AutoJS语音识别实战：从零构建高精度本地化指令系统

1次阅读

没有评论

共计 2420 个字符，预计需要花费 7 分钟才能阅读完成。

在移动端自动化测试和爬虫场景中，云端语音识别虽然准确率高，但存在几个致命问题：

延迟高 ：网络请求和响应通常需要 1 - 3 秒，严重影响自动化流程的实时性
隐私风险 ：语音数据上传到第三方服务器，可能包含敏感信息
成本问题 ：商用 API 按调用次数计费，长期使用成本高昂

这些问题使得云端方案在自动化领域显得不够理想，特别是在需要快速响应或处理敏感数据的场景中。

本地化语音识别主要有三种实现方式：

TensorFlow Lite
优点：模型可定制，准确率高
缺点：需要集成模型文件，占用空间大（通常 50MB+）
实测延迟：红米 Note9 上平均 380ms
MLKit
优点：Google 官方支持，兼容性好
缺点：需要 Google 服务框架，部分国产机不适用
实测延迟：同设备平均 320ms
AutoJS 原生 API
优点：零依赖，体积小，无需额外权限
缺点：词库容量有限
实测延迟：同设备平均 220ms

对于自动化场景，AutoJS 原生 API 在延迟和易用性上明显占优，特别适合指令识别这类有限词汇场景。

以下是完整的语音识别模块代码，包含关键注释：

// 初始化语音识别器
let recognizer = android.speech.SpeechRecognizer.createSpeechRecognizer(context);

// 设置监听器
recognizer.setRecognitionListener({onReadyForSpeech: function(params) {console.log('准备就绪');
  },
  onBeginningOfSpeech: function() {console.log('开始说话');
  },
  onEndOfSpeech: function() {console.log('结束说话');
  },
  onResults: function(results) {
    let matches = results.getStringArrayList(android.speech.SpeechRecognizer.RESULTS_RECOGNITION);
    if (matches && matches.size() > 0) {handleCommand(matches.get(0)); // 处理识别结果
    }
  },
  // 其他回调方法省略...
});

// 配置识别参数
let intent = new android.content.Intent(android.speech.RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
intent.putExtra(
  android.speech.RecognizerIntent.EXTRA_LANGUAGE_MODEL,
  android.speech.RecognizerIntent.LANGUAGE_MODEL_FREE_FORM
);
intent.putExtra(
  android.speech.RecognizerIntent.EXTRA_MAX_RESULTS, 
  3 // 返回最多 3 个候选结果
);

// 启动识别
recognizer.startListening(intent);

// 超时处理
setTimeout(() => {recognizer.stopListening();
  recognizer.cancel();}, 5000); // 5 秒超时

降噪配置

intent.putExtra(
  android.speech.RecognizerIntent.EXTRA_SPEECH_INPUT_MINIMUM_LENGTH_MILLIS,
  2000 // 最小语音时长 2 秒
);

词库热加载

let commands = ['打开', '关闭', '下一页', '确定'];
intent.putExtra(
  android.speech.RecognizerIntent.EXTRA_PROMPT,
  commands.join(',') // 提示词提升识别率
);

在红米 Note11（MIUI 13）上实测：

WAV 格式
采样率：16kHz
平均延迟：280ms
内存占用：12MB
PCM 格式
采样率：8kHz
平均延迟：190ms
内存占用：6MB

对于简单指令识别，PCM 格式在资源占用和速度上更有优势。

避免 UI 卡顿的关键代码：

threads.start(function() {
  // 识别任务放在子线程
  recognizer.startListening(intent);
});

常见问题及解决方案：

权限问题
现象：华为 EMUI 上无声
解决：手动开启 ” 允许后台弹出界面 ” 权限
服务缺失
现象：某些 ROM 没有语音服务

解决：检测并回退到基础识别模式

if (!android.speech.SpeechRecognizer.isRecognitionAvailable(context)) {console.warn('语音识别不可用');
  // 改用其他方案
}

调整置信度阈值：

// 在结果处理中增加置信度判断
function handleCommand(text) {let confidence = calculateConfidence(text);
  if (confidence < 0.7) { // 阈值设为 0.7
    return; // 忽略低置信度结果
  }
  // 执行命令...
}

本地语音识别可以与其他技术结合创造更多可能：