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md