一、项目环境准备

1.1 创建Android Studio项目

在Android Studio中新建一个Empty Activity项目，选择Java或Kotlin作为开发语言。建议使用最新稳定版Android Studio，确保SDK和Gradle插件版本兼容。项目创建完成后，检查build.gradle文件中的minSdkVersion至少为21，以确保支持百度API要求的录音权限。

1.2 注册百度智能云账号

访问百度智能云官网，完成账号注册和实名认证。进入”语音技术”产品页面，开通”语音识别”服务。在控制台创建应用，获取API Key和Secret Key，这两个凭证是后续调用API的核心参数。

二、集成百度语音SDK

2.1 添加依赖库

在项目的build.gradle(Module)文件中添加百度语音SDK依赖：

dependencies {
    implementation 'com.baidu.aip:java-sdk:4.16.11'
    // 其他必要依赖
    implementation 'org.json:json:20231013'
}

同步Gradle后，检查libs目录下是否包含aip.jar文件。对于ProGuard混淆，需在proguard-rules.pro中添加：

-keep class com.baidu.aip.** {*;}
-keep class org.json.** {*;}

2.2 配置AndroidManifest.xml

添加必要权限和元数据：

<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<application>
    <meta-data 
        android:name="com.baidu.speech.APP_ID"
        android:value="你的APP_ID"/>
    <meta-data 
        android:name="com.baidu.speech.API_KEY"
        android:value="你的API_KEY"/>
    <meta-data 
        android:name="com.baidu.speech.SECRET_KEY"
        android:value="你的SECRET_KEY"/>
</application>

三、实现语音识别功能

3.1 初始化语音识别客户端

创建VoiceRecognitionUtil工具类：

public class VoiceRecognitionUtil {
    private static final String APP_ID = "你的APP_ID";
    private static final String API_KEY = "你的API_KEY";
    private static final String SECRET_KEY = "你的SECRET_KEY";
    private AipSpeech client;
    public VoiceRecognitionUtil(Context context) {
        // 初始化语音识别客户端
        client = new AipSpeech(context, APP_ID, API_KEY, SECRET_KEY);
        // 可选：设置网络连接参数
        client.setConnectionTimeoutInMillis(2000);
        client.setSocketTimeoutInMillis(60000);
    }
    // 其他方法...
}

3.2 录音权限处理

在Activity中动态申请录音权限：

private static final int REQUEST_RECORD_AUDIO_PERMISSION = 200;
private boolean permissionToRecordAccepted = false;
private String[] permissions = {Manifest.permission.RECORD_AUDIO};
@Override
public void onRequestPermissionsResult(int requestCode, @NonNull String[] permissions, @NonNull int[] grantResults) {
    super.onRequestPermissionsResult(requestCode, permissions, grantResults);
    if (requestCode == REQUEST_RECORD_AUDIO_PERMISSION) {
        permissionToRecordAccepted = grantResults[0] == PackageManager.PERMISSION_GRANTED;
    }
    if (!permissionToRecordAccepted) finish();
}
private void requestAudioPermission() {
    if (ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) 
            != PackageManager.PERMISSION_GRANTED) {
        ActivityCompat.requestPermissions(this, permissions, REQUEST_RECORD_AUDIO_PERMISSION);
    } else {
        permissionToRecordAccepted = true;
        startVoiceRecognition();
    }
}

3.3 实时语音识别实现

核心识别方法实现：

public void recognizeRealTime(String audioFilePath) {
    // 参数设置
    HashMap<String, Object> options = new HashMap<>();
    options.put("dev_pid", 1537); // 1537表示普通话(纯中文识别)
    options.put("format", "wav");
    options.put("rate", 16000);
    options.put("channel", 1);
    options.put("cuid", "your_device_id");
    // 读取音频文件
    byte[] audioData = readAudioFile(audioFilePath);
    if (audioData == null) {
        Log.e("VoiceRecognition", "读取音频文件失败");
        return;
    }
    // 异步识别
    JSONObject res = client.asr(audioData, "wav", 16000, options, new OnResultListener<JSONObject>() {
        @Override
        public void onResult(JSONObject result) {
            try {
                int errorNo = result.getInt("error_no");
                String resultText = result.getString("result");
                if (errorNo == 0) {
                    // 识别成功处理
                    handleRecognitionSuccess(resultText);
                } else {
                    // 错误处理
                    handleRecognitionError(errorNo, result.getString("error_msg"));
                }
            } catch (JSONException e) {
                e.printStackTrace();
            }
        }
        @Override
        public void onError(int code, String message) {
            Log.e("VoiceRecognition", "识别出错: " + message);
        }
    });
}

四、高级功能实现

4.1 长语音识别优化

对于超过60秒的音频，需要分段处理：

public void recognizeLongAudio(String filePath) {
    // 分段参数设置
    HashMap<String, Object> options = new HashMap<>();
    options.put("dev_pid", 1737); // 长语音识别PID
    options.put("len", 10000); // 每段10秒
    options.put("slice_num", 10); // 最多10段
    // 实现分段读取和识别的逻辑...
}

4.2 离线命令词识别

配置离线识别引擎：

public void initOfflineRecognition() {
    // 下载离线识别包
    String offlineEnginePath = getExternalFilesDir(null) + "/offline_engine";
    File engineDir = new File(offlineEnginePath);
    if (!engineDir.exists()) {
        engineDir.mkdirs();
    }
    // 设置离线识别参数
    client.setOfflineEngineDir(offlineEnginePath);
    HashMap<String, Object> options = new HashMap<>();
    options.put("offline", true);
    options.put("language", "cn");
    // 加载离线引擎
    boolean loaded = client.loadOfflineEngine(options);
    if (!loaded) {
        Log.e("VoiceRecognition", "离线引擎加载失败");
    }
}

五、常见问题解决方案

5.1 识别准确率优化

• 采样率必须为16000Hz或8000Hz
• 音频格式应为pcm/wav/amr/speex
• 背景噪音控制：信噪比建议>15dB
• 说话人距离麦克风10-30cm最佳

5.2 网络错误处理

private void handleNetworkError(int errorCode) {
    switch (errorCode) {
        case 110: // 网络未连接
            showToast("请检查网络连接");
            break;
        case 111: // 服务不可用
            retryRecognition();
            break;
        case 112: // 请求超时
            increaseTimeout();
            break;
        default:
            Log.e("Network", "未知错误: " + errorCode);
    }
}

5.3 性能优化建议

1. 使用线程池管理识别请求
2. 对音频数据进行压缩传输
3. 实现识别结果缓存机制
4. 监控API调用频率，避免触发限流

六、最佳实践总结

1. 权限管理：在Android 10+上需要动态申请存储权限
2. 错误处理：实现完整的错误码处理机制
3. 资源释放：在Activity销毁时调用client.release()
4. 日志记录：记录完整的识别请求和响应日志
5. 版本兼容：定期更新SDK以获取新功能

通过以上步骤，开发者可以在Android Studio中高效集成百度语音识别API，实现稳定可靠的语音转文字功能。实际开发中，建议先在测试环境验证所有功能，再发布到生产环境。