Android के लिए माइग्रेट करना

इस गाइड में, Android के लिए ML Kit for Firebase से माइग्रेट करने का तरीका बताया गया है.

Gradle इंपोर्ट अपडेट करना

ML Kit SDK को हर ML Kit API के लिए सिर्फ़ एक डिपेंडेंसी की ज़रूरत होती है. आपको firebase-ml-vision या firebase-ml-natural-language जैसी सामान्य लाइब्रेरी के बारे में बताने की ज़रूरत नहीं है. ML Kit, Google Play services पर निर्भर रहने वाली लाइब्रेरी के लिए com.google.android.gms नेमस्पेस का इस्तेमाल करता है.

Vision API

बंडल किए गए मॉडल, आपके ऐप्लिकेशन के साथ डिलीवर किए जाते हैं. थिन मॉडल डाउनलोड किए जाने चाहिए. कुछ एपीआई, बंडल किए गए और थिन फ़ॉर्म, दोनों में उपलब्ध हैं. वहीं, कुछ सिर्फ़ एक फ़ॉर्म में उपलब्ध हैं:

यहां दी गई टेबल के हिसाब से, अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर app/build.gradle.kts) में, ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी अपडेट करें:

बंडल किए गए मॉडल

पतले मॉडल

AutoMLVision Edge

Natural Language API

बंडल किए गए मॉडल, आपके ऐप्लिकेशन के साथ डिलीवर किए जाते हैं. पतले मॉडल को डाउनलोड करना ज़रूरी है:

यहां दी गई टेबल के हिसाब से, अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर app/build.gradle.kts) में, ML Kit Android लाइब्रेरी के लिए डिपेंडेंसी अपडेट करें:

बंडल किए गए मॉडल

पतले मॉडल

क्लास के नाम अपडेट करना

अगर आपकी क्लास इस टेबल में दिखती है, तो बताए गए बदलाव करें:

अन्य क्लास के लिए, इन नियमों का पालन करें:

• क्लास के नाम से FirebaseVision प्रीफ़िक्स हटाएं.
• क्लास के नाम से, Firebase प्रीफ़िक्स से शुरू होने वाले अन्य प्रीफ़िक्स हटाएं.

साथ ही, पैकेज के नामों में com.google.firebase.ml प्रीफ़िक्स को com.google.mlkit से बदलें.

अपडेट करने के तरीके के नाम

कोड में छोटे-मोटे बदलाव किए गए हैं:

