Primeiros passos — Android

O speech-android oferece processamento de fala no dispositivo para Android usando ONNX Runtime. O pipeline executa VAD + STT + TTS com suporte a barge-in, totalmente offline após o download do modelo.

Requisitos

Android 8+ (API 26)
arquitetura arm64-v8a

Baixe o aplicativo de demonstração pré-compilado para experimentar imediatamente:

app-release.apk

Dependência Gradle

Adicione o SDK ao seu build.gradle.kts:

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

Início 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

Os modelos são baixados automaticamente do HuggingFace no primeiro uso (~1,2 GB no total). Após o download inicial, toda a inferência roda totalmente offline.

Modelos

Todos os modelos rodam via ONNX Runtime com aceleração NNAPI. Quantizados em INT8 por padrão.

Modelo	Tarefa	Tamanho
Parakeet TDT v3 (INT8)	Fala para texto (114 idiomas)	490 MB
Kokoro-82M (INT8)	Texto para fala (7 idiomas)	89 MB
Silero VAD v5	Detecção de atividade de voz	1.2 MB
DeepFilterNet3 (FP16)	Cancelamento de ruído	4.2 MB

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

Próximos passos

Benchmarks — desempenho de inferência em Android
API C para Linux — configuração para Linux embarcado