基于Microsoft Cognitive Speech+WebSocket的Xamarin Android连续语音识别问题

我之前帮不少开发者踩过Azure Speech WebSocket的坑，结合你修改旧库的场景，给你梳理几个最容易出问题的点和解决思路：

1. 先确认WebSocket连接的核心参数是否正确 #

Azure Speech的WebSocket端点是wss://<region>.stt.speech.microsoft.com/speech/universal/v2，你修改旧库时一定要把原来Bing Speech的旧端点完全替换掉。另外请求头里这几个项绝对不能少：

• Authorization: 必须是用Speech密钥生成的Bearer Token（注意Token有效期10分钟，要提前通过REST接口获取），格式是Bearer <你的Token内容>
• Content-Type: 严格对应音频格式，比如PCM16单声道16kHz的话就是audio/wav; codecs=audio/pcm; samplerate=16000
• X-ConnectionId: 生成一个随机GUID用来标识会话，这个是服务端用来追踪请求的关键
• Accept: 固定填application/json;text/xml

如果你的旧库原来用的是Bing Speech的授权逻辑，一定要完全替换成Azure Speech的Token生成流程，这是最常见的连接失败原因。

2. 音频流格式必须严格匹配要求 #

连续语音识别对音频的要求非常苛刻，差一点都不行：

• 必须是PCM编码、16位深度、单声道、16kHz采样率
• 每次发送的音频块建议是20ms左右的片段（计算下来就是640字节：16bit1声道16000Hz = 32000字节/秒，20ms就是640字节）
  你可以用FFmpeg命令快速验证音频格式：ffmpeg -i 你的测试音频.wav，看输出里的参数是否完全符合要求。如果格式不对，服务端要么直接断开连接，要么返回空的识别结果。

3. Xamarin Android的WebSocket客户端细节坑 #

Xamarin自带的ClientWebSocket在Android上有几个容易忽略的限制：

• 绝对不能在UI线程发送音频数据，必须放到后台线程（比如用Task.Run包裹发送逻辑）
• 要监听WebSocket的状态变化，必须等OnOpen事件触发后再开始发送音频，否则会直接失败
• 强制开启TLS 1.2：Azure Speech服务要求必须用TLS 1.2，你需要在项目里配置：
  在AndroidManifest.xml的application节点添加：

  android:networkSecurityConfig="@xml/network_security_config"
  

  然后在Resources/xml下创建network_security_config.xml：

  <?xml version="1.0" encoding="utf-8"?>
  <network-security-config>
      <base-config cleartextTrafficPermitted="false">
          <trust-anchors>
              <certificates src="system" />
          </trust-anchors>
      </base-config>
  </network-security-config>
  

4. 抓错误日志定位问题 #

如果还是连不上，一定要抓详细的错误信息：

• 查看WebSocket握手的HTTP响应码：401是授权错误，400是参数/格式错误，500是服务端问题
• 监听WebSocket的OnClose事件，CloseStatusDescription里会有服务端返回的具体错误说明（比如InvalidAuthorizationToken就是Token无效，BadRequest可能是音频格式不对）

5. 更省心的替代方案：绑定原生Android SDK #

如果修改旧库太折腾，其实可以直接绑定Azure Speech的原生Android SDK：

1. 下载官方的Android Speech SDK（.aar格式）
2. 在Xamarin项目里创建绑定库，把.aar文件导入
3. 处理JNI调用的映射，就能直接用官方封装好的连续识别功能，完全不用自己写WebSocket逻辑

我之前帮开发者做过类似的绑定，官方SDK已经把所有WebSocket的细节都封装好了，比自己改旧库稳定得多。

内容的提问来源于stack exchange，提问作者Vincent Elbert Budiman