Android语音识别文字开发实战：从零构建到性能优化

1次阅读

没有评论

共计 2187 个字符，预计需要花费 6 分钟才能阅读完成。

在移动端实现语音识别文字功能时，开发者常遇到这些拦路虎：

环境噪音干扰：地铁、咖啡馆等场景的背景噪音会导致识别准确率暴跌
设备碎片化：不同厂商的麦克风硬件和系统定制层（如 EMUI）对音频采集的处理差异巨大
实时性要求：用户期望边说边出文字，但网络延迟可能造成卡顿
资源消耗：持续录音和云端识别会快速消耗电量和流量

优点：
系统内置，无需额外集成
支持离线基础识别（Android 4.1+）
免费使用
缺点：
识别精度一般
不支持自定义模型
国内厂商可能阉割该服务

优点：
准确率高（基于 Google 语音技术）
支持 60+ 语言
提供离线模型
缺点：
需要 Google Play 服务
免费版有调用次数限制

优点：
针对中文优化
支持方言识别
提供成熟的降噪方案
缺点：
商用需授权费
SDK 体积较大

选型建议：快速验证用原生 API，商业项目推荐 ML Kit 或讯飞

// 在 AndroidManifest.xml 声明
<uses-permission android:name="android.permission.RECORD_AUDIO" />

// 运行时请求
val permissions = arrayOf(Manifest.permission.RECORD_AUDIO)
ActivityCompat.requestPermissions(this, permissions, REQUEST_CODE)

val speechRecognizer = SpeechRecognizer.createSpeechRecognizer(this).apply {
    setRecognitionListener(object : RecognitionListener {override fun onResults(results: Bundle) {val matches = results.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
            textView.text = matches?.get(0) ?: "识别失败"
        }
        // 其他回调方法省略...
    })
}

val intent = Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH).apply {putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL, RecognizerIntent.LANGUAGE_MODEL_FREE_FORM)
    putExtra(RecognizerIntent.EXTRA_LANGUAGE, Locale.getDefault())
    putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS, true) // 实时返回结果
}
speechRecognizer.startListening(intent)

建议添加标点预测算法（简易版）：

fun addPunctuation(text: String): String {val lastChar = text.lastOrNull()
    return when {text.endsWith("吗") -> "$text？"
        lastChar in setOf('吧','呢','啊') -> "$text！"
        else -> text
    }
}

使用 AudioRecord 替代 MediaRecorder 获取原始 PCM 数据
实现简单降噪（示例代码）：

fun denoise(audioData: ShortArray): ShortArray {
    val threshold = 500 // 根据环境调整
    return audioData.map { sample ->
        if (abs(sample.toInt()) < threshold) 0 else sample
    }.toShortArray()}