Android集成火山引擎流式语音识别SDK实战指南：从初始化到一句话识别

1次阅读

没有评论

共计 2737 个字符，预计需要花费 7 分钟才能阅读完成。

流式语音识别（Streaming Speech Recognition）是指将音频数据分段实时传输到云端进行识别，并即时返回识别结果的语音处理技术。与传统的整段音频上传识别相比，流式识别具有以下优势：

实时性：能够在用户说话的同时进行识别，适用于直播、实时字幕等场景
低延迟：边录边传，减少整体等待时间
交互友好：可以即时反馈识别结果，提升用户体验
资源节省：不需要本地存储完整录音文件

目前主流的语音识别服务提供商包括火山引擎、阿里云、腾讯云和百度 AI 等。火山引擎流式语音识别 SDK 在以下几个方面表现突出：

识别准确率：在中文场景下测试准确率达 96% 以上
响应速度：平均延迟控制在 500ms 以内
适配性：支持多种音频格式和采样率
易用性：提供完善的文档和示例代码
价格策略：按量计费模式灵活，新用户有免费额度

在项目的 build.gradle 中添加火山引擎 SDK 依赖：

dependencies {implementation 'com.bytedance.lark.speech:asr-sdk:1.2.3'}

在 AndroidManifest.xml 中添加必要权限：

<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.INTERNET" />

建议在 Application 的 onCreate()中进行初始化：

class MyApp : Application() {override fun onCreate() {super.onCreate()

        // 初始化配置
        val config = TTSSpeechSdkConfig.Builder()
            .appId("your_app_id")  // 从火山引擎控制台获取
            .token("your_access_token")  // 临时 token 或长期 token
            .enableLog(true)  // 调试时开启
            .build()

        // 初始化 SDK
        TTSSpeechSdk.init(this, config)
    }
}

class SpeechRecognitionActivity : AppCompatActivity() {
    private lateinit var speechRecognizer: TTSSpeechRecognizer

    override fun onCreate(savedInstanceState: Bundle?) {super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 1. 创建识别器实例
        speechRecognizer = TTSSpeechRecognizer.createRecognizer(this)

        // 2. 设置监听器
        speechRecognizer.setListener(object : TTSSpeechRecognizerListener {override fun onRecognizeResult(result: String) {
                // 识别结果回调
                runOnUiThread {textViewResult.text = result}
            }

            override fun onError(errorCode: Int, errorMsg: String) {
                // 错误处理
                Log.e("SpeechRecognition", "Error $errorCode: $errorMsg")
            }
        })

        // 3. 开始识别
        buttonStart.setOnClickListener {
            // 检查录音权限
            if (checkSelfPermission(android.Manifest.permission.RECORD_AUDIO) == 
                PackageManager.PERMISSION_GRANTED) {startRecognition()
            } else {
                requestPermissions(arrayOf(android.Manifest.permission.RECORD_AUDIO),
                    REQUEST_RECORD_AUDIO
                )
            }
        }
    }

    private fun startRecognition() {
        // 配置识别参数
        val params = TTSSpeechRecognizerParams.Builder()
            .language("zh-CN")  // 中文
            .format(TTSSpeechAudioFormat.PCM)  // 音频格式
            .sampleRate(16000)  // 采样率
            .vadEnable(true)  // 开启语音端点检测
            .vadTimeout(2000)  // 静音超时时间(ms)
            .build()

        // 开始一句话识别
        speechRecognizer.start(params)
    }

    override fun onDestroy() {super.onDestroy()
        // 释放资源
        speechRecognizer.destroy()}
}