logo
积分中心
让HarmonyOS应用拥有离线语音输入能力:基于Core Speech Kit实现语音转文字
头像 沉迷效率工具 2026-11-11 16:14:26    发布
0 浏览 0 收藏

在很多移动应用中,语音输入已经成为提升交互效率的重要方式。例如,用户在搜索商品、填写表单、记录备忘录或者发布评论时,如果每次都需要调出键盘输入,不仅操作步骤比较多,在开车、运动等不方便手动输入的场景中也不够友好。将语音识别能力集成到应用中,可以让用户通过说话完成信息录入。

在HarmonyOS 7应用开发中,可以通过Core Speech Kit提供的SpeechRecognizer能力实现语音转文字。与传统依赖云端接口的语音识别方案不同,这项能力支持离线识别,即使设备处于无网络状态,也能够完成普通话语音识别。这对于需要保障基础交互连续性的应用来说,具有一定的实用价值。

实际开发时,可以将语音输入设计为一个独立的交互模块。例如,在应用的搜索页面增加一个麦克风按钮,用户点击后开始录音,完成说话后将识别结果自动填充到搜索框中。

首先,在ArkTS文件中导入相关模块:

import { speechRecognizer } from '@kit.CoreSpeechKit';

import { BusinessError } from '@kit.BasicServicesKit';

接下来创建语音识别引擎。Core Speech Kit通过createEngine接口初始化识别服务,开发者需要配置识别语言和识别模式。

let asrEngine:

speechRecognizer.SpeechRecognitionEngine;

async function initRecognizer() {

let extraParams: Record<string, Object> = {

'locate': 'CN',

'recognizerMode': 'short'

};

let params:

speechRecognizer.CreateEngineParams = {

language: 'zh-CN',

online: 1,

extraParams: extraParams

};

try {

asrEngine =

await speechRecognizer.createEngine(params);

asrEngine.setListener({

onStart(sessionId: string, message: string) {

console.info('语音识别已启动');

},

onEvent(

sessionId: string,

eventCode: number,

message: string

) {

console.info(`识别事件:${eventCode}`);

},

onResult(

sessionId: string,

result: speechRecognizer.SpeechRecognitionResult

) {

console.info(

`识别结果:${JSON.stringify(result)}`

);

},

onComplete(sessionId: string, message: string) {

console.info('本次识别完成');

},

onError(

sessionId: string,

errorCode: number,

errorMessage: string

) {

console.error(

`识别失败:${errorCode}, ${errorMessage}`

);

}

});

} catch (err) {

let error = err as BusinessError;

console.error(`引擎初始化失败:${error.code}`);

}

}

这里有几个值得注意的地方。

第一,识别引擎初始化是异步过程,因此不能在调用createEngine之后立即启动识别,必须等到引擎创建成功,并完成监听器注册后再执行后续操作。

第二,setListener需要在使用其他识别能力之前调用。识别开始、识别过程中的事件、识别结果以及异常信息,都会通过监听器返回。开发者可以利用这些回调更新页面状态。

第三,识别结果不应该直接等同于最终提交内容。实际应用中,可以先将识别结果显示在输入框中,让用户进行确认和修改,再执行搜索或者提交操作。

接下来配置语音识别参数,并启动识别:

let sessionId: string = 'search_session_001';

function startVoiceInput() {

if (!asrEngine) {

console.error('识别引擎尚未初始化');

return;

}

let audioInfo: speechRecognizer.AudioInfo = {

audioType: 'pcm',

sampleRate: 16000,

soundChannel: 1,

sampleBit: 16

};

let startParams: speechRecognizer.StartParams = {

sessionId: sessionId,

audioInfo: audioInfo

};

asrEngine.startListening(startParams);

}

这里使用的是16kHz采样率、单声道、16bit的PCM音频配置。实际接入时,需要根据音频采集方式和接口要求保持音频格式一致,不能只修改参数而不调整实际音频数据。

对于语音搜索场景,建议将页面交互设计成明确的几个状态:待输入、正在聆听、识别处理中、识别完成和识别失败。用户点击麦克风后,界面显示正在聆听;识别结束后,将文字填充到搜索框;如果没有识别到有效内容,则提示用户重新输入。

此外,还需要注意识别时长限制。Core Speech Kit支持短语音和长语音模式,短语音模式最长不超过60秒,长语音模式最长不超过8小时。普通搜索、表单填写等场景优先使用短语音模式即可。

测试时,可以分别验证正常普通话输入、较快语速、环境噪声、短暂停顿和无网络状态下的识别效果。尤其需要验证用户连续点击麦克风时,应用是否会重复启动识别任务。

通过这套方案,开发者可以将离线语音输入能力集成到搜索、评论、备忘录和表单等功能中,让应用从传统键盘输入扩展为更加自然的语音交互

©本站发布的所有内容,包括但不限于文字、图片、音频、视频、图表、标志、标识、广告、商标、商号、域名、软件、程序等,除特别标明外,均来源于网络或用户投稿,版权归原作者或原出处所有。我们致力于保护原作者版权,若涉及版权问题,请及时联系我们进行处理。
分类
HarmonyOS
地址:北京市朝阳区北三环东路三元桥曙光西里甲1号第三置业A座1508室 电话:13391790444或(010)62178877
版权所有:电脑商情信息服务集团 北京赢邦策略咨询有限责任公司
声明:本媒体部分图片、文章来源于网络,版权归原作者所有,我司致力于保护作者版权,如有侵权,请与我司联系删除

京ICP备:2022009079号-2

京公网安备:11010502051901号

ICP证:京B2-20230255