Android Speech 是一个简单易用的 Android 语音识别和文本转语音的库。它提供了精简的 API,使开发者能够轻松地在 Android 应用中集成语音相关的功能。
要在你的项目中使用 Android Speech,只需在 build.gradle
文件中添加以下依赖:
implementation 'net.gotev:speech:x.y.z'
请将 x.y.z
替换为 Maven Central 上的最新版本。
若要开始使用该库,需要在你的 Activity 中进行初始化:
public class YourActivity extends Activity { @Override protected void onCreate(Bundle savedInstanceState) { super.onCreate(savedInstanceState); setContentView(R.layout.your_layout); Speech.init(this, getPackageName()); } @Override protected void onDestroy() { // 防止 Activity 销毁时内存泄漏 Speech.getInstance().shutdown(); } }
在项目的 examples
目录中可以找到一个完全可工作的示例应用程序,该应用展示了如何使用此库。
在 Activity 中,可以按照以下方式使用语音识别:
try { // 确保已授予 android.permission.RECORD_AUDIO 权限 Speech.getInstance().startListening(new SpeechDelegate() { @Override public void onStartOfSpeech() { Log.i("speech", "speech recognition is now active"); } @Override public void onSpeechRmsChanged(float value) { Log.d("speech", "rms is now: " + value); } @Override public void onSpeechPartialResults(List<String> results) { StringBuilder str = new StringBuilder(); for (String res : results) { str.append(res).append(" "); } Log.i("speech", "partial result: " + str.toString().trim()); } @Override public void onSpeechResult(String result) { Log.i("speech", "result: " + result); } }); } catch (SpeechRecognitionNotAvailable exc) { Log.e("speech", "Equipment does not support speech recognition!"); } catch (GoogleVoiceTypingDisabledException exc) { Log.e("speech", "Google voice typing must be enabled!"); }
在 Activity 的 onDestroy
方法中,添加以下代码以防止内存泄漏:
@Override protected void onDestroy() { Speech.getInstance().shutdown(); }
可以在布局中添加 SpeechProgressView
来显示语音识别过程中的音量变化:
<LinearLayout android:orientation="vertical" android:layout_width="wrap_content" android:layout_height="wrap_content" android:id="@+id/linearLayout"> <net.gotev.speech.ui.SpeechProgressView android:id="@+id/progress" android:layout_width="120dp" android:layout_height="150dp"/> </LinearLayout>
启动语音识别时,还需传递 SpeechProgressView
对象:
Speech.getInstance().startListening(speechProgressView, speechDelegate);
公司可以自定义进度条的颜色和最大高度:
int[] colors = { ContextCompat.getColor(this, android.R.color.black), ContextCompat.getColor(this, android.R.color.darker_gray), ContextCompat.getColor(this, android.R.color.black), ContextCompat.getColor(this, android.R.color.holo_orange_dark), ContextCompat.getColor(this, android.R.color.holo_red_dark) }; speechProgressView.setColors(colors); int[] heights = {60, 76, 58, 80, 55}; speechProgressView.setBarMaxHeightsInDp(heights);
在 Activity 中使用文本转语音功能:
Speech.getInstance().say("say something");
提供回调以接收状态:
Speech.getInstance().say("say something", new TextToSpeechCallback() { @Override public void onStart() { Log.i("speech", "speech started"); } @Override public void onCompleted() { Log.i("speech", "speech completed"); } @Override public void onError() { Log.i("speech", "speech error"); } });
可以通过设置方法对演讲实例进行配置。详细信息可以参考 Java 文档。
默认情况下,库的日志记录是禁用的。可以通过以下方法启用调试日志:
Logger.setLogLevel(LogLevel.DEBUG);
日志通过 android.util.Log
输出到 LogCat
中。如果希望将日志重定向到其他输出或使用不同的日志记录器,可以实现自己的委托:
Logger.setLoggerDelegate(new Logger.LoggerDelegate() { @Override public void error(String tag, String message) { // 自定义实现 } @Override public void error(String tag, String message, Throwable exception) { // 自定义实现 } @Override public void debug(String tag, String message) { // 自定义实现 } @Override public void info(String tag, String message) { // 自定义实现 } });
从版本 1.5.0 开始,Speech 库提供了一些 API 用于获取和设置语音转文本和文本转语音的语言和声音。详细使用请查看示例应用。
特别感谢 @zagum 提供的原始 speech recognition view 实现,以及 Kristiyan Petrov 对代码的审核、bug 修复和改进建议。
该项目遵循 Apache 2.0 许可证。请参阅 LICENSE 文档以了解更多信息。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
全能AI智能助手,随时解答生活与工作的多样问题
问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号