Android Studio快速接入百度语音识别SDK：从配置到实战避坑指南

1次阅读

共计 3246 个字符，预计需要花费 9 分钟才能阅读完成。

语音识别在移动端的应用越来越广泛，比如语音输入、智能家居控制、语音搜索等。相比系统原生的语音识别 API，百度语音识别 SDK 有以下优势：

支持离线唤醒功能，即使没有网络也能使用
支持多种方言识别，覆盖更广泛的用户群体
识别准确率高，响应速度快
提供完善的错误码和回调机制，便于开发者处理各种异常情况

访问百度 AI 开放平台（https://ai.baidu.com/）并注册账号
进入控制台，选择 ” 语音技术 ”-“ 语音识别 ”
创建应用，获取 API Key 和 Secret Key

在 app/build.gradle 中添加依赖：

dependencies {
    implementation 'com.baidu.aip:java-sdk:4.16.11'
    // 最低支持 API Level 16
    implementation 'com.squareup.okhttp3:okhttp:4.9.0' // 推荐使用 OkHttp
}

<manifest>
    <!-- 必须的权限 -->
    <uses-permission android:name="android.permission.RECORD_AUDIO" />
    <uses-permission android:name="android.permission.INTERNET" />
    <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />

    <!-- 如果需要使用离线功能 -->
    <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
    <uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
</manifest>

private fun checkPermissions() {
    val permissions = arrayOf(
        Manifest.permission.RECORD_AUDIO,
        Manifest.permission.INTERNET,
        Manifest.permission.ACCESS_NETWORK_STATE
    )

    ActivityCompat.requestPermissions(
        this,
        permissions.filter {ContextCompat.checkSelfPermission(this, it) != PackageManager.PERMISSION_GRANTED }.toTypedArray(),
        PERMISSION_REQUEST_CODE
    )
}

public class SpeechRecognizerHelper {
    private SpeechRecognizer mSpeechRecognizer;

    public void init(Context context) {
        // 1. 初始化配置
        SpeechRecognitionConfig config = new SpeechRecognitionConfig()
            .setApiKey("你的 API_KEY")
            .setSecretKey("你的 SECRET_KEY")
            .setAppId("你的 APP_ID")
            .setSampleRate(SpeechRecognitionConfig.SAMPLE_RATE_16K); // 推荐 16K 采样率

        // 2. 创建识别器
        mSpeechRecognizer = SpeechRecognizer.createInstance(context, config);

        // 3. 设置回调
        mSpeechRecognizer.setEventListener(new SpeechEventListener() {
            @Override
            public void onEvent(String name, String params) {
                // 处理识别结果
                if (SpeechConstant.CALLBACK_EVENT_ASR_READY.equals(name)) {// 识别器准备就绪} else if (SpeechConstant.CALLBACK_EVENT_ASR_FINISH.equals(name)) {// 识别完成} else if (SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL.equals(name)) {
                    // 部分识别结果
                    JSONObject json = new JSONObject(params);
                    String result = json.optString("best_result");
                    Log.d("SpeechResult", result);
                }
            }

            @Override
            public void onError(int errorCode, String errorMessage) {
                // 处理错误
                Log.e("SpeechError", "Code:" + errorCode + ", Message:" + errorMessage);
            }
        });
    }

    public void startListening() {if (mSpeechRecognizer != null) {mSpeechRecognizer.start();
        }
    }

    public void stopListening() {if (mSpeechRecognizer != null) {mSpeechRecognizer.stop();
        }
    }

    public void release() {if (mSpeechRecognizer != null) {mSpeechRecognizer.release();
        }
    }
}

确保 API Key、Secret Key 和 App ID 正确
检查网络连接是否正常
确认包名与百度控制台注册的一致
检查系统时间是否正确（误差不能超过 10 分钟）

在 Activity/Fragment 的 onDestroy 中调用 release()方法
不要长时间持有 SpeechRecognizer 实例
使用弱引用或 ViewModel 管理生命周期

8K 采样率：文件小，适合网络条件差的情况，但识别准确率较低
16K 采样率：推荐使用，平衡了文件大小和识别准确率

// 在初始化时设置
SpeechRecognitionConfig config = new SpeechRecognitionConfig()
    .setNetworkLibrary(new OkHttpNetworkLibrary());

// 在配置中启用 VAD
config.enableVAD(true)
    .setVadEndWaitTime(800); // 静音 800ms 后自动停止

可以尝试结合 Jetpack Compose 实现更现代的语音交互 UI：

@Composable
fun VoiceButton(isListening: Boolean, onClick: () -> Unit) {
    Button(
        onClick = onClick,
        colors = ButtonDefaults.buttonColors(backgroundColor = if (isListening) Color.Red else Color.Blue
        )
    ) {Text(if (isListening) "停止" else "开始")
    }
}