Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

迁移到 Android

本指南介绍了如何从适用于 Android 的 Firebase 机器学习套件迁移。

更新 Gradle 导入

机器学习套件 SDK 仅需要每个机器学习套件 API 的一个依赖项。您无需指定 firebase-ml-vision 或 firebase-ml-natural-language 等常用库。机器学习套件对依赖于 Google Play 服务的库使用 com.google.android.gms 命名空间。

Vision API

捆绑模型作为应用的一部分提供。细模型必须下载。某些 API 以捆绑和细两种形式提供，而其他 API 仅以其中一种形式提供：

API	捆绑	细
文本识别	x（Beta 版）	x
人脸检测	x	x
条形码扫描	x	x
图片标注	x	x
对象检测和跟踪	x	-

根据下表，更新模块（应用级）Gradle 文件（通常为 app/build.gradle.kts）中 Android 版机器学习套件库的依赖项：

捆绑模型

API	旧工件	新工件
条形码扫描	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-barcode-model:16.0.1	com.google.mlkit:barcode-scanning:17.3.0
人脸轮廓	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-face-model:19.0.0	com.google.mlkit:face-detection:16.1.7
图片标注	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-image-label-model:19.0.0	com.google.mlkit:image-labeling:17.0.9
对象检测	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-object-detection-model:19.0.3	com.google.mlkit:object-detection:17.0.2

细模型

API	旧工件	新工件
条形码扫描	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.1
人脸检测	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-face-detection:17.1.0
文本识别	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-text-recognition:19.0.1

AutoMLVision Edge

API	旧工件	新工件
无需下载的 AutoML	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.3
需要下载的 AutoML	com.google.firebase:firebase-ml-vision:24.0.1 com.google.firebase:firebase-ml-vision-automl:18.0.3	com.google.mlkit:image-labeling-custom:17.0.3 如需托管和下载自定义模型，请将模型移至 Cloud Storage，并在应用中添加下载逻辑以使用 `LocalModel` 加载模型。如需了解详情，请参阅 Firebase ML 到 Cloud Storage 迁移指南。

Natural Language API

捆绑模型作为应用的一部分提供。细模型必须下载：

API	捆绑	细
语言 ID	x	x
智能回复	x	x（Beta 版）

根据下表，更新模块（应用级）Gradle 文件（通常为 app/build.gradle.kts）中 Android 版机器学习套件库的依赖项：

捆绑模型

API	旧工件	新工件
语言 ID	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.mlkit:language-id:17.0.6
智能回复	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.mlkit:smart-reply:17.0.4

细模型

API	旧工件	新工件
语言 ID	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-language-id-model:20.0.7	com.google.android.gms:play-services-mlkit-language-id:17.0.0
智能回复	com.google.firebase:firebase-ml-natural-language:22.0.0 com.google.firebase:firebase-ml-natural-language-smart-reply-model:20.0.7	com.google.android.gms:play-services-mlkit-smart-reply:16.0.0-beta1

更新类名称

如果您的类出现在此表中，请进行指示的更改：

旧类	新类
com.google.firebase.ml.common.FirebaseMLException	com.google.mlkit.common.MlKitException
com.google.firebase.ml.vision.common.FirebaseVisionImage	com.google.mlkit.vision.common.InputImage
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.labeler.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabeler
com.google.firebase.ml.vision.barcode.FirebaseVisionBarcodeDetector	com.google.mlkit.vision.barcode.BarcodeScanner
com.google.firebase.ml.vision.automl.FirebaseAutoMLLocalModel	com.google.mlkit.common.model.LocalModel
com.google.firebase.ml.vision.automl.FirebaseAutoMLRemoteModel	com.google.mlkit.common.model.LocalModel 需要手动下载。Firebase 托管的远程模型已弃用。如需了解详情，请参阅 Firebase ML 到 Cloud Storage 迁移指南。
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceImageLabelerOptions	com.google.mlkit.vision.label.defaults.ImageLabelerOptions
com.google.firebase.ml.vision.label.FirebaseVisionImageLabel	com.google.mlkit.vision.label.ImageLabel
com.google.firebase.ml.vision.label.FirebaseVisionOnDeviceAutoMLImageLabelerOptions	com.google.mlkit.vision.label.custom.CustomImageLabelerOptions
com.google.firebase.ml.vision.objects.FirebaseVisionObjectDetectorOptions	com.google.mlkit.vision.objects.defaults.ObjectDetectorOptions

