如何实现永久运行仅响应“OK app”的Android SpeechRecognizer

问题根因 #

原生SpeechRecognizer本身定位为短语音识别组件，默认检测到2秒左右静默、或识别完成就会自动结束监听。你当前实现中每次识别结束都销毁并重建SpeechRecognizer实例，这段重建耗时就是识别空白期，自然会出现唤醒词漏响应的问题。

优化方案 #

方案1：优化现有SpeechRecognizer实现（快速修复，适合测试） #

• 复用SpeechRecognizer实例，不要每次结果/错误回调就销毁重建，仅重启监听即可，大幅降低空白期时长
• 调整识别参数，延长静默超时阈值，开启部分结果回调，无需等语音完全结束即可检测唤醒词
• 补全错误回调的重启逻辑，除了错误码7（无匹配结果）外，静默超时、识别器繁忙等可恢复错误都要触发重启监听
• 将服务改为前台服务，Android 8.0+后台服务会被系统自动回收，必须展示常驻通知保证服务存活，同时申请录音权限、后台麦克风权限、忽略电池优化权限。

方案2：改用专业唤醒词引擎（生产环境推荐） #

全量语音识别做永久监听功耗高、准确率低，生产环境建议使用专门的唤醒词方案：

• Android 12及以上可使用系统自带AlwaysOnHotwordDetector，系统级低功耗永久唤醒，无识别间隙，不需要自行维护后台服务
• 低版本可集成离线唤醒SDK，比如开源的Porcupine、PocketSphinx，或国内百度、科大讯飞的离线唤醒组件，仅监听你设置的"OK app"关键词，命中后再拉起全量语音识别做后续交互，功耗和准确率远高于原生SpeechRecognizer实现。

优化后核心代码示例 #

public class SttService extends Service implements RecognitionListener {
    private static final String TAG = "SstService";
    SpeechRecognizer mSpeech;

    // 初始化一次实例，复用
    private void initSpeechRecognizer() {
        if (mSpeech == null) {
            mSpeech = SpeechRecognizer.createSpeechRecognizer(SttService.this);
            mSpeech.setRecognitionListener(SttService.this);
        }
    }

    private void startListening() {
        Intent intent1 = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
        intent1.putExtra(RecognizerIntent.EXTRA_LANGUAGE_PREFERENCE, "en");
        // 开启部分结果回调，提前检测唤醒词
        intent1.putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS, true);
        // 静默超时改为5秒
        intent1.putExtra(RecognizerIntent.EXTRA_SPEECH_INPUT_COMPLETE_SILENCE_LENGTH_MILLIS, 5000);
        // 最小语音长度设为1秒
        intent1.putExtra(RecognizerIntent.EXTRA_SPEECH_INPUT_MINIMUM_LENGTH_MILLIS, 1000);
        mSpeech.startListening(intent1);
    }

    @Override
    public int onStartCommand(Intent intent, int flags, int startId) {
        Log.e(TAG, "onStartCommand: I am running");
        // 改成前台服务，这里需要自行添加通知创建逻辑
        // startForeground(NOTIFICATION_ID, notification);
        initSpeechRecognizer();
        startListening();
        return START_STICKY;
    }

    @Nullable
    @Override
    public IBinder onBind(Intent intent) {
        return null;
    }

    // 其他默认回调省略...

    @Override
    public void onError(int error) {
        Log.e(TAG, "onError: " + error);
        // 所有可恢复错误都触发重启
        if (error == SpeechRecognizer.ERROR_NO_MATCH 
            || error == SpeechRecognizer.ERROR_SPEECH_TIMEOUT
            || error == SpeechRecognizer.ERROR_RECOGNIZER_BUSY) {
            startListening();
        }
    }

    @Override
    public void onPartialResults(Bundle partialResults) {
        ArrayList<String> partials = partialResults.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION);
        if (partials != null && !partials.isEmpty()) {
            for (String text : partials) {
                if (text.equalsIgnoreCase("OK app")) {
                    // 提前命中唤醒词，执行对应逻辑
                    Log.e(TAG, "唤醒成功：" + text);
                    return;
                }
            }
        }
    }

    @Override
    public void onResults(Bundle results) {
        ArrayList<String> resultsStringArrayList = results.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION);
        if (resultsStringArrayList == null || resultsStringArrayList.isEmpty()) {
            startListening();
            return;
        }
        String mainResult = resultsStringArrayList.get(0);
        Log.e(TAG, "onResults: " + mainResult);
        if (mainResult.equalsIgnoreCase("OK app")) {
            System.out.println("What's up?");
        }
        // 直接重启监听，不销毁实例
        startListening();
    }
}

内容的提问来源于stack exchange，提问作者xRay