はじめに — Android

speech-androidはONNX Runtimeを使用してAndroid上でオンデバイス音声処理を提供します。パイプラインはVAD + STT + TTSをバージインサポートで実行し、モデルダウンロード後は完全にオフラインで動作します。

動作要件

すぐに試すためにプリビルドデモアプリをダウンロード：

app-release.apk

Gradle依存関係

build.gradle.ktsにSDKを追加します：

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

クイックスタート

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
重要

モデルは初回使用時にHuggingFaceから自動ダウンロードされます（合計約1.2 GB）。初回ダウンロード後、すべての推論は完全にオフラインで実行されます。

モデル

すべてのモデルはNNAPIアクセラレーションを備えたONNX Runtime経由で実行されます。デフォルトでINT8量子化されます。

モデルタスクサイズ
Parakeet TDT v3 (INT8)音声認識 (114言語)490 MB
Kokoro-82M (INT8)音声合成 (7言語)89 MB
Silero VAD v5音声区間検出1.2 MB
DeepFilterNet3 (FP16)ノイズキャンセリング4.2 MB

ソースコード: github.com/soniqo/speech-android

次のステップ