Android Studio集成百度语音识别SDK的完整避坑指南

1次阅读

没有评论

共计 4071 个字符，预计需要花费 11 分钟才能阅读完成。

语音识别功能在移动应用中越来越常见，但开发者在集成过程中经常会遇到各种问题。根据我的经验，最常见的痛点包括：

SDK 版本兼容性问题，特别是 Android 系统版本差异导致的兼容性问题
权限配置遗漏，尤其是运行时权限申请容易被忽略
网络环境不稳定导致识别失败
识别延迟高，影响用户体验
API Key 管理不当导致安全风险

这些问题如果不处理好，轻则影响功能使用，重则导致应用崩溃或数据泄露。

目前主流的语音识别方案主要有以下几种：

百度语音识别
优点：识别准确率高、支持离线识别、中文支持好
缺点：免费调用次数有限制
科大讯飞
优点：语音技术成熟、支持多种方言
缺点：商业授权费用较高
Google Speech API
优点：国际化支持好、与 Android 系统集成度高
缺点：国内访问不稳定
阿里云智能语音
优点：阿里云生态整合好
缺点：文档相对复杂

综合比较后，百度语音识别在中文场景下具有明显优势，特别是对中小开发者比较友好。

访问百度 AI 开放平台 (ai.baidu.com)
注册 / 登录百度账号
进入控制台创建新应用
记录下 AppID、API Key 和 Secret Key

在 app 模块的 build.gradle 中添加依赖：

dependencies {
    implementation 'com.baidu.aip:java-sdk:4.16.11'
    // 最低支持 Android 5.0(API 21)
    minSdkVersion 21
}

添加必要的权限声明：

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

最佳实践是在 Application 类中初始化：

class MyApp : Application() {override fun onCreate() {super.onCreate()
        // 初始化语音识别
        SpeechUtility.getInstance().setAppid("你的 AppID")
        // 设置开发模式 (上线时改为 false)
        SpeechUtility.getInstance().setParam(SpeechConstant.DEBUG_MODE, "true")
    }
}

private fun checkRecordPermission() {
    if (ContextCompat.checkSelfPermission(
            this, 
            Manifest.permission.RECORD_AUDIO
        ) != PackageManager.PERMISSION_GRANTED
    ) {
        ActivityCompat.requestPermissions(
            this,
            arrayOf(Manifest.permission.RECORD_AUDIO),
            REQUEST_RECORD_AUDIO_PERMISSION
        )
    } else {startRecognizing()
    }
}

override fun onRequestPermissionsResult(
    requestCode: Int,
    permissions: Array<String>,
    grantResults: IntArray
) {when (requestCode) {
        REQUEST_RECORD_AUDIO_PERMISSION -> {if (grantResults.isNotEmpty() && 
                grantResults[0] == PackageManager.PERMISSION_GRANTED) {startRecognizing()
            } else {Toast.makeText(this, "需要录音权限", Toast.LENGTH_SHORT).show()}
        }
    }
}

private val listener = object : EventListener() {
    override fun onEvent(
        name: String, 
        params: String, 
        data: ByteArray, 
        offset: Int, 
        length: Int
    ) {when (name) {
            SpeechConstant.CALLBACK_EVENT_ASR_READY -> {// 识别器准备就绪}
            SpeechConstant.CALLBACK_EVENT_ASR_BEGIN -> {// 检测到用户说话}
            SpeechConstant.CALLBACK_EVENT_ASR_END -> {// 检测到用户停止说话}
            SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL -> {
                // 临时识别结果
                val result = JSONObject(params).getString("best_result")
                runOnUiThread {updateResultUI(result) }
            }
            SpeechConstant.CALLBACK_EVENT_ASR_FINISH -> {
                // 识别结束，最终结果
                if (params.contains("success")) {val result = JSONObject(params).getString("best_result")
                    runOnUiThread {updateFinalResult(result) }
                } else {
                    // 识别失败，可在此处实现重试逻辑
                    handleError(params)
                }
            }
        }
    }
}

private fun setupAudioStream() {
    val asr = SpeechRecognizer.createRecognizer(
        this, 
        "您的 appid"
    ).apply {setEventListener(listener)
    }

    // 设置识别参数
    val params = HashMap<String, String>().apply {put(SpeechConstant.PID, "1536") // 普通话输入法模型
        put(SpeechConstant.VAD, SpeechConstant.VAD_DNN) // 使用深度学习 VAD
        put(SpeechConstant.ACCEPT_AUDIO_VOLUME, "false") // 不需要音量回调
    }

    asr.setParameter(params)
    asr.startListening(params)

    // 实现 AudioRecord 读取音频数据并发送给 asr.feed
    audioThread = Thread {val buffer = ByteArray(3200) // 16k 采样率，16bit，100ms 数据
        while (isRecording) {val len = audioRecord.read(buffer, 0, buffer.size)
            if (len > 0) {asr.feedAudioBuffer(buffer, 0, len)
            }
        }
    }.apply {start() }
}

使用 VAD_DNN 语音活动检测
适当降低采样率 (16kHz 足够)
开启本地端点检测

params.apply {put(SpeechConstant.VAD, SpeechConstant.VAD_DNN)
    put(SpeechConstant.SAMPLE_RATE, "16000")
    put(SpeechConstant.ACCEPT_AUDIO_VOLUME, "false")
}

提前下载离线资源包
设置离线语音识别模式

// 检查离线资源是否已下载
if (!SpeechUtility.getInstance().checkResourceExist("asr")) {
    // 下载离线资源
    SpeechUtility.getInstance().loadResource(
        "您的 appid", 
        "asr", 
        object : IResourceLoadListener {override fun onLoadSuccess() {// 离线资源加载成功}
            override fun onLoadError(errorCode: Int) {// 加载失败}
        }
    )
}

// 设置离线识别参数
params.put(SpeechConstant.DECODER, "2") // 2 表示离线识别

在 Activity 销毁时释放资源
使用弱引用持有 Activity
停止录音线程

override fun onDestroy() {super.onDestroy()
    speechRecognizer?.let {it.stopListening()
        it.cancel()
        it.destroy()}
    isRecording = false
    audioThread?.interrupt()
    audioRecord?.release()}