如何借助Manifest.permission.RECORD_AUDIO检测用户说话状态以控制波形图标？

核心实现思路 #

要实现「说话时显示波形、停止时隐藏」的需求，核心是实时监测麦克风输入的音频状态，具体可通过以下几点落地：

• 音频振幅阈值判断：采集麦克风的音频振幅值，设定合理阈值（比如1000），当振幅超过阈值时判定用户正在说话
• 超时防误判：说话是连续的音频输入，需设置超时机制——当振幅低于阈值持续一段时间（比如1秒）后，才判定为停止说话，避免环境杂音或短暂停顿导致的误触发
• 实时采样：需要定时、持续地采集音频数据，而非仅在页面恢复时检测一次

原代码存在的问题 #

你提供的代码无法满足实时监测需求，主要问题包括：

1. 仅在onResume()中执行一次检测，无法持续追踪用户说话状态
2. 使用Thread.sleep(2000)会阻塞UI线程，导致界面卡顿甚至ANR
3. 无超时逻辑，振幅低于阈值时直接进入分支，容易误判
4. 重复获取amplitude的逻辑冗余，未处理连续监测逻辑

优化后的实现代码 #

以下是基于Kotlin协程的实时监测方案，兼顾性能与准确性：

import android.media.MediaRecorder
import android.os.Bundle
import android.widget.Toast
import androidx.appcompat.app.AppCompatActivity
import androidx.lifecycle.lifecycleScope
import kotlinx.coroutines.delay
import kotlinx.coroutines.isActive
import kotlinx.coroutines.launch

class VoiceDetectionActivity : AppCompatActivity() {
    private var recorder: MediaRecorder? = null
    private val SPEAKING_THRESHOLD = 1000 // 振幅阈值，可根据环境调整
    private val SILENCE_TIMEOUT = 1000L // 静音超时时间，单位毫秒
    private var isUserSpeaking = false
    private var lastSpeakingTime = System.currentTimeMillis()

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        // 初始化麦克风录制器
        initRecorder()
        // 启动实时语音监测
        startVoiceDetection()
    }

    private fun initRecorder() {
        recorder = MediaRecorder().apply {
            setAudioSource(MediaRecorder.AudioSource.MIC)
            setOutputFormat(MediaRecorder.OutputFormat.THREE_GPP)
            setAudioEncoder(MediaRecorder.AudioEncoder.AMR_NB)
            setOutputFile("/dev/null") // 无需保存音频，输出到空设备
            try {
                prepare()
                start()
            } catch (e: Exception) {
                e.printStackTrace()
                Toast.makeText(this@VoiceDetectionActivity, "麦克风初始化失败", Toast.LENGTH_SHORT).show()
            }
        }
    }

    private fun startVoiceDetection() {
        lifecycleScope.launch {
            while (isActive) {
                recorder?.let {
                    val amplitude = it.maxAmplitude
                    if (amplitude > SPEAKING_THRESHOLD) {
                        lastSpeakingTime = System.currentTimeMillis()
                        if (!isUserSpeaking) {
                            isUserSpeaking = true
                            runOnUiThread {
                                Toast.makeText(this@VoiceDetectionActivity, "用户正在说话", Toast.LENGTH_SHORT).show()
                                // 此处添加显示波形图标的逻辑
                            }
                        }
                    } else {
                        // 检查是否超过静音超时时间
                        if (isUserSpeaking && System.currentTimeMillis() - lastSpeakingTime > SILENCE_TIMEOUT) {
                            isUserSpeaking = false
                            runOnUiThread {
                                Toast.makeText(this@VoiceDetectionActivity, "用户停止说话", Toast.LENGTH_SHORT).show()
                                // 此处添加隐藏波形图标的逻辑
                            }
                        }
                    }
                }
                delay(100) // 每100毫秒采样一次，可按需调整频率
            }
        }
    }

    override fun onDestroy() {
        super.onDestroy()
        recorder?.apply {
            stop()
            release()
        }
        recorder = null
    }
}

额外优化建议 #

• 动态阈值调整：可先采集几秒环境噪音，取平均值作为基准阈值，适配不同场景下的噪音水平
• 专业VAD库集成：若需更高准确性，可使用WebRTC的VAD模块，能更精准地区分人声与环境噪音
• 权限处理：记得在AndroidManifest.xml中添加麦克风权限，并动态申请：

  <uses-permission android:name="android.permission.RECORD_AUDIO" />
  

内容的提问来源于stack exchange，提问作者arun