Начало работы — Android

speech-android обеспечивает обработку речи на устройстве для Android через ONNX Runtime. Пайплайн запускает VAD + STT + TTS с поддержкой barge-in, полностью офлайн после загрузки моделей.

Требования

Android 8+ (API 26)
Архитектура arm64-v8a

Скачайте готовое демо-приложение, чтобы попробовать его сразу:

app-release.apk

Gradle-зависимость

Добавьте SDK в ваш build.gradle.kts:

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

Быстрый старт

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) // 16 кГц моно float32

Важно

Модели автоматически скачиваются с HuggingFace при первом использовании (~1.2 ГБ всего). После первой загрузки весь инференс работает полностью офлайн.

Модели

Все модели работают через ONNX Runtime с ускорением NNAPI. По умолчанию INT8-квантизация.

Модель	Задача	Размер
Parakeet TDT v3 (INT8)	Распознавание речи (114 языков)	490 МБ
Kokoro-82M (INT8)	Синтез речи (7 языков)	89 МБ
Silero VAD v5	Детекция голосовой активности	1.2 МБ
DeepFilterNet3 (FP16)	Подавление шума	4.2 МБ

Исходный код: github.com/soniqo/speech-android

Следующие шаги

Бенчмарки — производительность Android-инференса
Linux C API — настройка для встраиваемого Linux