• डिटेक्टर/स्कैनर/लेबलर/अनुवादक... इंस्टैंटिएशन बदल गया है. अब हर सुविधा का अपना एंट्री पॉइंट है. उदाहरण के लिए: BarcodeScanning, TextRecognition, ImageLabeling, Translation... Firebase सेवा getInstance() को किए गए कॉल, सुविधा के एंट्री पॉइंट के getClient() तरीके को किए गए कॉल से बदल दिए जाते हैं.
• TextRecognizer के लिए डिफ़ॉल्ट इंस्टैंटिएशन हटा दिया गया है, क्योंकि हमने चीनी और कोरियन जैसी अन्य स्क्रिप्ट को पहचानने के लिए अतिरिक्त लाइब्रेरी जोड़ी हैं. लैटिन स्क्रिप्ट वाले टेक्स्ट को पहचानने वाले मॉडल के साथ डिफ़ॉल्ट विकल्पों का इस्तेमाल करने के लिए, com.google.android.gms:play-services-mlkit-text-recognition पर निर्भरता का एलान करें और TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS) का इस्तेमाल करें.
• ImageLabeler और ObjectDetector के लिए डिफ़ॉल्ट इंस्टैंटिएशन हटा दिया गया है, क्योंकि हमने इन दोनों सुविधाओं के लिए कस्टम मॉडल का इस्तेमाल करने की सुविधा शुरू की है. उदाहरण के लिए, ImageLabeling में बेस मॉडल के साथ डिफ़ॉल्ट विकल्पों का इस्तेमाल करने के लिए, com.google.mlkit:image-labeling पर डिपेंडेंसी का एलान करें और Java में ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) का इस्तेमाल करें.
• सभी हैंडल (डिटेक्टर/स्कैनर/लेबलर/अनुवादक...) को बंद किया जा सकता है. पक्का करें कि close() तरीके को तब कॉल किया जाए, जब उन ऑब्जेक्ट का इस्तेमाल नहीं किया जाएगा. अगर इनका इस्तेमाल Fragment या AppCompatActivity में किया जा रहा है, तो ऐसा करने का एक तरीका यह है कि Fragment या AppCompatActivity पर LifecycleOwner.getLifecycle() को कॉल करें. इसके बाद, Lifecycle.addObserver को कॉल करें.
• Vision API में processImage() और detectInImage() का नाम बदलकर process() कर दिया गया है, ताकि सभी एपीआई के नाम एक जैसे हों.
• Natural Language API अब "भाषा कोड" के बजाय "भाषा टैग" शब्द का इस्तेमाल करते हैं. बीसीपी 47 स्टैंडर्ड के मुताबिक, भाषा टैग को परिभाषित किया गया है.
• xxxOptions क्लास में मौजूद गेटर तरीके हटा दिए गए हैं.
• InputImage क्लास में मौजूद getBitmap() मेथड (FirebaseVisionImage की जगह) को अब पब्लिक इंटरफ़ेस के तौर पर इस्तेमाल नहीं किया जा सकता. अलग-अलग इनपुट से बिटमैप में बदलने के लिए, ML Kit के क्विकस्टार्ट सैंपल में BitmapUtils.java देखें.
• FirebaseVisionImageMetadata को हटा दिया गया है. अब आपको सिर्फ़ इमेज का मेटाडेटा पास करना होगा. जैसे, width, height, rotationDegrees, format. इसे InputImage के कंस्ट्रक्शन मेथड में पास करें.

यहां Kotlin के पुराने और नए तरीकों के कुछ उदाहरण दिए गए हैं:

// Construct image labeler with base model and default options.
val imageLabeler = FirebaseVision.getInstance().onDeviceImageLabeler

// Construct object detector with base model and default options.
val objectDetector = FirebaseVision.getInstance().onDeviceObjectDetector

// Construct face detector with given options
val faceDetector = FirebaseVision.getInstance().getVisionFaceDetector(options)

// Construct image labeler with local AutoML model
val localModel =
    FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build()
val autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build()
    )

// Construct image labeler with base model and default options.
val imageLabeler = ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)
// Optional: add lifecycle observer
lifecycle.addObserver(imageLabeler)

// Construct object detector with base model and default options.
val objectDetector = ObjectDetection.getClient(
    ObjectDetectorOptions.DEFAULT_OPTIONS
)

// Construct face detector with given options
val faceDetector = FaceDetection.getClient(options)

// Construct image labeler with local AutoML model
val localModel =
  LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build()
val autoMLImageLabeler =
  ImageLabeling.getClient(
    CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build())
  

यहां Java के पुराने और नए तरीकों के कुछ उदाहरण दिए गए हैं:

// Construct image labeler with base model and default options.
FirebaseVisionImageLabeler imagelLabeler =
     FirebaseVision.getInstance().getOnDeviceImageLabeler();

// Construct object detector with base model and default options.
FirebaseVisionObjectDetector objectDetector =
     FirebaseVision.getInstance().getOnDeviceObjectDetector();

// Construct face detector with given options
FirebaseVisionFaceDetector faceDetector =
     FirebaseVision.getInstance().getVisionFaceDetector(options);

// Construct image labeler with local AutoML model
FirebaseAutoMLLocalModel localModel =
    new FirebaseAutoMLLocalModel.Builder()
      .setAssetFilePath("automl/manifest.json")
      .build();
FirebaseVisionImageLabeler autoMLImageLabeler =
    FirebaseVision.getInstance()
      .getOnDeviceAutoMLImageLabeler(
          FirebaseVisionOnDeviceAutoMLImageLabelerOptions.Builder(localModel)
            .setConfidenceThreshold(0.3F)
            .build());

