一、iOS语音识别API概述

iOS系统自iOS 10起引入了SFSpeechRecognizer框架，为开发者提供了强大的语音识别能力。该API支持实时语音转文本、离线识别（部分语言）、多语言识别等功能，广泛应用于语音输入、语音搜索、语音指令等场景。其核心优势在于与iOS系统的深度集成，能够利用设备端和云端的混合识别能力，在保证准确性的同时优化性能。

1.1 API核心组件

• SFSpeechRecognizer：语音识别器的入口类，负责创建识别任务。
• SFSpeechAudioBufferRecognitionRequest：用于实时音频流的识别请求。
• SFSpeechURLRecognitionRequest：用于从音频文件识别的请求。
• SFSpeechRecognitionTask：识别任务的管理类，提供识别结果和状态回调。
• SFSpeechRecognitionResult：包含识别文本、时间戳和置信度的结果对象。

1.2 适用场景

• 语音输入框（如搜索、聊天）
• 语音指令控制（如智能家居App）
• 实时字幕生成（如视频会议）
• 语音笔记记录（如效率类App）

二、iOS语音识别权限配置

正确配置权限是使用语音识别API的前提。iOS要求开发者明确声明权限用途，并在用户授权后才能访问麦克风和语音识别服务。

2.1 权限声明

在Info.plist文件中添加以下键值对：

<key>NSSpeechRecognitionUsageDescription</key>
<string>我们需要访问您的语音以实现语音转文本功能</string>
<key>NSMicrophoneUsageDescription</key>
<string>我们需要访问麦克风以录制您的语音</string>

• NSSpeechRecognitionUsageDescription：说明语音识别功能的用途。
• NSMicrophoneUsageDescription：说明麦克风访问的用途。

2.2 动态权限请求

在代码中检查并请求权限：

import Speech
func checkSpeechRecognitionPermission() {
    SFSpeechRecognizer.requestAuthorization { authStatus in
        DispatchQueue.main.async {
            switch authStatus {
            case .authorized:
                print("语音识别权限已授权")
            case .denied:
                print("用户拒绝语音识别权限")
            case .restricted:
                print("语音识别权限受限（如家长控制）")
            case .notDetermined:
                print("权限未决定")
            @unknown default:
                print("未知权限状态")
            }
        }
    }
}

• 必须在主线程更新UI。
• 权限被拒绝后，需引导用户到设置中手动开启。

三、iOS语音识别API使用详解

3.1 基础实现步骤

3.1.1 创建识别器

let speechRecognizer = SFSpeechRecognizer(locale: Locale(identifier: "zh-CN"))
guard let recognizer = speechRecognizer else {
    print("语音识别器初始化失败")
    return
}

• 指定语言环境（如zh-CN为中文）。
• 检查设备是否支持当前语言。

3.1.2 创建识别请求

实时音频流识别：

let audioEngine = AVAudioEngine()
let recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
let recognitionTask = recognizer.recognitionTask(with: recognitionRequest) { result, error in
    if let result = result {
        print("识别结果：\(result.bestTranscription.formattedString)")
    } else if let error = error {
        print("识别错误：\(error.localizedDescription)")
    }
}

音频文件识别：

if let audioURL = Bundle.main.url(forResource: "test", withExtension: "m4a") {
    let recognitionRequest = SFSpeechURLRecognitionRequest(url: audioURL)
    recognizer.recognitionTask(with: recognitionRequest) { result, error in
        // 处理结果
    }
}

3.1.3 启动音频引擎

let audioSession = AVAudioSession.sharedInstance()
try? audioSession.setCategory(.record, mode: .measurement, options: .duckOthers)
try? audioSession.setActive(true, options: .notifyOthersOnDeactivation)
let inputNode = audioEngine.inputNode
let recordingFormat = inputNode.outputFormat(forBus: 0)
inputNode.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { buffer, _ in
    recognitionRequest.append(buffer)
}
audioEngine.prepare()
try? audioEngine.start()

3.2 高级功能

3.2.1 实时反馈与中间结果

通过SFSpeechRecognitionResult的isFinal属性判断是否为最终结果：

recognitionTask = recognizer.recognitionTask(with: recognitionRequest) { result, error in
    if let result = result {
        if result.isFinal {
            print("最终结果：\(result.bestTranscription.formattedString)")
        } else {
            print("中间结果：\(result.bestTranscription.formattedString)")
        }
    }
}

3.2.2 离线识别支持

检查设备是否支持离线识别：

if recognizer.supportsOnDeviceRecognition {
    print("当前设备支持离线识别")
    recognitionRequest.requiresOnDeviceRecognition = true // 强制使用离线识别
}

四、常见错误与解决方案

4.1 权限错误

• 错误表现：SFSpeechRecognizerAuthorizationStatus.denied
• 解决方案：
  1. 检查Info.plist是否包含NSSpeechRecognitionUsageDescription。
  2. 引导用户到设置中开启权限：

     if let settingsURL = URL(string: UIApplication.openSettingsURLString) {
         UIApplication.shared.open(settingsURL)
     }

4.2 识别超时或失败

• 错误表现：error.code == .errorCodeLanguageNotSupported
• 解决方案：
  1. 确保语言环境设置正确（如zh-CN）。
  2. 检查网络连接（云端识别需要网络）。
  3. 限制单次识别时长：

     recognitionRequest.shouldReportPartialResults = true
     recognitionRequest.maximumRecognitionDuration = 30.0 // 30秒超时

4.3 性能优化

• 减少音频延迟：优化bufferSize（通常1024-4096）。
• 降低功耗：在后台时暂停识别：

  func applicationDidEnterBackground(_ application: UIApplication) {
      audioEngine.stop()
      recognitionTask?.finish()
  }

五、最佳实践

1. 权限预检查：在App启动时检查权限，避免用户操作中断。
2. 错误处理：实现全面的错误回调，提供用户友好的提示。
3. 资源释放：在viewDidDisappear中停止识别：

   override func viewDidDisappear(_ animated: Bool) {
       audioEngine.stop()
       recognitionRequest?.endAudio()
       recognitionTask?.cancel()
   }

4. 多语言支持：根据用户设备语言动态切换识别器：

   let preferredLanguage = Locale.preferredLanguages.first?.prefix(2) ?? "en"
   let locale = Locale(identifier: String(preferredLanguage))

六、总结

iOS语音识别API（SFSpeechRecognizer）为开发者提供了高效、灵活的语音转文本能力。通过正确配置权限、优化识别流程和处理常见错误，可以显著提升用户体验。在实际开发中，建议结合具体场景（如实时输入或文件识别）选择合适的API，并关注离线识别和性能优化。随着iOS系统的更新，语音识别功能将进一步增强，开发者需持续关注苹果官方文档以获取最新特性。