Android Studio集成百度语音识别API全流程指南

2025年11月14日 互联网

一、集成前的准备工作

1.1 百度AI开放平台注册与认证

开发者需首先在百度AI开放平台完成注册，并通过实名认证。认证通过后进入”语音技术”板块，创建”语音识别”应用，获取API Key和Secret Key。这两个密钥是后续鉴权的核心凭证，需妥善保管。

1.2 Android项目基础配置

在Android Studio中创建或打开现有项目，确保minSdkVersion≥16（API 16对应Android 4.1）。在build.gradle(Module)中添加网络权限依赖：

  1. dependencies {
  2.     implementation 'com.squareup.okhttp3:okhttp:4.9.1' // 网络请求库
  3.     implementation 'org.json:json:20231013' // JSON解析库
  4. }

同步Gradle后，在AndroidManifest.xml中添加必要权限：

  1. <uses-permission android:name="android.permission.INTERNET" />
  2. <uses-permission android:name="android.permission.RECORD_AUDIO" />
  3. <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

二、核心集成步骤

2.1 鉴权参数生成

百度语音识别API采用AK/SK鉴权机制，需通过以下代码生成访问令牌：

  1. public class AuthUtil {
  2.     private static final String API_KEY = "your_api_key";
  3.     private static final String SECRET_KEY = "your_secret_key";
  5.     public static String getAccessToken() throws Exception {
  6.         OkHttpClient client = new OkHttpClient();
  7.         Request request = new Request.Builder()
  8.                 .url("https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials" +
  9.                      "&client_id=" + API_KEY +
  10.                      "&client_secret=" + SECRET_KEY)
  11.                 .build();
  13.         try (Response response = client.newCall(request).execute()) {
  14.             JSONObject json = new JSONObject(response.body().string());
  15.             return json.getString("access_token");
  16.         }
  17.     }
  18. }

建议将此方法封装为异步任务，避免阻塞主线程。

2.2 语音数据采集

使用MediaRecorder或AudioRecord实现录音功能，推荐采用PCM格式：

  1. public class AudioRecorder {
  2.     private static final int SAMPLE_RATE = 16000; // 百度推荐采样率
  3.     private static final int CHANNEL_CONFIG = AudioFormat.CHANNEL_IN_MONO;
  4.     private static final int AUDIO_FORMAT = AudioFormat.ENCODING_PCM_16BIT;
  6.     private AudioRecord recorder;
  7.     private boolean isRecording = false;
  9.     public void startRecording(File outputFile) throws IOException {
  10.         int bufferSize = AudioRecord.getMinBufferSize(
  11.                 SAMPLE_RATE, CHANNEL_CONFIG, AUDIO_FORMAT);
  12.         recorder = new AudioRecord(
  13.                 MediaRecorder.AudioSource.MIC,
  14.                 SAMPLE_RATE,
  15.                 CHANNEL_CONFIG,
  16.                 AUDIO_FORMAT,
  17.                 bufferSize);
  19.         recorder.startRecording();
  20.         isRecording = true;
  22.         new Thread(() -> {
  23.             byte[] buffer = new byte[bufferSize];
  24.             try (FileOutputStream fos = new FileOutputStream(outputFile)) {
  25.                 while (isRecording) {
  26.                     int read = recorder.read(buffer, 0, bufferSize);
  27.                     if (read > 0) fos.write(buffer, 0, read);
  28.                 }
  29.             } catch (IOException e) {
  30.                 e.printStackTrace();
  31.             }
  32.         }).start();
  33.     }
  35.     public void stopRecording() {
  36.         if (recorder != null) {
  37.             isRecording = false;
  38.             recorder.stop();
  39.             recorder.release();
  40.             recorder = null;
  41.         }
  42.     }
  43. }

