Diese Seite wurde von der Cloud Translation API übersetzt.

Migration für Android

Gradle-Importe aktualisieren

Für das neue SDK ist nur eine Abhängigkeit für jede ML Kit API erforderlich. Sie müssen keine gängigen Bibliotheken wie firebase-ml-vision oder firebase-ml-natural-language angeben. ML Kit verwendet den Namespace com.google.android.gms für Bibliotheken, die von Google Play-Diensten abhängen.

Vision APIs

Gebündelte Modelle werden als Teil Ihrer Anwendung bereitgestellt. Schlanke Modelle müssen heruntergeladen werden. Einige APIs sind sowohl in gebündelter als auch in schlanker Form verfügbar, andere nur in einer der beiden Formen:

API	Gebündelt	Schlank
Texterkennung	x (Beta)	x
Gesichtserkennung	x	x
Scannen von Barcodes	x	x
Hinzufügen von Bild-Labels	x	x
Objekterkennung und -tracking	x	-

Aktualisieren Sie die Abhängigkeiten für die ML Kit Android-Bibliotheken in der Gradle-Datei Ihres Moduls (auf App-Ebene, in der Regel app/build.gradle) gemäß den folgenden Tabellen:

Gebündelte Modelle

API	Alte Artefakte	Neues Artefakt
Scannen von Barcodes	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
Gesichtskontur	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
Hinzufügen von Bild-Labels	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
Objekterkennung	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

Schlanke Modelle

API	Alte Artefakte	Neues Artefakt
Scannen von Barcodes	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-barcode-scanning:18.3.1
Gesichtserkennung	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-face-detection:17.1.0
Texterkennung	com.google.firebase:firebase-ml-vision:24.0.1	com.google.android.gms:play-services-mlkit-text-recognition:19.0.1

AutoMLVision Edge

API	Altes Artefakt	Neues Artefakt
AutoML ohne Download	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
AutoML mit Download	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 com.google.mlkit:linkfirebase:17.0.0

Natural Language APIs

Gebündelte Modelle werden als Teil Ihrer Anwendung bereitgestellt. Schlanke Modelle müssen heruntergeladen werden:

API	Gebündelt	Schlank
Sprach-ID	x	x
Intelligente Antwort	x	x (Beta)

Aktualisieren Sie die Abhängigkeiten für die ML Kit Android-Bibliotheken in der Gradle-Datei Ihres Moduls (auf App-Ebene, in der Regel app/build.gradle) gemäß den folgenden Tabellen:

Gebündelte Modelle

API	Alte Artefakte	Neues Artefakt
Sprach-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
Intelligente Antwort	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

Schlanke Modelle

API	Alte Artefakte	Neues Artefakt
Sprach-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
Intelligente Antwort	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

Klassennamen aktualisieren

Wenn Ihre Klasse in dieser Tabelle aufgeführt ist, nehmen Sie die angegebene Änderung vor:

Alte Klasse	Neue Klasse
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.CustomRemoteModel
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

Für andere Klassen gelten folgende Regeln:

Entfernen Sie das Präfix FirebaseVision aus dem Klassennamen.
Entfernen Sie andere Präfixe, die mit dem Präfix Firebase beginnen, aus dem Klassennamen.

Ersetzen Sie außerdem in Paketnamen das Präfix com.google.firebase.ml durch com.google.mlkit.

Methodennamen aktualisieren

Es sind nur geringfügige Codeänderungen erforderlich:

