Android实时语音识别实战：基于Vosk开源引擎的快速集成与避坑指南

1次阅读

没有评论

共计 2362 个字符，预计需要花费 6 分钟才能阅读完成。

在移动端实现实时语音识别时，开发者常遇到三个核心挑战：

延迟问题 ：云端方案受网络影响可能导致响应时间超过 500ms，严重影响对话体验
离线支持 ：多数方案依赖网络连接，无法在无网环境下使用
资源占用 ：大型语音模型可能导致内存占用超过 300MB，低端设备容易发生 OOM

通过对比主流方案发现 Vosk 的独特优势：

Google ML Kit：
优点：官方维护，识别准确率高
缺点：必须联网，不支持中文离线
Android SpeechRecognizer：
优点：系统级集成
缺点：需要 Google 服务框架
Vosk：
优势 1：完全离线工作
优势 2：支持 40+ 语言（含中文）
优势 3：可裁剪模型（最小 20MB）

在 app/build.gradle 中添加依赖：

dependencies {
    implementation 'net.java.dev.jna:jna:5.8.0@aar'
    implementation 'com.alphacephei:vosk-android:0.3.47'
}

创建语音识别服务类：

class VoskService(context: Context) {
    private val model: Model
    private val recognizer: Recognizer

    init {
        // 1. 加载模型（建议放在 assets）val modelPath = File(context.filesDir, "model").apply {mkdirs() }
        model = Model(modelPath.absolutePath)

        // 2. 创建识别器（16kHz 采样率）recognizer = Recognizer(model, 16000f).apply {setMaxAlternatives(3) // 获取 3 个候选结果
        }
    }

    // 处理音频流
    fun processAudio(buffer: ShortArray) {if (recognizer.acceptWaveForm(buffer, buffer.size)) {
            val result = recognizer.result
            handleResult(result)
        } else {
            val partial = recognizer.partialResult
            updateUI(partial)
        }
    }

    private fun handleResult(json: String) {
        // 解析 JSON 结果示例
        val text = JSONObject(json)
            .getString("text")
            .replace("\"", "")
    }
}

使用精简版模型（en-us-small 仅 40MB）

移除不需要的语音特征文件：

# 保留 conf/mfcc.conf 和 final.mdl 即可
rm -rf graph/HCLG.fst

结合 Coroutine 和 WorkManager：

class RecognitionWorker(
    context: Context,
    params: WorkerParameters
) : CoroutineWorker(context, params) {override suspend fun doWork(): Result {return withContext(Dispatchers.IO) {val audioStream = getAudioStream()
            val vosk = VoskService(applicationContext)

            while (isActive) {val chunk = audioStream.readNextChunk()
                vosk.processAudio(chunk)
            }
            Result.success()}
    }
}

常见原因及解决：

文件编码问题：确保模型 zip 解压使用 UTF- 8 编码
路径权限：Context.getFilesDir() 比外部存储更可靠
模型版本：Android 端必须使用 vosk-android 编译的模型

推荐使用 Google 的 activity-result API：

// 在 Activity 中
private val recordAudioLauncher = registerForActivityResult(ActivityResultContracts.RequestPermission()
) { granted ->
    if (granted) startRecording()
    else showRationaleDialog()}

fun checkPermission() {
    when {
        ContextCompat.checkSelfPermission(this, RECORD_AUDIO) == PERMISSION_GRANTED -> startRecording()

        shouldShowRequestPermissionRationale(RECORD_AUDIO) -> {showRationaleDialog()
        }

        else -> recordAudioLauncher.launch(RECORD_AUDIO)
    }
}

完成基础集成后，可以尝试：