Android内置语音识别框架SpeechRecognizer的准确率优化实战

1次阅读

没有评论

共计 2572 个字符，预计需要花费 7 分钟才能阅读完成。

语音识别在移动端应用广泛，但实际开发中常遇到以下问题：

环境噪音干扰 ：在公共场所使用时，背景噪音会显著降低识别准确率
方言适配不足 ：内置模型对普通话支持较好，但方言识别效果参差不齐
离线模式局限 ：离线状态下识别率通常比在线模式低 20-30%
厂商差异 ：不同 Android 设备的硬件和系统优化程度不同

与第三方 SDK 对比：

Google ML Kit 在线识别准确率约 92-95%，但需要网络连接
SpeechRecognizer 离线模式下准确率约 75-85%，但隐私性更好

识别模式配置

val intent = Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH).apply {putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL, RecognizerIntent.LANGUAGE_MODEL_FREE_FORM)
    putExtra(RecognizerIntent.EXTRA_RECOGNITION_MODE, RecognizerIntent.RECOGNITION_MODE_DEVICE)
}

LANGUAGE_MODEL_WEB_SEARCH：适合短指令
RECOGNITION_MODE_DEVICE：强制使用离线模式
音频格式优化

AudioFormat format = new AudioFormat.Builder()
    .setEncoding(AudioFormat.ENCODING_PCM_16BIT)
    .setSampleRate(16000) // 16kHz 采样率
    .build();

Android 11+ 支持加载自定义模型：

val recognizer = SpeechRecognizer.createOnDeviceSpeechRecognizer(context).apply {
    setOnDeviceSpeechRecognizerModelParams("model_asset_path", "custom_model.zip")
}

FFT 降噪实现片段：

public short[] noiseReduce(short[] audioData) {
    int sampleSize = 1024;
    double[] fft = new double[sampleSize];
    // 执行 FFT 变换
    FFTTransformer.transform(audioData, fft);

    // 噪声阈值处理
    for (int i = 0; i < fft.length; i++) {if (Math.abs(fft[i]) < NOISE_THRESHOLD) {fft[i] = 0;
        }
    }

    // 逆变换
    return FFTTransformer.inverseTransform(fft);
}

setRecognitionListener(object : RecognitionListener {override fun onError(error: Int) {when (error) {
            SpeechRecognizer.ERROR_NO_MATCH -> {
                // 重试前增加 500ms 静音检测
                Thread.sleep(500)
                restartListening()}
            SpeechRecognizer.ERROR_SPEECH_TIMEOUT -> {adjustSpeechTimeout(3000) // 延长超时阈值
            }
        }
    }
})

override fun onDestroy() {
    speechRecognizer?.apply {destroy()
        setRecognitionListener(null)
    }
    super.onDestroy()}

测试重点：

华为 EMUI 的麦克风权限管理
小米 MIUI 的后台录音限制
三星设备的默认语音引擎切换

准备 100 条标准测试语句
在不同环境（安静 / 嘈杂）下录制
计算词错误率：

WER = (S + D + I) / N 
(S: 替换词数 D: 删除词数 I: 插入词数 N: 总词数)

采样率	安静环境	嘈杂环境
8kHz	82.3%	65.7%
16kHz	88.1%	72.4%

class SpeechRecognitionHelper(
    context: Context,
    private val callback: (String) -> Unit
) {
    private val recognizer: SpeechRecognizer

    init {recognizer = if (Build.VERSION.SDK_INT >= Build.VERSION_CODES.S) {SpeechRecognizer.createOnDeviceSpeechRecognizer(context)
        } else {SpeechRecognizer.createSpeechRecognizer(context)
        }

        recognizer.setRecognitionListener(createListener())
    }

    fun startListening() {val intent = Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH).apply {// 配置参数...}
        recognizer.startListening(intent)
    }

    private fun createListener() = object : RecognitionListener {// 完整监听实现...}

    fun release() {recognizer.destroy()
    }
}