Die Instanziierung von Detektor, Scanner, Labeler, Übersetzer usw. wurde geändert. Jedes Feature hat jetzt einen eigenen Einstiegspunkt. Beispiele: BarcodeScanning, TextRecognition, ImageLabeling, Translation … Aufrufe des Firebase-Dienstes getInstance() werden durch Aufrufe der Methode getClient() des Feature-Einstiegspunkts ersetzt.
Die Standardinstanziierung für TextRecognizer wurde entfernt, da wir zusätzliche Bibliotheken für die Erkennung anderer Schriftsysteme wie Chinesisch und Koreanisch eingeführt haben. Wenn Sie Standardoptionen mit dem Modell für die Texterkennung im lateinischen Schriftsystem verwenden möchten, deklarieren Sie eine Abhängigkeit von com.google.android.gms:play-services-mlkit-text-recognition und verwenden Sie TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
Die Standardinstanziierung für ImageLabeler und ObjectDetector wurde entfernt, da wir die Unterstützung für benutzerdefinierte Modelle für diese beiden Funktionen eingeführt haben. Wenn Sie beispielsweise Standardoptionen mit dem Basismodell in ImageLabeling verwenden möchten, deklarieren Sie eine Abhängigkeit von com.google.mlkit:image-labeling und verwenden Sie ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) in Java.
Alle Handles (Detektor, Scanner, Labeler, Übersetzer usw.) können geschlossen werden. Achten Sie darauf, dass die Methode close() aufgerufen wird, wenn diese Objekte nicht mehr verwendet werden. Wenn Sie sie in einem Fragment oder einer AppCompatActivity verwenden, können Sie dazu einfach LifecycleOwner.getLifecycle() für das Fragment oder die AppCompatActivity und dann Lifecycle.addObserver aufrufen.
processImage() und detectInImage() in den Vision APIs wurden aus Konsistenzgründen in process() umbenannt.
In den Natural Language APIs wird jetzt der Begriff „Sprachtag“ (gemäß BCP 47-Standard) anstelle von „Sprachcode“ verwendet.
Getter-Methoden in xxxOptions-Klassen wurden entfernt.
Die Methode „getBitmap()“ in der Klasse „InputImage“ (als Ersatz für FirebaseVisionImage) wird nicht mehr als Teil der öffentlichen Schnittstelle unterstützt. Unter BitmapUtils.java im ML Kit-Schnellstartbeispiel finden Sie Informationen zum Konvertieren von Bitmaps aus verschiedenen Eingaben.
FirebaseVisionImageMetadata wurde entfernt. Sie können einfach Bildmetadaten wie Breite, Höhe, rotationDegrees und Format an die Konstruktionsmethoden von InputImages übergeben.

Hier sind einige Beispiele für alte und neue Kotlin-Methoden:

Alt

// 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()
    )

Neu

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

Hier sind einige Beispiele für alte und neue Java-Methoden:

Alt

// 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());

Neu

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

API-spezifische Änderungen

Barcodes scannen

Für die Barcode Scanning API gibt es jetzt zwei Möglichkeiten, die Modelle bereitzustellen:

Über die Google Play-Dienste, also als „schlanke“ Version (empfohlen): Dadurch wird die App-Größe reduziert und das Modell wird von mehreren Anwendungen gemeinsam genutzt. Entwickler müssen jedoch dafür sorgen, dass das Modell heruntergeladen wird, bevor es zum ersten Mal verwendet wird.
Mit dem APK Ihrer App, also „gebündelt“: Dadurch wird die App-Größe erhöht, das Modell ist aber sofort nutzbar.

Die beiden Implementierungen unterscheiden sich geringfügig. Die „gebündelte“ Version bietet einige Verbesserungen gegenüber der „schlanken“ Version. Details zu diesen Unterschieden finden Sie in den Richtlinien zur Barcode Scanning API.

Gesichtserkennung

Für die Face Detection API gibt es zwei Möglichkeiten, die Modelle bereitzustellen:

Über die Google Play-Dienste, also als „schlanke“ Version (empfohlen): Dadurch wird die App-Größe reduziert und das Modell wird von mehreren Anwendungen gemeinsam genutzt. Entwickler müssen jedoch dafür sorgen, dass das Modell heruntergeladen wird, bevor es zum ersten Mal verwendet wird.
Mit dem APK Ihrer App, d. h. „gebündelt“: Dadurch wird die Downloadgröße der App erhöht, das Modell ist aber sofort einsatzbereit.

Das Verhalten der Implementierungen ist identisch.