// Construct image labeler with base model and default options.
ImageLabeler imageLabeler = ImageLabeling.getClient(
    ImageLabelerOptions.DEFAULT_OPTIONS
);
// Optional: add lifecycle observer
getLifecycle().addObserver(imageLabeler);

// Construct object detector with base model and default options.
ObjectDetector objectDetector = ObjectDetection.getClient(
    ObjectDetectorOptions.DEFAULT_OPTIONS
);

// Construct face detector with given options
FaceDetector faceDetector = FaceDetection.getClient(options);

// Construct image labeler with local AutoML model
LocalModel localModel =
  new LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    .build();
ImageLabeler autoMLImageLabeler =
  ImageLabeling.getClient(
    new CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.3F).build());
  

एपीआई से जुड़े बदलाव

बारकोड स्कैन करना

बारकोड स्कैन करने वाले एपीआई के लिए, अब मॉडल को दो तरीकों से डिलीवर किया जा सकता है:

• Google Play services के ज़रिए, जिसे "थिन" भी कहा जाता है (सुझाया गया) - इससे ऐप्लिकेशन का साइज़ कम हो जाता है और मॉडल को ऐप्लिकेशन के बीच शेयर किया जाता है. हालांकि, डेवलपर को यह पक्का करना होगा कि मॉडल को पहली बार इस्तेमाल करने से पहले डाउनलोड कर लिया गया हो.
• आपके ऐप्लिकेशन के APK, जिसे "बंडल किया गया" भी कहा जाता है - इससे ऐप्लिकेशन का साइज़ बढ़ जाता है, लेकिन इसका मतलब है कि मॉडल का तुरंत इस्तेमाल किया जा सकता है.

दोनों वर्शन को लागू करने का तरीका थोड़ा अलग है. "बंडल्ड" वर्शन में, "थिन" वर्शन की तुलना में कई सुधार किए गए हैं. इन अंतरों के बारे में जानकारी, Barcode Scanning API के दिशा-निर्देशों में दी गई है.

चेहरे की पहचान करने की सुविधा

चेहरे का पता लगाने वाले एपीआई के लिए, मॉडल को दो तरीकों से डिलीवर किया जा सकता है:

• Google Play services के ज़रिए, जिसे "थिन" भी कहा जाता है (सुझाया गया) - इससे ऐप्लिकेशन का साइज़ कम हो जाता है और मॉडल को ऐप्लिकेशन के बीच शेयर किया जाता है. हालांकि, डेवलपर को यह पक्का करना होगा कि मॉडल को पहली बार इस्तेमाल करने से पहले डाउनलोड कर लिया गया हो.
• आपके ऐप्लिकेशन के APK यानी "बंडल किए गए" के साथ - इससे ऐप्लिकेशन के डाउनलोड का साइज़ बढ़ जाता है. हालांकि, इसका मतलब यह है कि मॉडल का तुरंत इस्तेमाल किया जा सकता है.

दोनों को लागू करने का तरीका एक जैसा है.

Translation

• TranslateLanguage अब अपने कॉन्स्टेंट के लिए, भाषा टैग (EN) के बजाय पढ़ने में आसान नाम (जैसे, ENGLISH) का इस्तेमाल करता है. ये अब @IntDef के बजाय @StringDef भी हैं. साथ ही, कॉन्स्टेंट की वैल्यू, मैच करने वाला BCP 47 भाषा टैग है.

AutoML इमेज लेबलिंग (अब सेवा में नहीं है)

AutoML का इस्तेमाल करके, इमेज लेबलिंग के लिए कस्टम मॉडल डाउनलोड करने की सुविधा बंद कर दी गई है. इसे 15 जून, 2027 को बंद कर दिया जाएगा. आपको मॉडल होस्ट करने के लिए Cloud Storage का इस्तेमाल करना चाहिए. साथ ही, मॉडल डाउनलोड करने के लिए, अपने ऐप्लिकेशन में डाउनलोड लॉजिक जोड़ना चाहिए. ज़्यादा जानकारी के लिए, Firebase ML से Cloud Storage पर माइग्रेट करने से जुड़ी गाइड देखें.

