Android 百度语音识别(详细步骤+源码)

前言

因为项目中用到了语音识别的技术，但是项目源码我不能公开，所以，重新写一个简单的集成教程，不喜可不看，不做键盘侠，文明你我他。

效果图

识别结果

最终效果

源码在文章最后，不需要下载积分什么的，哪种方式太恶心了。另外请用自己的手机运行，别用任何的虚拟机和模拟器。

正文

下面是详细步骤，不漏过任何一个细节，力求让你一步到位

① 创建平台应用

既然使用了百度语音，自然免不了要注册该平台的账号，否则凭什么让你使用，点击​​百度智能云​​进入，没有账号的可以先注册账号，注册应该就不用我讲解了吧？这里默认都有账号了，然后登录

然后左侧导航栏点击找到语音技术

然后会进入一个应用总览页面，

然后点击创建应用

立即创建

点击查看应用详情

这几个值都是等下项目中要用的，请注意，最好是复制粘贴，不要手打，上图中有一个下载SDK,点击进入下载页面，第一个就是

点击下载到本地，下载之后是一个压缩文件，解压之后先不用管它，然后在Android Studio里面创建一个项目

② 创建Android项目并配置

这时候你运行到自己的手机上，如果出现Hello World!,就说明你这个项目没有问题。哎呀~不得了啊！你真是一个百年不遇的代码奇才！ 继续啊！

File → New → Import Module…

通过上面的步骤，插入一个模块进来

点击OK

很明显，我找到了，你呢？找到了就找到了，说个🔨啊，人格分裂 继续啊，点击Finish 就会在你当前的项目中加入这个模块，与app是平级的。

这里就是在加载模块中的文件了，加载完毕之后，你可以打开settings.gradle,会发现多了一个 ‘:core’，当然这是在工程中加入了这个模块。

还要在你的app里面加入这个才能使用，

加入的方法有两个，

1. 手动选择

点击OK,然后再点击一次OK

模块已经添加进来了，当然这样比较繁琐，还有更简单的办法下面可以自动添加依赖。

2. 自动添加依赖

找到app下面的build.gradle配置文件，在dependencies闭包下，加入

implementation project(path: ':core')

然后右上角点击 Sync 同步到项目中

下面修改core的AndroidManifest.xml文件中的APP_ID、API_KEY、SECRET_KEY，以及添加权限，里面的值修改为之前在平台注册应用生成的值。

android:name="android.permission.RECORD_AUDIO" />
    <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
    <uses-permission android:name="android.permission.INTERNET" />
    <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

    <!-- 蓝牙录音使用，不需要可以去除 -->
    <uses-permission android:name="android.permission.BROADCAST_STICKY" />
    <uses-permission android:name="android.permission.BLUETOOTH" />
    <uses-permission android:name="android.permission.MODIFY_AUDIO_SETTINGS" />
    <uses-permission android:name="android.permission.BLUETOOTH_ADMIN"

改好之后，请注意，每个人都是不一样，你如果发现你创建的应用的配置的值和我创建的是一模一样的，你马上去百度提BUG，他们的程序员要就要下岗了~

OK，现在配置也完成了，接下来就是使用了。

③ 使用

首先是修改

布局修改的代码如下：

<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:app="http://schemas.android.com/apk/res-auto"
    xmlns:tools="http://schemas.android.com/tools"
    android:orientation="vertical"
    android:gravity="center"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    tools:context=".MainActivity">

    <TextView
        android:gravity="center"
        android:id="@+id/tv_txt"
        android:padding="20dp"
        android:textColor="#000"
        android:text="识别到的内容"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"/>

    <Button
        android:id="@+id/btn_stop"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:layout_alignParentBottom="true"
        android:text="停止" />

    <Button
        android:id="@+id/btn_start"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:layout_alignParentBottom="true"
        android:text="开始"

说道语音识别自然要用到这个麦克风，这个权限是需要动态申请的。

/**
     * android 6.0 以上需要动态申请权限
     */
    private void initPermission() {
        String permissions[] = {Manifest.permission.RECORD_AUDIO,
                Manifest.permission.ACCESS_NETWORK_STATE,
                Manifest.permission.INTERNET,
                Manifest.permission.WRITE_EXTERNAL_STORAGE
        };

