Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

迁移到 Android

本指南介绍了如何从 Android 版 Firebase 机器学习套件迁移。

更新 Gradle 导入

机器学习套件 SDK 仅要求每个机器学习套件 API 具有一个依赖项。您无需指定 firebase-ml-vision 或 firebase-ml-natural-language 等通用库。对于依赖于 Google Play 服务的库，机器学习套件使用 com.google.android.gms 命名空间。

Vision API

捆绑模型会作为应用的一部分进行交付。必须下载精简模型。有些 API 既有捆绑形式，也有精简形式，而其他 API 则只有其中一种形式：

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

捆绑模型

API	旧制品	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
面部轮廓	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

轻薄机型

API	旧制品	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:19.0.2

AutoMLVision Edge

API	旧工件	新工件
无需下载即可使用 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
AutoML（支持下载）	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，以便使用 `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

捆绑模型会作为应用的一部分进行交付。必须下载精简模型：

API	捆绑	细
语言 ID	x	x
智能回复	x	x（Beta 版）

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

捆绑模型

API	旧制品	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

轻薄机型

API	旧制品	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，请进行相应更改：

旧课程	新建课程
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/标签器/翻译器…实例化已更改。现在，每个功能都有自己的入口点。例如：BarcodeScanning、TextRecognition、ImageLabeling、Translation…对 Firebase 服务 getInstance() 的调用会被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中文和韩文等其他文字的其他库，因此 TextRecognizer 的默认实例化已被移除。如需将默认选项与拉丁文字文本识别模型搭配使用，请声明对 com.google.android.gms:play-services-mlkit-text-recognition 的依赖关系，并使用 TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)。
由于我们为 ImageLabeler 和 ObjectDetector 这两项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，如需在 ImageLabeling 中将默认选项与基础模型搭配使用，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/标记器/转换器…）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。
Vision API 中的 processImage() 和 detectInImage() 已重命名为 process()，以保持一致。
Natural Language API 现在使用术语“语言标记”（如 BCP 47 标准所定义），而不是“语言代码”。
移除了 xxxOptions 类中的 getter 方法。
InputImage 类中的 getBitmap() 方法（取代 FirebaseVisionImage）不再作为公共接口的一部分受支持。请参阅机器学习套件快速入门示例中的 BitmapUtils.java，了解如何从各种输入中转换位图。
FirebaseVisionImageMetadata 已被移除，您只需将图片元数据（例如 width、height、rotationDegrees、format）传入 InputImage 的构造方法即可。

以下是一些新旧 Kotlin 方法的示例：

旧优惠

// 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

// 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 方法示例：

旧优惠

// 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

// 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());

API 专属变更

条形码扫描

对于条形码扫描 API，现在可以通过以下两种方式提供模型：

通过 Google Play 服务（也称为“瘦”客户端）（推荐） - 这样可以减小应用大小，并且模型可在应用之间共享。不过，开发者需要确保在首次使用模型之前已下载该模型。
与应用的 APK（也称为“捆绑包”）一起 - 这会增加应用大小，但意味着模型可以立即使用。

这两种实现略有不同，“捆绑”版本比“精简”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，可以通过以下两种方式提供模型：

通过 Google Play 服务（也称为“瘦”客户端）（推荐） - 这样可以减小应用大小，并且模型可在应用之间共享。不过，开发者需要确保在首次使用模型之前已下载该模型。
与应用的 APK（也称为“捆绑”） - 这会增加应用下载大小，但意味着模型可以立即使用。

这些实现的行为相同。

翻译

TranslateLanguage 现在为其常量使用可读名称（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）

下载使用 AutoML 进行图片标签标注的自定义模型的功能已弃用，并将于 2027 年 6 月 15 日停用。您应使用 Cloud Storage 托管模型，并向应用添加下载逻辑，以便下载模型。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

如果您的应用使用对象检测和粗略分类，请注意，新 SDK 更改了返回检测到的对象的分类类别的方式。

分类类别以 DetectedObject.Label 实例（而非整数）的形式返回。粗略分类器的所有可能类别都包含在 PredefinedCategory 类中。

以下是新旧 Kotlin 代码的示例：

旧优惠

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

新

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：

旧优惠

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

新

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) {
    ...
}

“未知”类别已被移除。如果对象分类的置信度较低，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：

通过删除应用模块（应用级）目录中的 google-services.json 配置文件来移除 Firebase 配置文件。
将模块（应用级）Gradle 文件（通常是 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")
  }
}

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

获取帮助

如果您遇到任何问题，请访问我们的社区页面，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

轻薄机型

AutoMLVision Edge

Natural Language API

捆绑模型

轻薄机型

更新类名称

更新方法名称

旧优惠

新

旧优惠

新

API 专属变更

条形码扫描

人脸检测

翻译

AutoML Image Labeling（已弃用）

对象检测和跟踪

旧优惠

新

旧优惠

新

移除 Firebase 依赖项

之前

之后

之前

之后

获取帮助

迁移到 Android