Mit maschinellem Lernen (ML) können Sie Ihre App optimieren und Funktionen zur Verarbeitung von Bildern, Ton und Text hinzufügen.

Unabhängig davon, ob Sie ein erfahrener Entwickler sind oder gerade erst anfangen, können Sie Ihrer App Funktionen für maschinelles Lernen hinzufügen.

Durch die Verarbeitung von Text, Audio und Video in Echtzeit lassen sich neue Möglichkeiten für Nutzer erschließen.
Inferenzen lokal ausführen, ohne Nutzerdaten an die Cloud zu senden.
Es ist keine Netzwerkverbindung erforderlich und es muss kein Dienst in der Cloud ausgeführt werden.
Senken Sie Ihre Cloud-Rechnung, indem Sie Ihre ML-Features auf dem Gerät ausführen.

Android-Apps mit Gemini optimieren

Gemini API
Mit der neuen Gemini API können Sie die Modellinferenz auf Google-Servern ausführen. Sie können die API entweder über Ihr Backend aufrufen oder das neue Google AI SDK, ein Client SDK für Android, direkt einbinden.
Weitere Informationen
Android AICore
Ab Android 14 ist Android AICore eine neue Systemfunktion, mit der Foundation Models wie Gemini Nano direkt auf dem Gerät ausgeführt werden können.
Weitere Informationen

Sofort einsatzbereites oder benutzerdefiniertes ML?

ML Kit bietet produktionsreife Lösungen für häufige Probleme und erfordert keine ML-Kenntnisse. Die Modelle sind integriert und für Mobilgeräte optimiert. ML Kit ist nutzerfreundlich und ermöglicht es Ihnen, sich auf die Entwicklung von Features zu konzentrieren, anstatt auf das Training und die Optimierung des Modells.
Weitere Informationen
Wenn Sie mehr Kontrolle haben oder Ihre eigenen ML-Modelle bereitstellen möchten, bietet Android einen benutzerdefinierten ML-Stack auf der Grundlage von TensorFlow Lite und Google Play-Diensten. Er behandelt die Grundlagen, die für die Bereitstellung leistungsstarker ML-Funktionen erforderlich sind.
Weitere Informationen

ML Kit SDKs: Sofort einsatzbereit für häufige Nutzerflüsse

ML Kit bietet Zugriff auf produktionsreife ML-Modelle auf dem Gerät. ML Kit APIs sind für Mobilgeräte optimiert und erfordern keine ML-Kenntnisse. Beispiele für ML Kit-APIs:
Erkennt in Echtzeit und auf dem Gerät, ob ein Bild ein Gesicht enthält und wie viele Gesichter vorhanden sind.
Weitere Informationen
Erkennt Texte in Chinesisch, Devanagari, Japanisch, Koreanisch oder einer anderen Sprache mit lateinischen Buchstaben.
Weitere Informationen
In Barcodes codierte Daten für die gängigsten linearen und 2D-Formate (QR-Code) lesen.
Weitere Informationen
ML Kit bietet mehr als 10 Vision- und Sprach-APIs, z. B. Bildbeschriftung, Posenerkennung, Übersetzung, intelligente Antwort und mehr.
Weitere Informationen

Der individuelle ML-Stack von Android: Hochleistungs-ML

Grundlagen zum Bereitstellen leistungsstarker, benutzerdefinierter ML-Funktionen in Android-Apps.

TensorFlow Lite for ML-Laufzeit: Mit TensorFlow Lite über Google Play-Dienste, der offiziellen ML-Inferenzlaufzeit von Android, können Sie in Ihrer App leistungsstarke ML-Inferenzen ausführen. Weitere Informationen

Hardwarebeschleunigung mit TensorFlow Lite-Delegaten: Verwenden Sie TensorFlow Lite Delegate, die über Google Play-Dienste verteilt werden, um beschleunigtes ML auf spezialisierter Hardware wie GPU, NPU oder DSP auszuführen. Durch den Zugriff auf erweiterte Computing-Funktionen auf dem Gerät können Sie so eine reibungslosere Nutzererfahrung mit geringerer Latenz ermöglichen.

Derzeit bieten wir Unterstützung für GPU- und NNAPI-Delegierten. Wir arbeiten mit Partnern zusammen, um ihren benutzerdefinierten Bevollmächtigten über Google Play-Dienste Zugriff zu gewähren, um erweiterte Anwendungsfälle zu unterstützen. Weitere Informationen

Durch Google Play-Dienste aktiviert: Über Play-Dienste können Sie auf die TensorFlow Lite-Laufzeit und auf Bevollmächtigte zugreifen. Dadurch wird die Verwendung der neuesten stabilen Versionen sichergestellt und gleichzeitig die Auswirkungen auf die Binärgröße Ihrer App minimiert. Weitere Informationen

Empfohlen
Sehen Sie sich die TensorFlow Lite-Codebeispiele für Android an und testen Sie ML-Funktionen auf Ihrem Gerät.
Weitere Informationen
Empfohlen
Laden Sie den Beispielcode herunter und lernen Sie TensorFlow Lite und Android kennen.
Weitere Informationen
Eine neue API, mit der Sie zur Laufzeit sicher die optimale Konfiguration für die Hardwarebeschleunigung auswählen können, ohne sich um die zugrunde liegende Gerätehardware und die Treiber kümmern zu müssen.
Weitere Informationen

Aktuelle Nachrichten

YouTube
Blog
YouTube