更新 Gradle 导入
新版 SDK 仅需为每个 ML Kit API 添加一个依赖项。您无需指定 firebase-ml-vision 或 firebase-ml-natural-language 等常见库。对于依赖于 Google Play 服务的库，ML Kit 使用 com.google.android.gms 命名空间。
Vision API
捆绑模型作为应用的一部分交付。必须下载精简模型。 有些 API 同时提供捆绑形式和精简形式，有些 API 则仅提供其中一种形式：
| 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，更新模块（应用级）Gradle 文件（通常为 app/build.gradle）中 Android 版机器学习套件库的依赖项：
捆绑式模型
| 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 |
精简模型
| API | 旧制品 | 新工件 |
|---|---|---|
| 条形码扫描 | com.google.firebase:firebase-ml-vision:24.0.1 | com.google.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 |
| 使用下载功能的 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
com.google.mlkit:linkfirebase:17.0.0 |
Natural Language API
捆绑模型作为应用的一部分交付。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，更新模块（应用级）Gradle 文件（通常为 app/build.gradle）中 Android 版机器学习套件库的依赖项：
捆绑式模型
| 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 |
精简模型
| 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.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 |
更新了类名称
如果您的课程显示在此表格中，请进行指示的更改：
| 旧课程 | 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.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 |
对于其他课程，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/标记器/翻译器…实例化已更改。每项功能现在都有自己的入口点。例如：BarcodeScanning、TextRecognition、ImageLabeling、Translation 等。对 Firebase 服务
getInstance()的调用替换为对功能入口点的getClient()方法的调用。 - 我们引入了用于识别其他文字（如中文和韩文）的其他库，因此移除了 TextRecognizer 的默认实例化。如需使用拉丁文字识别模型的默认选项，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)。 - 移除了 ImageLabeler 和 ObjectDetector 的默认实例化，因为我们为这两个功能引入了自定义模型支持。例如，若要在 ImageLabeling 中使用带有基本模型的默认选项，请声明对
com.google.mlkit:image-labeling的依赖关系，并在 Java 中使用ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS)。 - 所有句柄（检测器/扫描器/标记器/翻译器…）均可关闭。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，一种简单的方法是，对 Fragment 或 AppCompatActivity 调用 LifecycleOwner.getLifecycle()，然后调用 Lifecycle.addObserver - 为保持一致，Vision API 中的
processImage()和detectInImage()已重命名为process()。 - Natural Language API 现在使用“语言标记”（如 BCP 47 标准所定义）一词，而不是“语言代码”。
- 移除了 xxxOptions 类中的 getter 方法。
- InputImage 类中的 getBitmap() 方法（替换
FirebaseVisionImage）不再作为公共接口的一部分受支持。请参阅 ML Kit 快速入门示例中的BitmapUtils.java，了解如何从各种输入源获取转换后的位图。 - FirebaseVisionImageMetadata 已移除，您只需将宽度、高度、rotationDegrees、格式等图片元数据传递到 InputImage 的构建方法中即可。
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 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())
以下是一些新旧 Java 方法的示例：
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 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());
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（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该模型之前先下载它。
- 将应用的 APK（也称为“捆绑”）- 这会增加应用的大小，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”版本有许多改进。如需详细了解这些差异，请参阅 Barcode Scanning API 指南。
人脸检测
对于 Face Detection API，模型可以通过以下两种方式交付：
- 通过 Google Play 服务（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该模型之前先下载它。
- 使用应用的 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。
实现的行为相同。
翻译
TranslateLanguage现在使用易读的常量名称（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。如果您的应用使用“设备空闲”下载条件选项，请注意，此选项已被移除，无法再使用。您仍然可以使用“设备充电”选项。如果您需要更复杂的行为，可以根据自己的逻辑延迟调用
RemoteModelManager.download。
AutoML Image Labeling
如果您的应用使用“设备空闲”下载条件选项，请注意，此选项已被移除，无法再使用。您仍然可以使用“设备充电”选项。
如果您需要更复杂的行为，可以根据自己的逻辑延迟调用 RemoteModelManager.download。
对象检测和跟踪
如果您的应用使用粗略分类的对象检测，请注意，新版 SDK 更改了其返回检测到的对象分类类别的方式。
分类类别以 DetectedObject.Label 的实例形式返回，而不是以整数形式返回。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，我们就不会返回任何标签。
移除 Firebase 依赖项（可选）
仅当满足以下条件时，才需要执行此步骤：
- Firebase ML Kit 是您使用的唯一 Firebase 组件。
- 您仅使用设备端 API。
- 您不使用模型服务。
如果是这种情况，您可以在迁移后移除 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）中的 Google 服务 Gradle 插件替换为 Strict Version Matcher 插件：
之前
apply plugin: 'com.android.application'
apply plugin: 'com.google.gms.google-services' // Google Services plugin
android {
// …
}之后
apply plugin: 'com.android.application'
apply plugin: 'com.google.android.gms.strict-version-matcher-plugin'
android {
// …
}- 将项目（根级）Gradle 文件 (build.gradle) 中的 Google 服务 Gradle 插件 classpath 替换为 Strict Version Matcher 插件的 classpath：
之前
buildscript {
dependencies {
// ...
classpath 'com.google.gms:google-services:4.3.3' // Google Services plugin
}
}
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，其中列出了可用于与我们联系的渠道。