Migración para Android

En esta guía, se explica cómo migrar desde ML Kit para Firebase en Android.

Actualiza las importaciones de Gradle

El SDK de ML Kit solo requiere una dependencia para cada API de ML Kit. No es necesario que especifiques bibliotecas comunes, como firebase-ml-vision o firebase-ml-natural-language. ML Kit usa el espacio de nombres com.google.android.gms para las bibliotecas que dependen de los Servicios de Google Play.

APIs de Vision

Los modelos incluidos se entregan como parte de tu aplicación. Los modelos delgados se deben descargar. Algunas APIs están disponibles en formato agrupado y en formato delgado, mientras que otras solo están disponibles en uno de los dos formatos:

Actualiza las dependencias de las bibliotecas de Android del ML Kit en el archivo Gradle (generalmente app/build.gradle.kts) de tu módulo (a nivel de la app) según las siguientes tablas:

Modelos agrupados

Modelos delgados

AutoMLVision Edge

APIs de Natural Language

Los modelos incluidos se entregan como parte de tu aplicación. Los modelos delgados se deben descargar:

Actualiza las dependencias de las bibliotecas de Android del ML Kit en el archivo Gradle (generalmente app/build.gradle.kts) de tu módulo (a nivel de la app) según las siguientes tablas:

Modelos agrupados

Modelos delgados

Actualiza los nombres de las clases

Si tu clase aparece en esta tabla, realiza el cambio indicado:

Para otras clases, sigue estas reglas:

• Quita el prefijo FirebaseVision del nombre de la clase.
• Quita otros prefijos que comiencen con el prefijo Firebase del nombre de la clase.

Además, en los nombres de los paquetes, reemplaza el prefijo com.google.firebase.ml por com.google.mlkit.

Actualiza los nombres de los métodos

Los cambios en el código son mínimos:

• Se cambió la instancia del detector, el escáner, el etiquetador, el traductor, etcétera. Cada función ahora tiene su propio punto de entrada. Por ejemplo: BarcodeScanning, TextRecognition, ImageLabeling, Translation… Las llamadas al servicio getInstance() de Firebase se reemplazan por llamadas al método getClient() del punto de entrada de la función.
• Se quitó la instancia predeterminada para TextRecognizer, ya que introdujimos bibliotecas adicionales para reconocer otros sistemas de escritura, como el chino y el coreano. Para usar las opciones predeterminadas con el modelo de reconocimiento de texto del sistema de escritura latino, declara una dependencia en com.google.android.gms:play-services-mlkit-text-recognition y usa TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS).
• Se quitó la instancia predeterminada para ImageLabeler y ObjectDetector, ya que incorporamos la compatibilidad con modelos personalizados para estas dos funciones. Por ejemplo, para usar opciones predeterminadas con el modelo base en ImageLabeling, declara una dependencia en com.google.mlkit:image-labeling y usa ImageLabeling.getClient(ImageLabelerOptions.DEFAULT_OPTIONS) en Java.
• Todos los identificadores (detector, escáner, etiquetador, traductor, etc.) se pueden cerrar. Asegúrate de que se llame al método close() cuando ya no se usen esos objetos. Si los usas en un Fragment o un AppCompatActivity, una forma de hacerlo es llamar a LifecycleOwner.getLifecycle() en el Fragment o el AppCompatActivity y, luego, llamar a Lifecycle.addObserver.
• Para mantener la coherencia, se cambió el nombre de processImage() y detectInImage() en las APIs de Vision a process().
• Las APIs de Natural Language ahora usan el término "etiqueta de idioma" (según se define en el estándar BCP 47) en lugar de "código de idioma".
• Se quitaron los métodos getter de las clases xxxOptions.
• Ya no se admite el método getBitmap() en la clase InputImage (que reemplaza a FirebaseVisionImage) como parte de la interfaz pública. Consulta BitmapUtils.java en la muestra de inicio rápido de ML Kit para obtener un mapa de bits convertido a partir de varias entradas.
• Se quitó FirebaseVisionImageMetadata, por lo que solo puedes pasar metadatos de imágenes, como width, height, rotationDegrees y format, a los métodos de construcción de InputImage.

