Empezar — Android

speech-android proporciona procesamiento de voz en el dispositivo para Android usando ONNX Runtime. El pipeline ejecuta VAD + STT + TTS con soporte de barge-in, totalmente offline tras la descarga del modelo.

Requisitos

Android 8+ (API 26)
Arquitectura arm64-v8a

Descarga la aplicación de demostración preconstruida para probarla inmediatamente:

app-release.apk

Dependencia de Gradle

Añade el SDK a tu build.gradle.kts:

implementation("audio.soniqo:speech:0.0.5")

Inicio rápido

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

Importante

Los modelos se descargan automáticamente desde HuggingFace en el primer uso (~1.2 GB en total). Tras la descarga inicial, toda la inferencia se ejecuta totalmente offline.

Modelos

Todos los modelos se ejecutan vía ONNX Runtime con aceleración NNAPI. Cuantizados en INT8 por defecto.

Modelo	Tarea	Tamaño
Parakeet TDT v3 (INT8)	Voz a texto (114 idiomas)	490 MB
Kokoro-82M (INT8)	Texto a voz (7 idiomas)	89 MB
Silero VAD v5	Detección de actividad vocal	1.2 MB
DeepFilterNet3 (FP16)	Cancelación de ruido	4.2 MB

Código fuente: github.com/soniqo/speech-android

Próximos pasos

Benchmarks — rendimiento de inferencia en Android
API C de Linux — configuración de Linux embebido