Maskinoversættelse · Engelsk original

Kom i gang - Android

speech-android giver on- enhed tale behandling til Android ved hjælp af ONNX Runtime. Rørledningen kører VAD + STT + TTS med barg- i støtte, helt offline efter model download.

Krav

• Android 8+ (API 26)
• arm64-v8a arkitektur

Download den præ- byggede demo app til at prøve det med det samme:

app-release.apk

Gradleafhængighed

Tilføj SDK til din build.gradle.kts:

implementation("audio.soniqo:speech:0.0.20")

Hurtig start

val modelDir = ModelManager.ensureModels(context)
val pipeline = SpeechPipeline(SpeechConfig(modelDir = modelDir))
pipeline.events.collect { event ->
    when (event) {
        is SpeechEvent.TranscriptionCompleted -> println(event.text)
        is SpeechEvent.ResponseDone -> pipeline.resumeListening()
        else -> {}
    }
}
pipeline.start()
pipeline.pushAudio(samples) // 16kHz mono float32

Ende- of- turn detektering

Aktivér Smart Turn v3.2 når en VAD pause skal behandles som et spørgsmål i stedet for et umiddelbart endpoint. Den scorer de sidste otte sekunder af den aktuelle drejning én gang efter hver bekræftet pause; en score under tærsklen holder den samme tur åben, mens maximum-stilhed cap garanterer en eventuel endpoint.

val modelDir = ModelManager.ensureModels(context, enableSmartTurn = true)
val pipeline = SpeechPipeline(
    SpeechConfig(
        modelDir = modelDir,
        enableSmartTurn = true,
        turnCompletionThreshold = 0.5f,
        turnCompletionMaxSilenceSec = 2.0f,
    )
)

Denne opt- in tilføjer en fastspændt 11.1 MB int8 model; inferens forbliver helt offline. Smart Turn blev oprettet af Pipecat / Daily og distribueres under BSD-2-Clause.

Systemstemme (Anerkendelse)

SDK skibe en ready- made SpeechRecognitionService at stikkene i Android 's rammer SpeechRecognizer API - ingen kode at skrive. Når din app er valgt som standard stemme genkendelsesfil, enhver tredjeparts app kalder SpeechRecognizer.createSpeechRecognizer(context) (med ng ComponentName) får fuld on- enhed STT gennem din rørledning.

1. Declare RECORD_AUDIO og service i AndroidManifest.xml:

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

<application>
    <service
        android:name="audio.soniqo.speech.service.SpeechRecognitionService"
        android:exported="true"
        android:permission="android.permission.RECORD_AUDIO">
        <intent-filter>
            <action android:name="android.speech.RecognitionService" />
        </intent-filter>
        <meta-data
            android:name="android.speech"
            android:resource="@xml/recognition_service" />
    </service>
</application>

2. Tilføj app/src/main/res/xml/recognition_service.xml:

<?xml version="1.0" encoding="utf-8"?>
<recognition-service xmlns:android="http://schemas.android.com/apk/res/android" />

3. Indstil tjenesten som systemets standard (Opsætning → System → Sprog & input → Stemmeindgangsvælger på lager Android, eller via adb):

adb shell settings put secure voice_recognition_service \
  your.package/audio.soniqo.speech.service.SpeechRecognitionService

4. Verificér ved at køre demo-appens Genkendelsesprøvning skærm, som kalder SpeechRecognizer.createSpeechRecognizer(ctx) (ingen komponent) og logger hver ramme callback - nyttigt til at bekræfte ringbind rundtur uden brug af logcat.

Tjenesten gennemfører onCheckRecognitionSupport (API 33+) om tilbagelevering af 27 BCP-47 sprog Parakeet TDT v3 omslag, markeret installedOnDeviceLanguage når der er modeller til stede (eller pendingOnDeviceLanguage mens de downloader). Audio fokus er erhvervet med AUDIOFOCUS_GAIN_TRANSIENT under en session.

Modeller

Alle modeller kører via ONNX Runtime med NNAPI acceleration. INT8 kvantificeret som standard.

Kilde: github.com /soniqo/speech-android

Næste skridt

• Benchmarks - Android inferens ydeevne
• Linux C API - indlejret Linux opsætning