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:0.0.9")

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

Entrada de voz do sistema (RecognitionService)

O SDK fornece um SpeechRecognitionService pronto para uso que se conecta à API SpeechRecognizer do framework do Android — sem código a escrever. Uma vez que seu app é selecionado como o reconhecedor de voz padrão, qualquer app de terceiros chamando SpeechRecognizer.createSpeechRecognizer(context) (sem ComponentName) obtém STT totalmente no dispositivo através do seu pipeline.

1. Declare RECORD_AUDIO e o serviço em 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. Adicione 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. Defina o serviço como padrão do sistema (Configurações → Sistema → Idiomas e entrada → Seletor de entrada de voz no Android puro, ou via adb):

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

4. Verifique executando a tela Recognizer test do app demo, que chama SpeechRecognizer.createSpeechRecognizer(ctx) (sem componente) e registra cada callback do framework — útil para confirmar o round-trip do binder sem precisar do logcat.

O serviço implementa onCheckRecognitionSupport (API 33+) retornando os 27 idiomas BCP-47 cobertos pelo Parakeet TDT v3, marcados como installedOnDeviceLanguage quando os modelos estão presentes (ou pendingOnDeviceLanguage enquanto eles são baixados). O foco de áudio é adquirido com AUDIOFOCUS_GAIN_TRANSIENT pela duração de uma sessão.

Modelos

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

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

Próximos passos

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