Estos son algunos ejemplos de métodos de Kotlin antiguos y nuevos:

// 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()
    )

// 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())
  

Estos son algunos ejemplos de métodos de Java antiguos y nuevos:

// 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());

// 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());
  

Cambios específicos de la API

Escaneo de códigos de barras

En el caso de la API de Barcode Scanning, ahora hay dos formas en que se pueden entregar los modelos:

• A través de los Servicios de Google Play, también conocidos como "delgados" (recomendado): Esto reduce el tamaño de la app, y el modelo se comparte entre las aplicaciones. Sin embargo, los desarrolladores deberán asegurarse de que el modelo se descargue antes de usarlo por primera vez.
• Con el APK de tu app, también conocido como "empaquetado": Esto aumenta el tamaño de la app, pero significa que el modelo se puede usar de inmediato.

Las dos implementaciones son ligeramente diferentes, y la versión "agrupada" tiene varias mejoras en comparación con la versión "delgada". Puedes encontrar detalles sobre estas diferencias en los lineamientos de la API de Barcode Scanning.

Detección de rostro

En el caso de la API de Face Detection, los modelos se pueden entregar de dos maneras:

• A través de los Servicios de Google Play, también conocidos como "delgados" (recomendado): Esto reduce el tamaño de la app, y el modelo se comparte entre las aplicaciones. Sin embargo, los desarrolladores deberán asegurarse de que el modelo se descargue antes de usarlo por primera vez.
• Con el APK de tu app, también conocido como "empaquetado": Esto aumenta el tamaño de descarga de la app, pero significa que el modelo se puede usar de inmediato.

El comportamiento de las implementaciones es el mismo.

Traducción

• TranslateLanguage ahora usa nombres legibles para sus constantes (p.ej., ENGLISH) en lugar de etiquetas de idioma (EN). También son @StringDef, en lugar de @IntDef, y el valor de la constante es la etiqueta de idioma BCP 47 correspondiente.

AutoML Image Labeling (obsoleto)

Se dejó de usar la descarga de modelos personalizados para el etiquetado de imágenes con AutoML y se desactivará el 15 de junio de 2027. En su lugar, debes usar Cloud Storage para alojar modelos y agregar lógica de descarga a tu app para descargar los modelos. Para obtener más información, consulta la guía de migración de Firebase ML a Cloud Storage.

Detección y seguimiento de objetos

Si tu app usa la detección de objetos con clasificación aproximada, ten en cuenta que el nuevo SDK cambió la forma en que devuelve la categoría de clasificación para los objetos detectados.

La categoría de clasificación se devuelve como una instancia de DetectedObject.Label en lugar de un número entero. Todas las categorías posibles para el clasificador grueso se incluyen en la clase PredefinedCategory.

A continuación, se muestra un ejemplo del código de Kotlin anterior y nuevo:

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

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

A continuación, se muestra un ejemplo del código Java anterior y nuevo:

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

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) {
    ...
}

Se quitó la categoría "desconocido". Cuando la confianza de la clasificación de un objeto es baja, simplemente no devolvemos ninguna etiqueta.

Quita las dependencias de Firebase

Quita las dependencias de Firebase después de la migración. Sigue estos pasos:

• Borra el archivo de configuración de Firebase. Para ello, borra el archivo de configuración google-services.json en el directorio del módulo (nivel de app) de tu app.
• Reemplaza el complemento Gradle de los servicios de Google en el archivo Gradle de tu módulo (a nivel de app) (generalmente app/build.gradle.kts) por el complemento Strict Version Matcher:

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

android {
  // …
}

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

android {
  // …
}

• Reemplaza la ruta de clase del complemento de Gradle para Servicios de Google en el archivo de Gradle (build.gradle.kts) de tu proyecto (a nivel de raíz) por la del complemento Strict Version Matcher:

buildscript {
  dependencies {
    // ...

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

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

Borra tu app de Firebase en Firebase console según las instrucciones del sitio de asistencia de Firebase.

Cómo obtener ayuda

Si tienes algún problema, consulta nuestra página de la comunidad, en la que se describen los canales disponibles para comunicarte con nosotros.