Vosk Android使用方法

Vosk是一个基于kaldi的开源语音识别框架，支持多种编程语言和多个平台，易于使用和集成，是做语音识别时很好的选择。使用步骤如下：

1. 下载vosk源码：源码地址。

2. 利用源码编译so库，不会编译的小伙伴可以从这里下载aar包：libvosk.so，然后把文件后缀名从.aar改为.zip，再解压这个文件即可在其中jni目录下找到so库。

3. 删除源码vosk-api-0.3.45\android\lib\src\main\jniLibs这个目录下的文件，把编译好的so库放在这个目录下。

4. 下载官方提供的模型文件：vosk-model-small-cn-0.22，会使用kaldi训练模型的伙伴也可以自行生成自己的模型文件。然后在vosk-api-0.3.45\android\lib\src\main目录下新建assets目录，把模型文件放在assets目录下。

5. 新建一个Android工程，import module把vosk-api-0.3.45\android\lib这个导入到项目中。

6. 修改module build.gradle文件，加入以下代码：

apply plugin: 'com.android.library'
apply plugin: 'maven-publish'
...
...
dependencies {
    api 'net.java.dev.jna:jna:4.4.0@aar'
}

//preBuild.dependsOn buildVosk

publishing {
    publications {
        aar(MavenPublication) {
            artifactId = archiveName
            artifact("$buildDir/outputs/aar/$archiveName-release.aar")
            pom {
                name = pomName
                description = pomDescription
            }
            //generate pom nodes for dependencies
            pom.withXml {
                def dependenciesNode = asNode().appendNode('dependencies')
                configurations.implementation.allDependencies.each { dependency ->
                    if (dependency.name != 'unspecified') {
                        def dependencyNode = dependenciesNode.appendNode('dependency')
                        dependencyNode.appendNode('groupId', dependency.group)
                        dependencyNode.appendNode('artifactId', dependency.name)
                        dependencyNode.appendNode('version', dependency.version)
                    }
                }
            }
        }
    }
}



tasks.register('genUUID') {
    def uuid = UUID.randomUUID().toString()
    def odir = file("$buildDir/generated/assets/vosk-model-small-cn")
    def ofile = file("$odir/uuid")
    doLast {
        mkdir odir
        ofile.text = uuid
    }
}

preBuild.dependsOn(genUUID)

其中def odir = file("$buildDir/generated/assets/vosk-model-small-cn")这里的名称要和自己的模型名称一致。

7. module新建VoskClient.java，主要用来对外部提供模型初始化和语音识别的接口，模型初始化的接口如下：

public void initModel() {
        StorageService.unpack(context.getApplicationContext(), "vosk-model-small-cn", "model",
                (model) -> {
                    this.model = model;
                },
                (exception) -> Log.e("Voice Recognization ", "initModel: unpack error"));
    }

语音识别的接口如下：

//识别麦克风语音，需要动态申请RECORD_AUDIO权限
private void recognizeMicrophone() {
        if (speechService != null) {
            speechService.stop();
            speechService = null;
        } else {
            try {
                Recognizer rec = new Recognizer(model, 16000.0f);
                speechService = new SpeechService(rec, 16000.0f);
                speechService.startListening(this);
            } catch (IOException e) {
            }
        }
    }
//识别文件语音，需要动态申请READ_EXTERNAL_STORAGE权限，文件须是pcm编码格式的wav文件
private void recognizeFile() {
        if (speechStreamService != null) {
            speechStreamService.stop();
            speechStreamService = null;
        } else {
            try {
                //16000.f为采样率，设置为你自己文件的采样率
                Recognizer rec = new Recognizer(model, 16000.f, "[\"one zero zero zero one\", " +
                        "\"oh zero one two three four five six seven eight nine\", \"[unk]\"]");

                InputStream ais = getAssets().open(
                        "yourfile.wav");
                if (ais.skip(44) != 44) throw new IOException("File too short");

                speechStreamService = new SpeechStreamService(rec, ais, 16000);
                speechStreamService.start(this);
            } catch (IOException e) {
            }
        }
    }

8. 把module打包成aar包，就可以在自己任意的项目中使用了。

注：如果打包成aar包使用，那么还需要在app的gradle文件中加入依赖：

dependencies {
    api 'net.java.dev.jna:jna:4.4.0@aar'
    ......
}

本次内容到这里就结束了，下篇文章分析vosk android java层的源码。