Android SpeechRecognizer语音识别集成实战：从基础实现到性能优化

1次阅读

没有评论

共计 3124 个字符，预计需要花费 8 分钟才能阅读完成。

语音识别已经成为现代移动应用的重要功能之一，但开发者在 Android 平台上实现语音识别时，往往会遇到以下几个常见问题：

识别延迟 ：由于网络传输、服务器处理等因素，语音识别结果返回存在明显延迟
兼容性问题 ：不同厂商的设备对语音识别 API 的实现存在差异
内存泄漏 ：不当的服务绑定和释放会导致内存泄漏
权限管理复杂 ：需要处理运行时权限请求和用户拒绝权限的情况
电池消耗 ：持续监听语音会显著增加设备耗电量

在 Android 平台上，主要有以下几种语音识别方案：

SpeechRecognizer（官方 API）
优点：系统级集成，无需额外依赖
缺点：功能相对基础，识别质量依赖设备厂商实现
Google Cloud Speech-to-Text
优点：识别准确率高，支持多种语言
缺点：需要网络连接，有 API 调用限制
第三方 SDK（如科大讯飞）
优点：离线识别能力，定制化功能
缺点：增加 APK 体积，可能有授权费用

对于大多数应用场景，SpeechRecognizer 是平衡功能与复杂度的最佳选择。

在 AndroidManifest.xml 中添加必要权限：

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

运行时权限检查：

if (ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) 
    != PackageManager.PERMISSION_GRANTED) {
    ActivityCompat.requestPermissions(
        this,
        arrayOf(Manifest.permission.RECORD_AUDIO),
        AUDIO_PERMISSION_REQUEST_CODE
    )
}

创建 SpeechRecognizer 实例并设置监听器：

val speechRecognizer = SpeechRecognizer.createSpeechRecognizer(this).apply {
    setRecognitionListener(object : RecognitionListener {// 实现所有回调方法})
}

配置识别参数并开始监听：

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

speechRecognizer.startListening(intent)

以下是使用 Kotlin 实现的完整 SpeechRecognizer 集成代码：

class SpeechRecognitionHelper(private val context: Context) : RecognitionListener {
    private var speechRecognizer: SpeechRecognizer? = null
    private var recognitionCallback: ((String) -> Unit)? = null
    private var errorCallback: ((Int) -> Unit)? = null

    fun initialize() {speechRecognizer = SpeechRecognizer.createSpeechRecognizer(context).apply {setRecognitionListener(this@SpeechRecognitionHelper)
        }
    }

    fun startListening(callback: (String) -> Unit, error: (Int) -> Unit) {
        recognitionCallback = callback
        errorCallback = error

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

        speechRecognizer?.startListening(intent)
    }

    override fun onReadyForSpeech(params: Bundle?) {}
    override fun onBeginningOfSpeech() {}
    override fun onRmsChanged(rmsdB: Float) {}
    override fun onBufferReceived(buffer: ByteArray?) {}
    override fun onEndOfSpeech() {}

    override fun onError(error: Int) {errorCallback?.invoke(error)
    }

    override fun onResults(results: Bundle?) {results?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)?.let {if (it.isNotEmpty()) {recognitionCallback?.invoke(it[0])
            }
        }
    }

    override fun onPartialResults(partialResults: Bundle?) {// 处理部分识别结果}

    override fun onEvent(eventType: Int, params: Bundle?) {}

    fun release() {speechRecognizer?.destroy()
        speechRecognizer = null
    }
}