Android 轻松实现语音识别的完整代码

一、语音识别技术概述

语音识别（Speech Recognition）是将人类语音转换为可编辑文本的技术，广泛应用于智能助手、语音输入、无障碍交互等场景。Android系统通过SpeechRecognizer类提供了原生的语音识别API，开发者无需依赖第三方服务即可实现基础功能。对于更复杂的场景（如离线识别、多语言支持），可结合Google的ML Kit或开源引擎（如CMUSphinx）进行扩展。

二、开发环境准备

1. 权限配置

在AndroidManifest.xml中添加必要权限：

<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.INTERNET" /> <!-- 在线识别需联网 -->

对于Android 10及以上版本，需动态申请RECORD_AUDIO权限。

2. 依赖管理

原生API无需额外依赖，但建议添加以下库简化开发：

implementation 'androidx.activity:activity-ktx:1.7.2' // 简化权限请求
implementation 'com.google.android.material:material:1.9.0' // UI组件

三、核心代码实现

1. 初始化语音识别器

private lateinit var speechRecognizer: SpeechRecognizer
private lateinit var intent: Intent
private fun initSpeechRecognizer() {
    // 检查设备是否支持语音识别
    if (!SpeechRecognizer.isRecognitionAvailable(this)) {
        Toast.makeText(this, "设备不支持语音识别", Toast.LENGTH_SHORT).show()
        return
    }
    // 创建识别器实例
    speechRecognizer = SpeechRecognizer.createSpeechRecognizer(this)
    intent = Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH).apply {
        putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL, RecognizerIntent.LANGUAGE_MODEL_FREE_FORM)
        putExtra(RecognizerIntent.EXTRA_CALLING_PACKAGE, packageName)
        putExtra(RecognizerIntent.EXTRA_MAX_RESULTS, 5) // 返回最多5个候选结果
        putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS, true) // 启用实时返回部分结果
    }
}

2. 权限请求与启动识别

private fun startListening() {
    // 动态请求录音权限
    if (ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) != 
        PackageManager.PERMISSION_GRANTED) {
        ActivityCompat.requestPermissions(this, arrayOf(Manifest.permission.RECORD_AUDIO), 
            REQUEST_RECORD_AUDIO_PERMISSION)
        return
    }
    // 设置监听器
    speechRecognizer.setRecognitionListener(object : RecognitionListener {
        override fun onResults(results: Bundle?) {
            val matches = results?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)
            matches?.let {
                val text = it[0] // 取第一个结果
                binding.resultTextView.text = text
            }
        }
        override fun onPartialResults(partialResults: Bundle?) {
            // 实时返回部分识别结果
            partialResults?.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION)?.let {
                if (it.isNotEmpty()) {
                    binding.partialResultTextView.text = it[0]
                }
            }
        }
        override fun onError(error: Int) {
            val errorMsg = when (error) {
                SpeechRecognizer.ERROR_AUDIO -> "音频错误"
                SpeechRecognizer.ERROR_CLIENT -> "客户端错误"
                SpeechRecognizer.ERROR_NETWORK -> "网络错误"
                else -> "未知错误"
            }
            Toast.makeText(this@MainActivity, errorMsg, Toast.LENGTH_SHORT).show()
        }
        // 其他回调方法（onReadyForSpeech, onBeginningOfSpeech等）需实现空方法
        override fun onReadyForSpeech(params: Bundle?) {}
        override fun onBeginningOfSpeech() {}
        override fun onRmsChanged(rmsdB: Float) {}
        override fun onBufferReceived(buffer: ByteArray?) {}
        override fun onEndOfSpeech() {}
        override fun onEvent(eventType: Int, params: Bundle?) {}
    })
    // 启动识别
    speechRecognizer.startListening(intent)
}

3. 停止识别与资源释放

private fun stopListening() {
    speechRecognizer.stopListening()
    // speechRecognizer.destroy() // 在Activity销毁时调用
}
override fun onDestroy() {
    super.onDestroy()
    speechRecognizer.destroy()
}

四、UI交互设计

1. 布局文件示例

<LinearLayout
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical"
    android:padding="16dp">
    <Button
        android:id="@+id/startButton"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:text="开始语音识别" />
    <TextView
        android:id="@+id/partialResultTextView"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:layout_marginTop="16dp"
        android:text="实时结果：" />
    <TextView
        android:id="@+id/resultTextView"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:layout_marginTop="8dp"
        android:text="最终结果："
        android:textSize="18sp" />
</LinearLayout>

2. 按钮点击事件

binding.startButton.setOnClickListener {
    if (::speechRecognizer.isInitialized.not()) {
        initSpeechRecognizer()
    }
    startListening()
}

五、高级功能扩展

1. 多语言支持

修改EXTRA_LANGUAGE参数：

intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE, "zh-CN") // 中文
intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_PREFERENCE, "zh-CN") // 优先中文

2. 离线识别

需集成Google的on-device识别模型（需API 23+）：

intent.putExtra(RecognizerIntent.EXTRA_PREFER_OFFLINE, true)

3. 自定义语音模型

通过ML Kit的Custom Audio Model训练特定场景的识别模型，适用于专业术语或行业词汇。

六、性能优化建议

1. 延迟控制：设置EXTRA_SPEECH_INPUT_COMPLETE_SILENCE_LENGTH_MILLIS减少等待时间
2. 内存管理：及时销毁SpeechRecognizer实例
3. 错误重试：实现指数退避算法处理网络错误
4. 省电策略：在后台服务中限制识别频率

七、完整示例项目结构

app/
├── src/
│   ├── main/
│   │   ├── java/com/example/speechdemo/
│   │   │   ├── MainActivity.kt
│   │   │   └── SpeechHelper.kt (封装工具类)
│   │   └── res/
│   │       ├── layout/activity_main.xml
│   │       └── values/strings.xml
│   └── AndroidManifest.xml
└── build.gradle

八、常见问题解决方案

1. 无识别结果：检查麦克风权限和网络连接
2. 识别准确率低：调整EXTRA_LANGUAGE_MODEL为LANGUAGE_MODEL_WEB_SEARCH
3. Android 11兼容性：添加<queries>声明查询语音识别服务
4. 中文识别乱码：确保系统语言设置为中文并传递正确的EXTRA_LANGUAGE

九、总结与展望

本文通过完整的代码示例，展示了Android原生语音识别的实现流程。开发者可根据实际需求扩展功能，如结合NLP进行语义分析，或通过WebSocket实现实时语音转写服务。随着AI技术的发展，端侧识别模型将更加精准高效，建议持续关注Android的Jetpack ML库更新。

完整项目代码已上传至GitHub，包含详细注释和单元测试用例，适合初学者快速上手和企业级应用开发参考。