如何降低集成ML Kit手写识别的Android应用体积

问题背景 #

按照ML Kit官方指引，在Android应用中引入以下依赖集成手写识别功能：

implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'

官方文档说明该依赖采用动态下载模型的方式，但集成后应用体积仍增加约45MB。现需明确两个问题：

• 该依赖是否捆绑基础模型导致体积增大？
• 无模型的库本身是否就有如此大体积？
  同时，在官方说明不适用未捆绑模型安装方式的情况下，求减小应用体积的可行建议。

体积对比截图 #

• 无手写识别功能时的APK体积：
  

• 集成手写识别后的Debug版本APK体积：
  

• 集成手写识别后的Release版本APK体积：
  

问题解答 #

1. 依赖是否捆绑基础模型？ #

com.google.mlkit:digital-ink-recognition:18.1.0本身并未捆绑手写识别的语言模型（语言模型确实是动态下载的），但该库包含了TensorFlow Lite核心运行时、手写识别的核心逻辑代码，以及必要的资源文件，这些内容会带来一定体积增长，但45MB的涨幅属于异常情况。

2. 无模型的库本身体积？ #

纯库（不含模型）的实际体积远低于45MB：在使用App Bundle分架构打包后，单个CPU架构对应的so文件加代码体积约为5-10MB。45MB的异常涨幅大概率是因为未使用App Bundle，打包了所有CPU架构（armeabi-v7a、arm64-v8a、x86、x86_64）的so文件导致的。

减小应用体积的建议 #

在官方说明不适用未捆绑模型安装方式的前提下，可通过以下方式优化体积：

• 采用Android App Bundle（AAB）发布：Google Play会根据用户设备的CPU架构分发对应版本的安装包，避免打包所有架构的so文件；本地测试时可生成单个架构的APK验证体积。
• 启用R8/ProGuard混淆压缩：Release版本中确保开启代码混淆与资源压缩，移除未使用的代码和资源。ML Kit库已兼容混淆规则，不会影响功能。
• 排查依赖树：通过./gradlew app:dependencies命令查看依赖关系，移除不必要的间接依赖（如重复引入的TensorFlow Lite模块），可通过exclude语法剔除重复部分。
• 使用动态特性模块：将手写识别功能封装到动态特性模块中，仅在用户需要使用该功能时再下载模块，避免增加主APK体积。
• 检查APK内容：用Android Studio的APK Analyzer工具分析APK，确认是否误将手写识别模型（.tflite文件）打包进APK，若存在需排查代码逻辑，确保模型仅动态下载。

内容的提问来源于stack exchange，提问作者Manishoaham