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 3382 个字符，预计需要花费 9 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，从语音助手到实时字幕，它的应用场景越来越广泛。但在实际开发中，我们经常会遇到一些棘手的问题：

识别延迟高 ：用户说完话后需要等待较长时间才能看到结果，体验差
准确率不稳定 ：在嘈杂环境或带口音的情况下识别错误率高
资源占用大 ：持续监听会显著增加 CPU 和内存消耗，影响应用整体性能
离线支持有限 ：大部分方案依赖网络连接，无法在弱网环境下工作

这些痛点直接影响了用户体验和应用性能，也是我们在集成语音识别功能时需要重点解决的问题。

Android 平台上主要有以下几种语音识别方案可供选择：

SpeechRecognizer（官方 API）
优点：系统级集成，兼容性好，支持离线识别（Android 4.1+）
缺点：功能相对基础，定制化能力有限
Google Cloud Speech-to-Text
优点：识别准确率高，支持多种语言和高级功能
缺点：完全依赖网络，有 API 调用限制和费用
第三方 SDK（如科大讯飞、百度语音）
优点：功能丰富，中文识别优化好
缺点：集成复杂度高，可能有商业授权要求
本地 ML Kit（ML Kit on-device）
优点：离线工作，响应快
缺点：模型文件较大，占用存储空间

对于大多数需要平衡性能和实现成本的应用来说，SpeechRecognizer 是一个不错的选择，特别是当你的目标设备都是 Android 4.1 及以上版本时。

在 AndroidManifest.xml 中添加必要的权限：

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

在代码中需要先检查设备是否支持语音识别功能：

private fun isSpeechRecognitionAvailable(): Boolean {return SpeechRecognizer.isRecognitionAvailable(context)
}

val speechRecognizer = SpeechRecognizer.createSpeechRecognizer(context).apply {
    setRecognitionListener(object : RecognitionListener {override fun onReadyForSpeech(params: Bundle?) {// 准备就绪回调}

        override fun onBeginningOfSpeech() {// 检测到语音开始}

        override fun onRmsChanged(rmsdB: Float) {// 音量变化回调，可用于显示声波动画}

        override fun onBufferReceived(buffer: ByteArray?) {// 接收音频缓冲区数据}

        override fun onEndOfSpeech() {// 语音结束}

        override fun onError(error: Int) {
            // 错误处理
            when (error) {SpeechRecognizer.ERROR_AUDIO -> showError("音频录制错误")
                SpeechRecognizer.ERROR_CLIENT -> showError("客户端错误")
                // 其他错误处理...
            }
        }

        override fun onResults(results: Bundle?) {
            // 识别结果回调
            results?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)?.let { matches ->
                if (matches.isNotEmpty()) {val bestMatch = matches[0]
                    // 处理最佳匹配结果
                }
            }
        }

        override fun onPartialResults(partialResults: Bundle?) {// 部分结果回调（可实现实时显示）}

        override fun onEvent(eventType: Int, params: Bundle?) {// 特殊事件回调}
    })
}

fun startListening() {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_MAX_RESULTS, 5) // 最多返回 5 个可能结果
        putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS, true) // 启用部分结果
    }

    speechRecognizer.startListening(intent)
}

fun stopListening() {speechRecognizer.stopListening()
}

fun destroy() {speechRecognizer.destroy()
}

音频前端处理 ：在音频传入识别引擎前进行降噪和增益控制
语音活动检测 (VAD)：实现智能端点检测，减少无效音频处理

// 在启动识别时设置优化参数
intent.putExtra(RecognizerIntent.EXTRA_SPEECH_INPUT_MINIMUM_LENGTH_MILLIS, 1000) // 最小语音长度
intent.putExtra(RecognizerIntent.EXTRA_SPEECH_INPUT_COMPLETE_SILENCE_LENGTH_MILLIS, 1500) // 完全静音阈值
intent.putExtra(RecognizerIntent.EXTRA_SPEECH_INPUT_POSSIBLY_COMPLETE_SILENCE_LENGTH_MILLIS, 1000) // 可能结束静音阈值

对于频繁出现的短语或命令，可以建立本地缓存，避免重复识别：

private val recognitionCache = LruCache<String, String>(100)

fun getCachedResult(input: String): String? {return recognitionCache.get(input)
}

// 检查并优先使用离线识别
if (SpeechRecognizer.isRecognitionAvailable(context) && 
    context.packageManager.hasSystemFeature(PackageManager.FEATURE_MICROPHONE)) {intent.putExtra(RecognizerIntent.EXTRA_PREFER_OFFLINE, true)
}