        ArrayList<String> toApplyList = new ArrayList<String>();

        for (String perm : permissions) {
            if (PackageManager.PERMISSION_GRANTED != ContextCompat.checkSelfPermission(this, perm)) {
                toApplyList.add(perm);
            }
        }
        String tmpList[] = new String[toApplyList.size()];
        if (!toApplyList.isEmpty()) {
            ActivityCompat.requestPermissions(this, toApplyList.toArray(tmpList), 123);
        }

    }

    /**
     * 权限申请回调，可以作进一步处理
     * @param requestCode
     * @param permissions
     * @param grantResults
     */
    @Override
    public void onRequestPermissionsResult(int requestCode, String[] permissions, int[] grantResults) {
        // 此处为android 6.0以上动态授权的回调，用户自行实现。
    }

得到权限之后就可以进行下一步了，首先是初始化控件以及语音是被的核心SDK

protected TextView txtResult;//识别结果
    protected Button startBtn;//开始识别  一直不说话会自动停止，需要再次打开
    protected Button stopBtn;//停止识别

    private EventManager asr;//语音识别核心库

/**
     * 初始化控件
     */
    private void initView() {
        txtResult = (TextView) findViewById(R.id.tv_txt);
        startBtn = (Button) findViewById(R.id.btn_start);
        stopBtn = (Button) findViewById(R.id.btn_stop);

        startBtn.setOnClickListener(new View.OnClickListener() {//开始
            @Override
            public void onClick(View v) {
                asr.send(SpeechConstant.ASR_START, "{}", null, 0, 0);
            }
        });
        stopBtn.setOnClickListener(new View.OnClickListener() {//停止
            @Override
            public void onClick(View v) {
                asr.send(SpeechConstant.ASR_STOP, "{}", null, 0, 0);
            }
        });
    }

在onCreate方法中调用

@Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        initView();
        initPermission();

        //初始化EventManager对象
        asr = EventManagerFactory.create(this, "asr");
        //注册自己的输出事件类
        asr.registerListener(this); //  EventListener 中 onEvent方法
    }

同时还需要实现EventListener,注意到这个实现的是百度的，不是自带的。

实现之后还需要一个回调方法，如下：

/**
     * 自定义输出事件类 EventListener 回调方法
     */
    @Override
    public void onEvent(String name, String params, byte[] data, int offset, int length) {
        
        if (name.equals(SpeechConstant.CALLBACK_EVENT_ASR_PARTIAL)) {
            // 识别相关的结果都在这里
            if (params == null || params.isEmpty()) {
                return;
            }
            if (params.contains("\"final_result\"")) {
                // 一句话的最终识别结果
                txtResult.setText(params);
            } 
        }
        
    }

最后就是在onDestroy里面关闭和处理

@Override
    protected void onDestroy() {
        super.onDestroy();
        //发送取消事件
        asr.send(SpeechConstant.ASR_CANCEL, "{}", null, 0, 0);
        //退出事件管理器
        // 必须与registerListener成对出现，否则可能造成内存泄露
        asr.unregisterListener(this);
    }

可以运行了

点击开始，然后说 “你好”，识别出结果

可以看到，识别的结果还是蛮精准的，但是我们要的数据就只有那两个字而已，所以要进行数据的解析了

④ JSON数据解析

通过刚才代码的中大日志打印拿到JSON字符串，将这个字符串转成实体bean.

转出来的实体bean, 命名为ASRresponse，代码如下：

package com.llw.asrdemo;

import java.util.List;

public class ASRresponse {

    /**
     * results_recognition : ["你好，"]
     * result_type : final_result
     * best_result : 你好，
     * origin_result : {"asr_align_begin":80,"asr_align_end":130,"corpus_no":6835867007181645805,"err_no":0,"raf":133,"result":{"word":["你好，"]},"sn":"82d975e0-6eb4-43ac-a0e7-850bb149f28e"}
     * error : 0
     */

    private String result_type;
    private String best_result;
    private OriginResultBean origin_result;
    private int error;
    private List<String> results_recognition;

    public String getResult_type() {
        return result_type;
    }

    public void setResult_type(String result_type) {
        this.result_type = result_type;
    }

    public String getBest_result() {
        return best_result;
    }

    public void setBest_result(String best_result) {
        this.best_result = best_result;
    }

    public OriginResultBean getOrigin_result() {
        return origin_result;
    }

    public void setOrigin_result(OriginResultBean origin_result) {
        this.origin_result = origin_result;
    }

    public int getError() {
        return error;
    }

    public void setError(int error) {
        this.error = error;
    }

    public List<String> getResults_recognition() {
        return results_recognition;
    }

