Android原生语音识别开发指南：从基础实现到性能优化

1次阅读

没有评论

共计 3594 个字符，预计需要花费 9 分钟才能阅读完成。

移动端语音识别开发面临三大核心挑战：权限动态申请、音频预处理延迟和连续识别内存消耗。这些挑战直接影响用户体验和应用性能。本文将带你从零开始实现一个高效的 Android 原生语音识别应用。

Google SpeechRecognizer 与第三方 SDK 各有优劣：

SpeechRecognizer 优点
系统级集成，无需额外依赖
支持离线识别（Android 4.1+）
免费使用
第三方 SDK 优点
识别准确率可能更高
支持更多语种和方言
提供定制化模型

决策树参考 ：

是否需要离线功能？是 → SpeechRecognizer
需要特殊语种支持？是 → 第三方 SDK
项目预算有限？是 → SpeechRecognizer

// 检查并请求录音权限（API 23+）private fun checkAudioPermission() {
    when {
        ContextCompat.checkSelfPermission(
            this,
            Manifest.permission.RECORD_AUDIO
        ) == PackageManager.PERMISSION_GRANTED -> {startVoiceRecognition()
        }
        ActivityCompat.shouldShowRequestPermissionRationale(
            this,
            Manifest.permission.RECORD_AUDIO
        ) -> {
            // 解释为何需要权限的 UI 逻辑
            showPermissionExplanationDialog()}
        else -> {
            // 直接请求权限
            ActivityCompat.requestPermissions(
                this,
                arrayOf(Manifest.permission.RECORD_AUDIO),
                AUDIO_PERMISSION_REQUEST_CODE
            )
        }
    }
}

// 处理权限请求结果
override fun onRequestPermissionsResult(
    requestCode: Int,
    permissions: Array<out String>,
    grantResults: IntArray
) {super.onRequestPermissionsResult(requestCode, permissions, grantResults)
    when (requestCode) {
        AUDIO_PERMISSION_REQUEST_CODE -> {if ((grantResults.isNotEmpty() && 
                grantResults[0] == PackageManager.PERMISSION_GRANTED)) {startVoiceRecognition()
            } else {Toast.makeText(this, "权限被拒绝", Toast.LENGTH_SHORT).show()}
            return
        }
    }
}

// 音频配置参数
val SAMPLE_RATE = 16000 // 16kHz 采样率
val CHANNEL_CONFIG = AudioFormat.CHANNEL_IN_MONO
val AUDIO_FORMAT = AudioFormat.ENCODING_PCM_16BIT
val BUFFER_SIZE = AudioRecord.getMinBufferSize(
    SAMPLE_RATE,
    CHANNEL_CONFIG,
    AUDIO_FORMAT
)

// 初始化 AudioRecord
val audioRecord = AudioRecord(
    MediaRecorder.AudioSource.MIC,
    SAMPLE_RATE,
    CHANNEL_CONFIG,
    AUDIO_FORMAT,
    BUFFER_SIZE
)

// 开始录音
audioRecord.startRecording()

// 读取音频数据线程
Thread {val buffer = ShortArray(BUFFER_SIZE / 2)
    while (isRecording) {val read = audioRecord.read(buffer, 0, buffer.size)
        if (read > 0) {
            // 处理音频数据
            processAudioData(buffer, read)
        }
    }
}.start()

// 使用 SpeechRecognizer 的分批结果处理
private val speechRecognizer = SpeechRecognizer.createSpeechRecognizer(this).apply {
    setRecognitionListener(object : RecognitionListener {override fun onResults(results: Bundle) {
            // 获取完整识别结果
            val matches = results.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
            matches?.let {
                // 处理最终结果
                updateFinalResult(it[0])
            }
        }

        override fun onPartialResults(partialResults: Bundle) {
            // 获取部分识别结果（API 23+）val partialMatches = partialResults.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
            partialMatches?.let {
                // 更新 UI 显示部分结果
                updatePartialResult(it[0])
            }
        }
        // 其他回调方法省略...
    })
}

打开 Android Studio 的 Profiler 工具
选择 CPU 性能分析
开始语音识别操作
重点关注：
AudioRecord 线程的 CPU 占用率
识别过程中的 GC 事件
主线程的阻塞情况

// 创建可复用的 ByteBuffer 池
val bufferPool = mutableListOf<ByteBuffer>()
const val BUFFER_POOL_SIZE = 5

init {
    // 初始化缓冲区池
    repeat(BUFFER_POOL_SIZE) {bufferPool.add(ByteBuffer.allocateDirect(BUFFER_SIZE))
    }
}

fun getBuffer(): ByteBuffer {return bufferPool.firstOrNull { !it.isDirect}?.also {it.clear()
    } ?: ByteBuffer.allocateDirect(BUFFER_SIZE).also {bufferPool.add(it)
    }
}

// 使用示例
val buffer = getBuffer()
audioRecord.read(buffer, BUFFER_SIZE)
processBuffer(buffer)
buffer.clear() // 重要：使用后必须清空

// 使用 AndroidKeyStore 加密语音数据
fun encryptAudioData(data: ByteArray): ByteArray {val cipher = Cipher.getInstance("AES/GCM/NoPadding")
    val key = KeyGenerator.getInstance("AES").apply {init(256)
    }.generateKey()
    cipher.init(Cipher.ENCRYPT_MODE, key)
    return cipher.doFinal(data)
}

// 识别结果安全校验
fun sanitizeRecognitionResult(text: String): String {
    // 移除可能有害的特殊字符
    val sanitized = text.replace(Regex("[<>{}]"), "")

    // 检查命令注入风险
    if (sanitized.contains(Regex("(rm|shutdown|reboot)"))) {throw SecurityException("潜在危险命令")
    }

    return sanitized
}