Übersetzung

TranslateLanguage verwendet jetzt lesbare Namen für seine Konstanten (z. B. ENGLISH) anstelle von Sprach-Tags (EN). Sie sind jetzt auch @StringDef anstelle von @IntDef, und der Wert der Konstante ist das entsprechende BCP 47-Sprach-Tag.
Wenn Ihre App die Downloadbedingung „inaktives Gerät“ verwendet, sollten Sie beachten, dass diese Option entfernt wurde und nicht mehr verwendet werden kann. Sie können die Option „Gerät wird geladen“ weiterhin verwenden. Wenn Sie ein komplexeres Verhalten wünschen, können Sie den Aufruf von RemoteModelManager.download hinter Ihrer eigenen Logik verzögern

AutoML-Bildlabeling

Wenn Ihre App die Downloadbedingung „inaktives Gerät“ verwendet, sollten Sie beachten, dass diese Option entfernt wurde und nicht mehr verwendet werden kann. Sie können weiterhin die Option „Gerät wird geladen“ verwenden.

Wenn Sie ein komplexeres Verhalten wünschen, können Sie den Aufruf von RemoteModelManager.download hinter Ihrer eigenen Logik verzögern.

Objekterkennung und -tracking

Wenn Ihre App die Objekterkennung mit grober Klassifizierung verwendet, sollten Sie beachten, dass sich die Art und Weise geändert hat, wie das neue SDK die Klassifizierungskategorie für erkannte Objekte zurückgibt.

Die Klassifizierungskategorie wird als Instanz von DetectedObject.Label anstelle einer Ganzzahl zurückgegeben. In der Klasse PredefinedCategory sind alle möglichen Kategorien für den groben Klassifikator enthalten.

Hier ist ein Beispiel für den alten und neuen Kotlin-Code:

Alt

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

Neu

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

Hier ist ein Beispiel für den alten und neuen Java-Code:

Alt

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

Neu

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) {
    ...
}

Die Kategorie „Unbekannt“ wurde entfernt. Wenn die Konfidenz der Klassifizierung eines Objekts niedrig ist, geben wir einfach kein Label zurück.

Firebase-Abhängigkeiten entfernen (optional)

Dieser Schritt gilt nur, wenn die folgenden Bedingungen erfüllt sind:

Firebase ML Kit ist die einzige Firebase-Komponente, die Sie verwenden.
Sie verwenden nur On-Device-APIs.
Sie verwenden keine Modellbereitstellung.

In diesem Fall können Sie die Firebase-Abhängigkeiten nach der Migration entfernen. Gehen Sie so vor:

Entfernen Sie die Firebase-Konfigurationsdatei, indem Sie die Konfigurationsdatei „google-services.json“ im Modulverzeichnis Ihrer App (auf App-Ebene) löschen.
Ersetzen Sie das Gradle-Plug-in der Google-Dienste in der Gradle-Datei Ihres Moduls (in der Regel „app/build.gradle“, auf App-Ebene) durch das Strict Version Matcher-Plug-in:

Vorher

apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services'  // Google Services plugin

android {
  // …
}

Nachher

apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'

android {
  // …
}

Ersetzen Sie den Gradle-Plug-in-Klassenpfad der Google-Dienste in der Gradle-Datei Ihres Projekts („build.gradle“, auf Stammebene) durch den des Strict Version Matcher-Plug-ins:

Vorher

buildscript {
  dependencies {
    // ...

    classpath 'com.google.gms:google-services:4.3.3'  // Google Services plugin
  }
}

Nachher

buildscript {
  dependencies {
    // ...

    classpath 'com.google.android.gms:strict-version-matcher-plugin:1.2.1'
  }
}

Löschen Sie Ihre Firebase-App in der Firebase Console gemäß der Anleitung auf der Firebase-Supportwebsite.

Hilfe

Bei Probleme finden Sie auf unserer Community-Seite weitere Informationen dazu, wie Sie uns kontaktieren können.

Migration für Android Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Gradle-Importe aktualisieren

Vision APIs

Gebündelte Modelle

Schlanke Modelle

AutoMLVision Edge

Natural Language APIs

Gebündelte Modelle

Schlanke Modelle

Klassennamen aktualisieren

Methodennamen aktualisieren

Alt

Neu

Alt

Neu

API-spezifische Änderungen

Barcodes scannen

Gesichtserkennung

Übersetzung

AutoML-Bildlabeling

Objekterkennung und -tracking

Alt

Neu

Alt

Neu

Firebase-Abhängigkeiten entfernen (optional)

Vorher

Nachher

Vorher

Nachher

Hilfe

Migration für Android