Android使用CameraX能否同时实现语音识别与视频采集功能

问题根源 #

安卓系统默认对麦克风等音频输入硬件做了独占访问限制，同一时间仅允许一个功能模块持有音频输入焦点。当前实现中系统原生SpeechRecognizer、视频录制模块会独立申请麦克风权限，后启动的模块会直接抢占前序模块的音频焦点，导致仅最后调用的功能可以正常获取音频流工作，和调用顺序无关。

可行落地方案 #

核心逻辑是仅保留一个麦克风采集入口，将同一份采集到的音频流分发给两个业务模块使用，从根源上避免音频焦点抢占，具体有两种实现路径：

• 统一音频采集+流分发（全版本兼容，稳定性最高，推荐使用）
  单独初始化AudioRecord作为唯一的麦克风采集入口，拿到原始PCM音频数据后做两路分发：
  • 一路送入视频录制模块，和摄像头采集的视频帧做音视频同步、编码封装，生成带完整音轨的录制文件
  • 另一路送入语音识别模块，替代识别SDK默认的自主麦克风采集逻辑
• 高版本系统音频共享（仅适配安卓11+，不推荐作为主方案）
  安卓11（API 等级30）及以上版本开放了普通应用的音频输入共享能力，两个模块启动时都配置共享模式的AudioAttributes即可同时获取音频流，但该方案不支持安卓10及以下版本，且多数国产定制ROM会阉割该特性，覆盖范围有限。

现有代码适配注意点 #

你当前使用的系统原生SpeechRecognizer默认封装了自主申请麦克风、采集音频的逻辑，没有开放外部传入音频流的公开API，无法直接复用统一采集的音频数据，需要做如下调整：

1. 语音识别部分替换为支持外部PCM音频流输入的识别实现，可选方案包括：适配系统SpeechRecognizer的自定义音频源配置、集成Vosk/Whisper.cpp等支持流输入的离线识别引擎、接入支持流推送的在线识别服务
2. 视频录制部分不要使用高层封装的MediaRecorder（该API默认自主接管麦克风采集），改用CameraX+MediaCodec的低阶录制实现，支持直接接收外部传入的PCM音频数据做编码、封装。

核心实现参考 #

// 初始化全局唯一的麦克风采集实例
val sampleRate = 16000 // 语音识别通用采样率，若视频录制需要44100/48000采样率可在分发前做重采样处理
val channelConfig = AudioFormat.CHANNEL_IN_MONO
val audioFormat = AudioFormat.ENCODING_PCM_16BIT
val bufferSize = AudioRecord.getMinBufferSize(sampleRate, channelConfig, audioFormat)
val audioRecorder = AudioRecord(
    MediaRecorder.AudioSource.MIC,
    sampleRate,
    channelConfig,
    audioFormat,
    bufferSize * 2
)

// 启动独立采集线程做音频流分发
val collectThread = Thread {
    Process.setThreadPriority(Process.THREAD_PRIORITY_AUDIO)
    val audioBuffer = ByteArray(bufferSize)
    audioRecorder.startRecording()
    
    while (isTaskRunning) {
        val readLength = audioRecorder.read(audioBuffer, 0, bufferSize)
        if (readLength > 0) {
            val validData = audioBuffer.copyOf(readLength)
            // 分发音频数据给语音识别模块
            speechRecognitionEngine.feedAudio(validData)
            // 分发音频数据给视频录制的音频编码模块
            videoRecordEngine.feedAudio(validData)
        }
    }

    // 任务结束释放资源
    audioRecorder.stop()
    audioRecorder.release()
}
collectThread.start()

注意：如果需要同时满足语音识别的16k采样率要求和视频录制的44.1k/48k采样率要求，可以在音频分发前对原始PCM数据做重采样处理，避免两个模块采样率参数冲突。

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