2.3 API调用实现

百度语音识别支持多种方式，推荐使用WebSocket长连接实现实时识别：

  1. public class SpeechRecognizer {
  2.     private static final String WEBSOCKET_URL = "wss://vop.baidu.com/ws_speech?token=";
  4.     public interface RecognitionListener {
  5.         void onResult(String text);
  6.         void onError(int code, String message);
  7.     }
  9.     public void recognize(File audioFile, RecognitionListener listener) {
  10.         new Thread(() -> {
  11.             try {
  12.                 String token = AuthUtil.getAccessToken();
  13.                 OkHttpClient client = new OkHttpClient.Builder()
  14.                         .pingInterval(30, TimeUnit.SECONDS)
  15.                         .build();
  17.                 Request request = new Request.Builder()
  18.                         .url(WEBSOCKET_URL + token)
  19.                         .build();
  21.                 WebSocket webSocket = client.newWebSocket(request, new WebSocketListener() {
  22.                     @Override
  23.                     public void onOpen(WebSocket webSocket, Response response) {
  24.                         // 发送配置信息
  25.                         String config = "{\"format\":\"pcm\",\"rate\":16000,\"channel\":1,\"cuid\":\"android_device\"}";
  26.                         webSocket.send(config);
  28.                         // 发送音频数据
  29.                         try (FileInputStream fis = new FileInputStream(audioFile)) {
  30.                             byte[] buffer = new byte[1024];
  31.                             int bytesRead;
  32.                             while ((bytesRead = fis.read(buffer)) != -1) {
  33.                                 webSocket.send(Base64.encodeToString(buffer, 0, bytesRead, Base64.NO_WRAP));
  34.                             }
  35.                             webSocket.send(new byte[0]); // 结束标记
  36.                         } catch (IOException e) {
  37.                             listener.onError(500, "Audio send failed");
  38.                         }
  39.                     }
  41.                     @Override
  42.                     public void onMessage(WebSocket webSocket, String text) {
  43.                         try {
  44.                             JSONObject json = new JSONObject(text);
  45.                             if (json.has("result")) {
  46.                                 String result = json.getJSONArray("result").getString(0);
  47.                                 listener.onResult(result);
  48.                             }
  49.                         } catch (JSONException e) {
  50.                             e.printStackTrace();
  51.                         }
  52.                     }
  54.                     @Override
  55.                     public void onFailure(WebSocket webSocket, Throwable t, Response response) {
  56.                         listener.onError(400, t.getMessage());
  57.                     }
  58.                 });
  59.             } catch (Exception e) {
  60.                 listener.onError(500, e.getMessage());
  61.             }
  62.         }).start();
  63.     }
  64. }

三、优化与调试技巧

3.1 性能优化策略

  1. 音频预处理：使用AudioTrack进行降噪处理，提升识别准确率
  2. 网络优化：设置合理的超时时间（建议15秒），添加重试机制
  3. 内存管理：采用流式传输避免大文件内存溢出

3.2 常见问题解决方案

问题现象 可能原因 解决方案
401未授权 无效token 检查API Key/Secret Key是否正确
413请求体过大 音频过长 限制单次识别时长（建议≤60秒）
504网关超时 网络不稳定 检查网络连接，增加重试次数
无识别结果 音频质量差 确保采样率16kHz，16位单声道

3.3 高级功能扩展

  1. 离线命令词识别：下载离线引擎包，支持本地识别
  2. 实时转写：通过WebSocket实现边录音边识别
  3. 多语言支持：在请求头中添加"language":"zh-CN"等参数

四、最佳实践建议

  1. 权限动态申请：Android 6.0+需动态申请录音权限
  2. 错误处理机制：建立完善的错误码映射表
  3. 日志记录：记录关键节点日志便于问题排查
  4. 资源释放：确保WebSocket、AudioRecord等资源及时释放

五、完整调用示例

  1. // 1. 初始化录音
  2. AudioRecorder recorder = new AudioRecorder();
  3. File audioFile = new File(getExternalCacheDir(), "temp.pcm");
  5. // 2. 开始录音
  6. recorder.startRecording(audioFile);
  8. // 3. 延迟3秒后停止（模拟用户说话）
  9. new Handler(Looper.getMainLooper()).postDelayed(() -> {
  10.     recorder.stopRecording();
  12.     // 4. 调用语音识别
  13.     SpeechRecognizer recognizer = new SpeechRecognizer();
  14.     recognizer.recognize(audioFile, new SpeechRecognizer.RecognitionListener() {
  15.         @Override
  16.         public void onResult(String text) {
  17.             runOnUiThread(() -> tvResult.setText("识别结果：" + text));
  18.         }
  20.         @Override
  21.         public void onError(int code, String message) {
  22.             runOnUiThread(() -> tvResult.setText("错误：" + code + " - " + message));
  23.         }
  24.     });
  25. }, 3000);

通过以上步骤，开发者可以在Android Studio中完整实现百度语音识别API的集成。实际开发中需根据具体场景调整参数配置，并做好异常处理和资源管理。建议参考百度语音识别官方文档获取最新技术信息。

最新文章