Android端如何同时实现实时语音转文本与本地音频录制保存？

核心问题在于Android的音频输入资源是独占的，AudioRecord和SpeechRecognizer会争抢同一麦克风输入，所以无法同时运行。下面给出两种低成本、无需依赖付费云服务的可行方案：

方案一：复用AudioRecord的音频数据，同时做录制和离线识别 #

用AudioRecord捕获原始PCM音频数据，一边将数据写入本地文件（可封装为WAV格式），一边把实时数据喂给离线语音识别引擎（比如开源的CMU Sphinx），这样只占用一次音频输入资源。

关键步骤： #

1. 初始化AudioRecord，配置统一的音频参数（建议用16kHz单声道16bit PCM，适配多数离线引擎）。
2. 在录制循环中，读取PCM数据：
   • 将数据写入本地文件（如果要保存为WAV，需要先写入WAV文件头，再追加PCM数据）。
   • 将数据传入离线识别引擎的输入流，实时解析识别结果。

代码片段示例： #

// 初始化AudioRecord
int sampleRate = 16000;
int channelConfig = AudioFormat.CHANNEL_IN_MONO;
int audioFormat = AudioFormat.ENCODING_PCM_16BIT;
int bufferSize = AudioRecord.getMinBufferSize(sampleRate, channelConfig, audioFormat);
AudioRecord audioRecord = new AudioRecord(MediaRecorder.AudioSource.MIC, sampleRate, channelConfig, audioFormat, bufferSize);

// 初始化离线识别引擎（以CMU Sphinx为例）
SpeechRecognizer recognizer = SpeechRecognizerSetup.defaultSetup()
        .setAcousticModel("resource:/edu/cmu/sphinx/models/en-us/en-us")
        .setDictionary("resource:/edu/cmu/sphinx/models/en-us/cmudict-en-us.dict")
        .getRecognizer();
recognizer.addListener(new RecognitionListener() {
    @Override
    public void onResult(Result result) {
        // 处理识别结果
        String text = result.getHypothesis();
    }
});

// 开始录制和识别
audioRecord.startRecording();
recognizer.startListening();

byte[] buffer = new byte[bufferSize];
FileOutputStream fos = new FileOutputStream(new File(getExternalFilesDir(null), "recording.pcm"));

while (isRecording) {
    int read = audioRecord.read(buffer, 0, bufferSize);
    if (read > 0) {
        // 写入本地文件
        fos.write(buffer, 0, read);
        // 将音频数据喂给识别引擎
        recognizer.processRaw(buffer, 0, read, false, false);
    }
}

// 停止录制和识别
audioRecord.stop();
audioRecord.release();
recognizer.stopListening();
fos.close();

方案二：通过SpeechRecognizer回调获取音频数据并保存 #

部分Android设备的SpeechRecognizer支持通过额外参数获取识别过程中的原始音频数据，这样可以省去单独用AudioRecord录制的步骤，直接在识别回调中保存音频。

关键步骤： #

1. 启动识别时，添加EXTRA_GET_AUDIO_FORMAT和EXTRA_GET_AUDIO_DATA参数。
2. 在onResults或onPartialResults回调中，获取音频数据并写入本地文件。

代码片段示例： #

Intent recognizerIntent = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
recognizerIntent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL, RecognizerIntent.LANGUAGE_MODEL_FREE_FORM);
// 添加获取音频数据的参数
recognizerIntent.putExtra(RecognizerIntent.EXTRA_GET_AUDIO_FORMAT, "audio/amr");
recognizerIntent.putExtra(RecognizerIntent.EXTRA_GET_AUDIO_DATA, true);

SpeechRecognizer speechRecognizer = SpeechRecognizer.createSpeechRecognizer(context);
speechRecognizer.setRecognitionListener(new RecognitionListener() {
    @Override
    public void onResults(Bundle results) {
        // 获取识别结果
        ArrayList<String> matches = results.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION);
        // 获取音频数据并保存
        byte[] audioData = results.getByteArray(SpeechRecognizer.EXTRA_AUDIO_DATA);
        if (audioData != null) {
            try {
                FileOutputStream fos = new FileOutputStream(new File(getExternalFilesDir(null), "recording.amr"));
                fos.write(audioData);
                fos.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }

    // 实现其他回调方法...
});

speechRecognizer.startListening(recognizerIntent);

注意事项： #

• 该方案的兼容性有限，部分设备或系统版本可能不支持EXTRA_GET_AUDIO_DATA参数，需要提前做兼容性判断。
• 保存的音频格式由EXTRA_GET_AUDIO_FORMAT指定，通常支持audio/amr或audio/wav。

额外提示 #

• 权限：确保已申请RECORD_AUDIO权限，以及Android 13及以上版本的WRITE_MEDIA_AUDIO/READ_MEDIA_AUDIO权限，Android 12及以下的WRITE_EXTERNAL_STORAGE权限。
• 离线引擎选择：CMU Sphinx完全开源免费，支持多语言，但识别精度可能略低于云服务；也可以尝试设备厂商自带的离线语音识别能力（如小米、华为的内置ASR），需参考各自厂商的开发文档。
• 音频格式一致性：无论是录制还是识别，务必保持采样率、声道数、位深等参数一致，否则会导致识别失败或音频文件损坏。

内容的提问来源于stack exchange，提问作者quannm18