对于其他类，请遵循以下规则：

从类名称中移除 FirebaseVision 前缀。
从类名称中移除以 Firebase 前缀开头的其他前缀。

此外，在软件包名称中，将 com.google.firebase.ml 前缀替换为 com.google.mlkit。

更新方法名称

只需修改极少代码：

检测器/扫描器/标注器/翻译器…实例化已更改。每个功能现在都有自己的入口点。例如：BarcodeScanning、TextRecognition、ImageLabeling、Translation… 对 Firebase 服务 getInstance() 的调用将替换为对功能入口点的 getClient() 方法的调用。
由于我们引入了用于识别其他脚本（如中文和韩文）的其他库，因此移除了 TextRecognizer 的默认实例化。如需将默认选项与拉丁文脚本文本识别模型搭配使用，请声明对 com.google.android.gms:play-services-mlkit-text-recognition 的依赖项，并使用 TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)。
由于我们为 ImageLabeler 和 ObjectDetector 这两个功能引入了自定义模型支持，因此移除了它们的默认实例化。例如，如需将默认选项与 ImageLabeling 中的基本模型搭配使用，请声明对 com.google.mlkit:image-labeling 的依赖项，并在 Java 中使用 ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)。
所有句柄（检测器/扫描器/标注器/翻译器…）都是可关闭的。确保在不再使用这些对象时调用 close() 方法。如果您在 Fragment 或 AppCompatActivity 中使用它们，一种方法是在 Fragment 或 AppCompatActivity 上调用 LifecycleOwner.getLifecycle()，然后调用 Lifecycle.addObserver。
为了保持一致性，Vision API 中的 processImage() 和 detectInImage() 已重命名为 process()。
Natural Language API 现在使用术语“语言标记”（由 BCP 47 标准定义），而不是“语言代码”。
移除了 xxxOptions 类中的 getter 方法。
作为公共接口的一部分，不再支持 InputImage 类（替换 FirebaseVisionImage）中的 getBitmap() 方法。如需获取从各种输入转换而来的位图，请参阅BitmapUtils.java在机器学习套件快速入门示例中。
移除了 FirebaseVisionImageMetadata，您只需将图片元数据（例如 width、height、rotationDegrees、format）传递到 InputImage 的构造方法中即可。

以下是一些新旧 Kotlin 方法的示例：

旧方法

// 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()
    )

新方法

// 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())

以下是一些新旧 Java 方法的示例：

旧方法

// 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());

新方法

// 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());

特定于 API 的更改

条形码扫描

对于条形码扫描 API，现在有两种模型交付方式：

通过 Google Play 服务（又称“细模型”，推荐） - 这种方式可以减小应用大小，并且模型在应用之间共享。不过，开发者需要确保在首次使用模型之前下载该模型。
通过应用的 APK（又称“捆绑模型”） - 这种方式会增加应用大小，但意味着模型可以立即使用。

这两种实现方式略有不同，“捆绑模型”版本比“细模型”版本有一些改进。如需详细了解这些差异，请参阅条形码扫描 API 指南。

人脸检测

对于人脸检测 API，有两种模型交付方式：

通过 Google Play 服务（又称“细模型”，推荐） - 这种方式可以减小应用大小，并且模型在应用之间共享。不过，开发者需要确保在首次使用模型之前下载该模型。
通过应用的 APK（又称“捆绑模型”） - 这种方式会增加应用下载大小，但意味着模型可以立即使用。

这两种实现方式的行为相同。

翻译

TranslateLanguage 现在为其常量使用可读的名称（例如 ENGLISH），而不是语言标记 (EN)。它们现在也是 @StringDef，而不是 @IntDef，并且常量的值是匹配的 BCP 47 语言标记。

AutoML Image Labeling（已弃用）

使用 AutoML 下载自定义模型以进行图片标注的功能已弃用，并将于 2027 年 6 月 15 日关闭。您应使用 Cloud Storage 托管模型，并在应用中添加下载逻辑以改为下载模型。如需了解详情，请参阅 Firebase ML 到 Cloud Storage 迁移指南。

对象检测和跟踪

如果您的应用使用粗略分类进行对象检测，请注意，新 SDK 更改了其返回检测到的对象的分类类别的方式。

分类类别将作为 DetectedObject.Label 的实例返回，而不是整数。PredefinedCategory 类中包含粗略分类器的所有可能类别。

以下是新旧 Kotlin 代码的示例：

旧代码

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

新代码

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

以下是新旧 Java 代码的示例：

旧代码

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

新代码

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) {
    ...
}

移除了“unknown”类别。当对象分类的置信度较低时，我们不会返回任何标签。

移除 Firebase 依赖项

迁移后，移除 Firebase 依赖项。请按照以下步骤操作：

移除 Firebase 配置文件：删除应用模块（应用级）目录中的 google-services.json 配置文件。
将模块（应用级）Gradle 文件（通常为 app/build.gradle.kts）中的 Google 服务 Gradle 插件替换为 Strict Version Matcher 插件：

之前

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

android {
  // …
}

之后

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

android {
  // …
}

将项目（根级）Gradle 文件 (build.gradle.kts) 中的 Google 服务 Gradle 插件类路径替换为 Strict Version Matcher 插件的类路径：

之前

buildscript {
  dependencies {
    // ...

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

之后

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

按照 Firebase 支持网站上的说明，在 Firebase 控制台中删除 Firebase 应用。

获取帮助

如果您遇到任何问题，请查看我们的社区页面，其中列出了与我们联系的可用渠道。

迁移到 Android 使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

更新 Gradle 导入

Vision API

捆绑模型

细模型

AutoMLVision Edge

Natural Language API

捆绑模型

细模型

更新类名称

更新方法名称

旧方法

新方法

旧方法

新方法

特定于 API 的更改

条形码扫描

人脸检测

翻译

AutoML Image Labeling（已弃用）

对象检测和跟踪

旧代码

新代码

旧代码

新代码

移除 Firebase 依赖项

之前

之后

之前

之后

获取帮助

迁移到 Android