捕捉发送到Google语音识别服务器的音频

Question

为了让Google服务器识别语音，我使用SpeechRecognizer类与RecognitionListener相结合，如Stephan在答案中建议的那样，针对这个问题。此外，我尝试使用RecognitionListener的onBufferReceived()回调来捕获正在识别的音频信号。

byte[] sig = new byte[500000] ;
int sigPos = 0 ;
...
public void onBufferReceived(byte[] buffer) {
  System.arraycopy(buffer, 0, sig, sigPos, buffer.length) ;
  sigPos += buffer.length ;
}
...

这似乎运行良好，除非SpeechRecognizer无法连接到Google服务器，当一块音频未复制到上述的sig数组时，会抛出HTTP连接超时异常。SpeechRecognizer最终连接到Google服务器，并且识别结果表明接收到了完整的音频信号；只是sig数组缺少一些音频块。是否有人遇到同样的问题？有解决方案的提示吗？谢谢！

- Dusan

---

你是如何处理信号(sig)以恢复原始音频信号并识别缺失的块？ - CompEng88

Answer 1

我倾向于认为这可能是识别服务行为上的不一致，甚至是您使用的Android版本中的一个错误。然而，文档说明并不保证该方法被调用，因此它符合规范。到目前为止，我注意到以下情况（在Android 2.3.4上）：在录制时我可以得到字节，但如果出现例如SocketTimeout，它会在一段时间后尝试将数据重新发送到服务器，但不会再次为相同的数据调用onBufferReceived。测试使用的代码与您在帖子中链接的代码相同。

您认为为什么会有一些音频块丢失？如果只有少数块丢失，那么即使这些块丢失了，识别也可能已经完成。

- Stephan

Answer 2

在现代版本中，onBufferReceived不起作用，您可以查看从语音识别意图保存音频。

- Nikolay Shmyrev

Answer 3

最好的方式是反过来实现。使用AudioRecord捕获音频数据（我建议使用VOICE_COMMUNICATION而不是MIC作为输入，以便获得非常干净的音频），然后将其传递给SpeechRecognizer。 :)

- tommed

---

你有这方面的示例吗？ - Wesley

@tommed 你有没有想过如何将音频数据传递给SpeechRecognizer？ - Uttam Panchasara