Premiers pas — Android

speech-android fournit un traitement vocal embarqué pour Android via ONNX Runtime. Le pipeline exécute VAD + STT + TTS avec support du barge-in, entièrement hors ligne après le téléchargement des modèles.

Prérequis

Android 8+ (API 26)
Architecture arm64-v8a

Téléchargez l'application de démonstration pré-compilée pour l'essayer immédiatement :

app-release.apk

Dépendance Gradle

Ajoutez le SDK à votre build.gradle.kts :

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

Démarrage rapide

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) // float32 mono 16 kHz

Important

Les modèles se téléchargent automatiquement depuis HuggingFace à la première utilisation (~1,2 Go au total). Après le téléchargement initial, toute l'inférence s'exécute entièrement hors ligne.

Modèles

Tous les modèles s'exécutent via ONNX Runtime avec accélération NNAPI. Quantifié INT8 par défaut.

Modèle	Tâche	Taille
Parakeet TDT v3 (INT8)	Parole vers texte (114 langues)	490 Mo
Kokoro-82M (INT8)	Texte vers parole (7 langues)	89 Mo
Silero VAD v5	Détection d'activité vocale	1,2 Mo
DeepFilterNet3 (FP16)	Suppression de bruit	4,2 Mo

Code source : github.com/soniqo/speech-android

Prochaines étapes

Benchmarks — performance d'inférence Android
API C Linux — configuration Linux embarqué