使用App Intents启动语音识别触发IsFormatSampleRateAndChannelCountValid错误

核心原因 #

Siri处理App Intent期间会占用麦克风，且强制使用特定音频格式（通常为16kHz单声道），你当前代码设置的音频格式与此冲突，导致installTap触发格式验证失败。单纯异步调用无法解决，因为Siri的音频会话优先级更高，需先适配其格式或等待Siri释放音频会话。

具体修复步骤 #

1. 适配Siri兼容的音频格式 #

放弃硬编码采样率和声道数，强制设置为Siri兼容的格式：

// 替换原格式创建代码，使用16kHz单声道格式
let compatibleFormat = AVAudioFormat(standardFormatWithSampleRate: 16000, channels: 1)!

或更稳妥地基于输入节点默认格式调整：

guard let inputNode = audioEngine.inputNode else { return }
let inputFormat = inputNode.inputFormat(forBus: 0)
// 转换为Siri兼容的16kHz单声道格式
let compatibleFormat = AVAudioFormat(standardFormatWithSampleRate: 16000, channels: 1)!

2. 等待Siri释放音频会话 #

在App Intent处理逻辑中，延迟初始化AudioEngine，给Siri足够时间释放麦克风：

import AVFoundation

func handle(intent: ListenIntent) async throws -> IntentResult {
    // 配置并激活音频会话（需确保Info.plist已添加麦克风权限描述）
    let session = AVAudioSession.sharedInstance()
    try await session.setCategory(.record, mode: .default, options: .duckOthers)
    try await session.setActive(true, options: .notifyOthersOnDeactivation)
    
    // 延迟1秒等待Siri释放麦克风（可根据实际情况调整时长）
    try await Task.sleep(nanoseconds: 1_000_000_000)
    
    // 再启动语音识别流程
    startSpeechRecognition()
    
    return .result()
}

3. 保证Speech请求与AudioEngine格式一致 #

创建SFSpeechAudioBufferRecognitionRequest时，传入与AudioEngine相同的格式：

let recognitionRequest = SFSpeechAudioBufferRecognitionRequest()
recognitionRequest.shouldReportPartialResults = true
// 同步音频设置
recognitionRequest.audioSettings = audioEngine.inputNode.inputFormat(forBus: 0).settings

关键注意事项 #

• 必须在Info.plist中添加NSMicrophoneUsageDescription和NSSpeechRecognitionUsageDescription权限描述，否则权限请求会失败。
• App Intent的处理在后台队列执行，需将AudioEngine和Speech相关操作放在主线程或合适队列中（可通过DispatchQueue.main.async包裹）。
• 测试时优先通过Intent Widget触发，避免Siri实时占用麦克风干扰调试。

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