    public void setResults_recognition(List<String> results_recognition) {
        this.results_recognition = results_recognition;
    }

    public static class OriginResultBean {
        /**
         * asr_align_begin : 80
         * asr_align_end : 130
         * corpus_no : 6835867007181645805
         * err_no : 0
         * raf : 133
         * result : {"word":["你好，"]}
         * sn : 82d975e0-6eb4-43ac-a0e7-850bb149f28e
         */

        private int asr_align_begin;
        private int asr_align_end;
        private long corpus_no;
        private int err_no;
        private int raf;
        private ResultBean result;
        private String sn;

        public int getAsr_align_begin() {
            return asr_align_begin;
        }

        public void setAsr_align_begin(int asr_align_begin) {
            this.asr_align_begin = asr_align_begin;
        }

        public int getAsr_align_end() {
            return asr_align_end;
        }

        public void setAsr_align_end(int asr_align_end) {
            this.asr_align_end = asr_align_end;
        }

        public long getCorpus_no() {
            return corpus_no;
        }

        public void setCorpus_no(long corpus_no) {
            this.corpus_no = corpus_no;
        }

        public int getErr_no() {
            return err_no;
        }

        public void setErr_no(int err_no) {
            this.err_no = err_no;
        }

        public int getRaf() {
            return raf;
        }

        public void setRaf(int raf) {
            this.raf = raf;
        }

        public ResultBean getResult() {
            return result;
        }

        public void setResult(ResultBean result) {
            this.result = result;
        }

        public String getSn() {
            return sn;
        }

        public void setSn(String sn) {
            this.sn = sn;
        }

        public static class ResultBean {
            private List<String> word;

            public List<String> getWord() {
                return word;
            }

            public void setWord(List<String> word) {
                this.word = word;
            }
        }
    }
}

这里我用GSON来解析JSON数据。

//GSON
    implementation 'com.squareup.retrofit2:converter-gson:2.4.0'

记得Sync一下

然后回到MainActivity

修改的代码如下：

Gson gson = new Gson();
        ASRresponse asRresponse = gson.fromJson(params, ASRresponse.class);//数据解析转实体bean

        if(asRresponse == null) return;
        //从日志中，得出Best_result的值才是需要的，但是后面跟了一个中文输入法下的逗号，
        if(asRresponse.getBest_result().contains("，")){//包含逗号  则将逗号替换为空格，这个地方还会问题，还可以进一步做出来，你知道吗？
      txtResult.setText(asRresponse.getBest_result().replace('，',' ').trim());//替换为空格之后，通过trim去掉字符串的首尾空格
        }else {//不包含
      txtResult.setText(asRresponse.getBest_result().trim());
        }

然后再运行一下

OK,搞定了。其实看下来也不难，只不过是你没有找到好一点的文章，你说呢？这里是初学者-Study，山高水长，后会有期~

⑤ 疑难杂症

  经过了几次对读者问题解决之后，我打算添加这一环节，非常有必要，当你看完我的博客出现问题之后，请先运行我的源码，源码没有问题的话再和自己的代码取做对比，如果最后你发现不了什么问题。这里要注意的地方有三个：① 真机运行，别用任何虚拟器，虚拟机。② 检查百度智能云上面的应用包名和自己项目的包名是否一致。③ 检查AppID、API Key、Secret Key是否与core模块中的AndroidManifest.xml中的配置对应的上。④ 检查是否领取了免费调试额度。如下图所示，如果你的立即领取为灰色，那么现在则要领取了才能正常调用百度语音识别的SDK。如下图

  在我写这篇博客的时候，我创建应用的时候自己就领取了这个免费额度，所以上面的文章中没有提到这一点，在这里补充上去，现在的新用户创建应用时，百度改变了规则，需用开发者手动领取，没有领取的，你自然就调用不了SDK了。综上所述能解决你大部分问题。再加上我的博客基本上无懈可击，可以很负责任的说，我的这个博客绝对比官方文档要详细很多，可以说是手把手教学了，另外有问题也可以私信我，或者评论一下就可以。

这里再补充一个读者解决问题的过程，因为我之前写的时候没有碰到过，不过既然是解决问题的方式之一，而且也有用的话，也就放到文章里面来吧。这是我在评论里看到的；

如果出现Attemp to…的问题，把start那里的第一个Null改成 “{}” 试试；

asr.send(SpeechConstant.ASR_START, "{}", null, 0, 0);

如果出现VAD…的，把minsdk改成21