Android Studio集成百度语音识别AIP实战：从零开始构建语音识别功能

1次阅读

没有评论

共计 3360 个字符，预计需要花费 9 分钟才能阅读完成。

语音识别作为 AI 技术的重要应用场景，在移动开发中需求广泛。百度语音识别 AIP（AI Platform）提供了高精度的识别能力，但对新手开发者来说，集成过程常遇到以下问题：

官方文档涉及多个产品线，配置路径分散
鉴权机制复杂，容易遗漏关键步骤
实时流式传输与文件识别的接口差异大
性能优化和安全防护缺乏明确指导

目前主流的语音识别方案包括：

百度 AIP：识别准确率高(中文场景 >95%)，免费额度充足(每日 5 万次)，支持离线唤醒
讯飞开放平台：多语种支持更好，但商用授权费用较高
阿里云智能语音：适合阿里云生态用户，文档整合度高
Google ML Kit：国际应用首选，但中文识别效果稍逊

建议选择标准：

国内应用首选百度 AIP（成本与技术成熟度平衡）
需要离在线混合方案可考虑讯飞
出海项目建议使用 ML Kit

百度开发者账号（需企业实名认证）
Android Studio 2021+（支持 JDK 11）
最低 API Level 21（Android 5.0）

在 build.gradle(Module) 中添加依赖：

dependencies {
    // 官方 SDK（2023 新版）implementation 'com.baidu.aip:java-sdk:4.16.10'
    // 网络请求优化
    implementation 'com.squareup.okhttp3:okhttp:4.10.0'
}

在 AndroidManifest.xml 中声明权限：

<!-- 基础网络权限 -->
<uses-permission android:name="android.permission.INTERNET" />
<!-- 录音权限 -->
<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" 
    android:maxSdkVersion="32" />

创建 BaiduASRManager 管理类：

class BaiduASRManager(context: Context) {
    private val aipClient: AipSpeech

    init {
        // 从百度控制台获取的 API Key/Secret Key
        val APP_ID = "your_app_id"
        val API_KEY = "your_api_key"
        val SECRET_KEY = "your_secret_key"

        aipClient = AipSpeech(APP_ID, API_KEY, SECRET_KEY).apply {
            // 设置网络超时
            connectionTimeoutInMillis = 5000
            socketTimeoutInMillis = 60000

            // 启用 gzip 压缩
            isGzipEnabled = true
        }
    }
}

fun recognizeFile(filePath: String, callback: (Result<String>) -> Unit) {
    try {val options = HashMap<String, Any>().apply {put("dev_pid", 1537) // 普通话输入法模型
            put("cuid", DeviceIdUtil.getDeviceId(context))
        }

        val result = aipClient.asr(filePath, "pcm", 16000, options)
        when {result.has("result") -> callback(Result.success(result.getString("result")))
            else -> callback(Result.failure(Exception(result.getString("err_msg"))))
        }
    } catch (e: Exception) {callback(Result.failure(e))
    }
}

需要配合 AudioRecord 实现：

private fun startRecording() {
    val bufferSize = AudioRecord.getMinBufferSize(
        16000,
        AudioFormat.CHANNEL_IN_MONO,
        AudioFormat.ENCODING_PCM_16BIT
    )

    audioRecord = AudioRecord(
        MediaRecorder.AudioSource.MIC,
        16000,
        AudioFormat.CHANNEL_IN_MONO,
        AudioFormat.ENCODING_PCM_16BIT,
        bufferSize
    )

    CoroutineScope(Dispatchers.IO).launch {val buffer = ByteArray(bufferSize)
        audioRecord.startRecording()

        while (isRecording) {val read = audioRecord.read(buffer, 0, bufferSize)
            if (read > 0) {sendAudioChunk(buffer.copyOf(read))
            }
        }
    }
}

private fun sendAudioChunk(chunk: ByteArray) {val options = HashMap<String, Any>().apply {put("dev_pid", 1537)
        put("cuid", DeviceIdUtil.getDeviceId(context))
        put("format", "pcm")
        put("rate", 16000)
    }

    val result = aipClient.asr(chunk, "pcm", 16000, options)
    // 处理识别结果...
}

音频参数选择：
采样率 16kHz 足够满足中文识别
单声道 (CHANNEL_IN_MONO) 比立体声节省 50% 流量
网络请求优化：
使用 OkHttp 替换默认 HttpClient
开启 gzip 压缩（百度 SDK 默认支持）
设置合理的超时时间：连接 5s，读取 60s
缓存策略：
对相同音频 MD5 做本地缓存
使用 Stetho 调试网络请求

鉴权信息保护：
将 API Key 存储在 Native 层（通过 JNI 获取）
使用 Android Keystore 加密敏感配置
数据传输安全：
确保所有请求走 HTTPS
关键参数做 Base64 编码

权限动态申请：

private fun checkPermission() {
    when {
        ContextCompat.checkSelfPermission(
            this,
            Manifest.permission.RECORD_AUDIO
        ) == PackageManager.PERMISSION_GRANTED -> {startRecording()
        }
        ActivityCompat.shouldShowRequestPermissionRationale(
            this,
            Manifest.permission.RECORD_AUDIO
        ) -> {showPermissionExplanationDialog()
        }
        else -> {
            ActivityCompat.requestPermissions(
                this,
                arrayOf(Manifest.permission.RECORD_AUDIO),
                REQUEST_RECORD_AUDIO
            )
        }
    }
}