嘿，这个需求我刚好有过类似的实践经验，咱们直接说结论：PocketSphinx完全是你的最佳选择，刚好匹配你所有的要求，下面给你一步步拆解实现思路：

为什么PocketSphinx适合你？ #

• 完全离线：不需要网络，完美契合你的离线语音识别要求
• 支持西班牙语：官方提供预训练的西班牙语声学模型和语言模型，直接就能用
• 轻量且可控：可以在目标Activity内部完成初始化、监听和销毁，绝对不会触发Activity重启，还能精准控制只在该页面生效
• 支持关键词识别：针对你这种只需要特定指令（比如“加分给队伍1”“加分给队伍2”）的场景，关键词识别比连续语音识别更高效、准确率更高

具体实现步骤 #

1. 引入依赖 #

在你的app模块build.gradle中添加PocketSphinx的依赖：

implementation 'edu.cmu.pocketsphinx:pocketsphinx-android:5.0.0'

2. 准备西班牙语语音模型 #

下载对应的西班牙语资源包，包含：

• 声学模型（es-es）
• 关键词列表文件（比如keywords.txt，里面写你需要识别的指令，每行一个，格式如下：

  equipo_uno_punto /1e-30/
  equipo_dos_punto /1e-30/
  

  后面的数值是权重，用来调整识别灵敏度）

把这些文件放在assets目录下，确保打包时能被读取到。

3. 在目标Activity中实现监听逻辑 #

核心要点：

• 仅在Activity可见时启动监听，不可见时停止，保证只在该页面生效
• 识别完成后自动重启监听，实现持续等待下一条命令的效果
• 处理识别结果时直接更新计数器UI，不涉及Activity重启

示例代码片段：

import edu.cmu.pocketsphinx.Assets;
import edu.cmu.pocketsphinx.RecognitionListener;
import edu.cmu.pocketsphinx.SpeechRecognizer;
import edu.cmu.pocketsphinx.SpeechRecognizerSetup;

public class ScoreCounterActivity extends AppCompatActivity implements RecognitionListener {
    private SpeechRecognizer recognizer;
    private TextView team1Score;
    private TextView team2Score;
    private int score1 = 0;
    private int score2 = 0;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_score_counter);
        team1Score = findViewById(R.id.team1_score);
        team2Score = findViewById(R.id.team2_score);

        // 动态申请录音权限
        if (ContextCompat.checkSelfPermission(this, Manifest.permission.RECORD_AUDIO) != PackageManager.PERMISSION_GRANTED) {
            ActivityCompat.requestPermissions(this, new String[]{Manifest.permission.RECORD_AUDIO}, 100);
        } else {
            initRecognizer();
        }
    }

    private void initRecognizer() {
        try {
            Assets assets = new Assets(this);
            File assetDir = assets.syncAssets();
            recognizer = SpeechRecognizerSetup.defaultSetup()
                    .setAcousticModel(new File(assetDir, "es-es"))
                    .setDictionary(new File(assetDir, "es.dic"))
                    .setKeywordThreshold(1e-30f)
                    .getRecognizer();
            recognizer.addListener(this);
            // 加载关键词列表
            recognizer.addKeyphraseSearch("commands", new File(assetDir, "keywords.txt"));
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    @Override
    protected void onStart() {
        super.onStart();
        if (recognizer != null) {
            // 启动关键词识别，持续监听
            recognizer.startListening("commands");
        }
    }

    @Override
    protected void onStop() {
        super.onStop();
        if (recognizer != null) {
            recognizer.stop();
        }
    }

    @Override
    protected void onDestroy() {
        super.onDestroy();
        if (recognizer != null) {
            recognizer.cancel();
            recognizer.shutdown();
        }
    }

    @Override
    public void onResult(Hypothesis hypothesis) {
        if (hypothesis != null) {
            String command = hypothesis.getHypstr();
            // 处理识别结果，更新分数
            runOnUiThread(() -> {
                switch (command) {
                    case "equipo_uno_punto":
                        score1++;
                        team1Score.setText(String.valueOf(score1));
                        break;
                    case "equipo_dos_punto":
                        score2++;
                        team2Score.setText(String.valueOf(score2));
                        break;
                }
                // 识别完成后重启监听，等待下一条命令
                recognizer.startListening("commands");
            });
        }
    }

    // 实现RecognitionListener的其他空方法
    @Override
    public void onBeginningOfSpeech() {}
    @Override
    public void onEndOfSpeech() {}
    @Override
    public void onError(Exception error) {}
    @Override
    public void onTimeout() {}
}

4. 关键优化点 #

• 权限处理：一定要动态申请RECORD_AUDIO权限，否则在Android 6+设备上无法正常录音
• 指令简化：把西班牙语指令设置得简洁明确，比如用“equipo 1”“equipo 2”代替长句子，能提升识别准确率
• 资源释放：在onDestroy中务必销毁recognizer，避免内存泄漏

有没有其他替代方案？ #

如果对PocketSphinx的识别效果不满意，还可以考虑：

• Vosk：另一个开源离线语音识别库，同样支持西班牙语，对于连续语音识别的效果可能更好，但体积比PocketSphinx大一点
• 自定义训练模型：如果你的指令非常特定，可以用PocketSphinx的工具训练专属的语言模型，进一步提升准确率

不过对于你的场景，PocketSphinx已经完全够用，上手成本也更低。

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