You need to enable JavaScript to run this app. Android如何用AudioRecord替代RandomAccessFile实现DeepSpeech TFLite麦克风STT
优惠活动
大模型
产品
解决方案
定价
更多

Android如何用AudioRecord替代RandomAccessFile实现DeepSpeech TFLite麦克风STT

适配核心原则

DeepSpeech TFLite 模型的stt()方法对输入的要求,和你之前从WAV文件解析得到的PCM格式完全一致:16kHz采样率、单声道、16bit深度的小端序short数组。用AudioRecord实现麦克风采集时,只要配置参数完全对齐这个格式,就可以直接把采集到的音频数据喂给模型,不需要额外做格式转换。

AudioRecord 必选配置
  • 采样率固定设置为16000,和你原代码中断言的模型采样率要求完全匹配,避免因为采样率不匹配导致识别结果异常。
  • 声道选择AudioFormat.CHANNEL_IN_MONO,对应原代码断言的单声道要求,多声道输入需要额外做降混处理才能适配模型。
  • 音频编码格式选择AudioFormat.ENCODING_PCM_16BIT,对应原代码断言的16bit采样深度要求。
  • 缓冲区大小计算:先通过AudioRecord.getMinBufferSize(16000, AudioFormat.CHANNEL_IN_MONO, AudioFormat.ENCODING_PCM_16BIT)拿到系统允许的最小缓冲值,实际传入AudioRecord构造函数的缓冲大小要至少是这个值的2倍,避免采集过程中因为缓冲不足丢帧。
采集与推理对接实现
  • 音频采集操作必须放在后台线程执行,不要在主线程调用AudioRecord.read(),否则会触发系统ANR。
  • 读PCM数据时直接传入short类型的缓冲数组,调用audioRecord.read(pcmBuffer, 0, pcmBuffer.length)获取采集到的音频数据。这个方法返回的short数组本来就是小端序格式,和你之前读WAV文件时手动转换得到的shorts数组格式完全一致,不需要额外做端序处理。
  • 根据业务场景决定推理时机:如果是按住说话的交互逻辑,就从用户按下录音键开始持续累积所有采集到的short值,松开录音键时把整段累积的PCM数组一次性传给stt()方法;如果是实时流式转写,就按固定长度分片累积PCM数据,满足模型输入长度要求后再调用推理接口。
常见踩坑提醒
  • 不要为了追求兼容性使用其他采样率,比如8000Hz、44100Hz,这些采样率下采集的音频和模型训练的输入分布不匹配,识别准确率会大幅下降。
  • 不要先把数据读入byte数组再手动转short,直接使用short类型的缓冲读数据,避免手动端序转换引入的格式错误。
  • 录音权限必须提前在配置文件中声明,并且在动态申请权限通过后再初始化AudioRecord,否则会出现初始化失败的问题。

参考实现代码片段

// 初始化符合要求的AudioRecord
int SAMPLE_RATE = 16000;
int CHANNEL_CONFIG = AudioFormat.CHANNEL_IN_MONO;
int AUDIO_FORMAT = AudioFormat.ENCODING_PCM_16BIT;
int minBufferSize = AudioRecord.getMinBufferSize(SAMPLE_RATE, CHANNEL_CONFIG, AUDIO_FORMAT);
int recordBufferSize = Math.max(minBufferSize * 2, SAMPLE_RATE * 2);

AudioRecord audioRecord = new AudioRecord(
    MediaRecorder.AudioSource.MIC,
    SAMPLE_RATE,
    CHANNEL_CONFIG,
    AUDIO_FORMAT,
    recordBufferSize
);

// 后台线程执行采集
new Thread(() -> {
    short[] readBuffer = new short[recordBufferSize / 2];
    List<Short> pcmCollector = new ArrayList<>();

    // 开始录音
    audioRecord.startRecording();

    while (isRecordingActive) {
        int readLength = audioRecord.read(readBuffer, 0, readBuffer.length);
        if (readLength > 0) {
            // 收集有效采集数据
            for (int i = 0; i < readLength; i++) {
                pcmCollector.add(readBuffer[i]);
            }
        }
    }

    // 停止录音
    audioRecord.stop();

    // 转换为模型需要的short数组,直接调用推理
    short[] finalPcm = new short[pcmCollector.size()];
    for (int i = 0; i < pcmCollector.size(); i++) {
        finalPcm[i] = pcmCollector.get(i);
    }
    String result = this._m.stt(finalPcm, finalPcm.length);
    // 在主线程更新UI显示识别结果
}).start();

内容的提问来源于stack exchange,提问作者ccvvvccccc

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 03:06:04