ऑब्जेक्ट का पता लगाना और उसे ट्रैक करना

अगर आपका ऐप्लिकेशन, ऑब्जेक्ट का पता लगाने की सुविधा के लिए सामान्य क्लासिफ़िकेशन का इस्तेमाल करता है, तो ध्यान रखें कि नए एसडीके में, पता लगाए गए ऑब्जेक्ट के लिए क्लासिफ़िकेशन कैटगरी को वापस लाने का तरीका बदल गया है.

क्लासिफ़िकेशन कैटगरी को पूर्णांक के बजाय, DetectedObject.Label के इंस्टेंस के तौर पर दिखाया जाता है. मोटे तौर पर क्लासिफ़ायर की सभी संभावित कैटगरी, PredefinedCategory क्लास में शामिल की जाती हैं.

यहां Kotlin कोड का पुराना और नया उदाहरण दिया गया है:

if (object.classificationCategory == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.labels.isEmpty() &&
    object.labels[0].text == PredefinedCategory.FOOD) {
    ...
}
// or
if (!object.labels.isEmpty() &&
    object.labels[0].index == PredefinedCategory.FOOD_INDEX) {
    ...
}

यहां Java के पुराने और नए कोड का उदाहरण दिया गया है:

if (object.getClassificationCategory() == FirebaseVisionObject.CATEGORY_FOOD) {
    ...
}

if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getText().equals(PredefinedCategory.FOOD)) {
    ...
}
// or
if (!object.getLabels().isEmpty()
    && object.getLabels().get(0).getIndex() == PredefinedCategory.FOOD_INDEX) {
    ...
}

"अज्ञात" कैटगरी को हटा दिया गया है. जब किसी ऑब्जेक्ट के क्लासिफ़िकेशन का कॉन्फ़िडेंस लेवल कम होता है, तो हम कोई लेबल नहीं दिखाते.

Firebase की डिपेंडेंसी हटाना

माइग्रेशन के बाद, Firebase की डिपेंडेंसी हटाएं. यह तरीका अपनाएं:

• अपने ऐप्लिकेशन के मॉड्यूल (ऐप्लिकेशन-लेवल) डायरेक्ट्री में मौजूद google-services.json कॉन्फ़िगरेशन फ़ाइल को मिटाकर, Firebase कॉन्फ़िगरेशन फ़ाइल हटाएं.
• अपने मॉड्यूल (ऐप्लिकेशन-लेवल) की Gradle फ़ाइल (आम तौर पर app/build.gradle.kts) में, Google Services Gradle प्लगिन को Strict Version Matcher प्लगिन से बदलें:

plugins {
  id("com.android.application")
  id("com.google.gms.google-services")
}

android {
  // …
}

plugins {
  id("com.android.application")
  id("com.google.android.gms.strict-version-matcher-plugin")
}

android {
  // …
}

• अपने प्रोजेक्ट की (रूट-लेवल) Gradle फ़ाइल (build.gradle.kts) में, Google Services Gradle प्लगिन के क्लासपाथ को Strict Version Matcher प्लगिन के क्लासपाथ से बदलें:

buildscript {
  dependencies {
    // ...

    classpath("com.google.gms:google-services:4.3.3")
  }
}

buildscript {
  dependencies {
    // ...
    classpath("com.google.android.gms:strict-version-matcher-plugin:1.2.1")
  }
}

Firebase सहायता साइट पर दिए गए निर्देशों के मुताबिक, Firebase कंसोल में जाकर अपना Firebase ऐप्लिकेशन मिटाएं.

मदद लेना

अगर आपको कोई समस्या आती है, तो कृपया हमारा कम्यूनिटी पेज देखें. यहां हमने उन चैनलों के बारे में बताया है जिनके ज़रिए हमसे संपर्क किया जा सकता है.