《HarmonyOS技术精讲-Core Speech Kit（基础语音服务）》第2篇：语音识别核心功能——流式与非流式实现

HarmonyOS技术精讲-Core Speech Kit（基础语音服务）第2篇：语音识别核心功能——流式与非流式实现

语音识别在HarmonyOS应用开发中，很多场景都绕不开。比如语音搜索、语音转写、语音控制等。官方提供的Core Speech Kit（基础语音服务）里，SpeechRecognizer这个API是核心入口。很多人第一次接触时，会发现官方示例能运行，但放到实际项目里，状态同步、生命周期、回调处理这些细节很容易出问题。

这个功能本身不复杂，但不同场景选错模式，体验会差很多。流式识别适合实时反馈，比如边说话边出文字；一次性识别适合离线快速处理一段固定的音频。选错方案，要么延迟太高，要么资源浪费。

它解决什么问题

SpeechRecognizer提供了两种语音识别模式：

• 流式识别（Streaming）：边输入边输出结果，适合实时语音转写、语音搜索。
• 非流式识别（One-shot）：输入一段完整的音频，一次性返回识别结果，适合语音指令、固定音频转写。

推荐场景：

• 流式：语音转字幕、语音搜索、语音助手实时交互
• 非流式：语音指令（如“打开设置”）、会议录音转写

不推荐场景：

• 不需要实时反馈的，不应该用流式，浪费资源
• 需要快速响应的，不应该用非流式，用户等待体验差

环境说明

DevEco Studio 版本：DevEco Studio 6.1.0 及以上 HarmonyOS SDK 版本：HarmonyOS 6.1.0(23) 及以上 目标设备：手机 / 平板

核心实现：流式语音识别

流式识别核心是startListening和stopListening。关键在于正确设置setListener的回调，处理onResults、onError、onEndOfSpeech等事件。

// StreamingRecognizer.etsimport{speechRecognizer}from'@kit.CoreSpeechKit';import{BusinessError}from'@kit.BasicServicesKit';import{audio}from'@kit.AudioKit';@Entry@Componentstruct StreamingRecognizerPage{@StaterecognizedText:string='';@StateisListening:boolean=false;privaterecognizer:speechRecognizer.SpeechRecognizer|null=null;privateaudioCapturer:audio.AudioCapturer|null=null;aboutToAppear():void{this.initRecognizer();}aboutToDisappear():void{this.stopListening();this.destroyRecognizer();}privateinitRecognizer():void{try{this.recognizer=speechRecognizer.createRecognizer();this.recognizer.setListener({onResults:(text:string)=>{// 流式结果逐步更新this.recognizedText=text;},onError:(error:BusinessError)=>{console.error('Recognizer error:',error.message);this.isListening=false;},onEndOfSpeech:()=>{// 用户停止说话，自动结束this.isListening=false;},onStartListening:()=>{console.log('开始监听');}});}catch(error){console.error('Create recognizer failed:',error.message);}}privatestartListening():void{if(!this.recognizer){return;}try{// 配置识别参数：语言、模式constconfig:speechRecognizer.SpeechRecognizerConfig={language:'zh-CN',// 简体中文recognitionMode:speechRecognizer.RecognitionMode.STREAMING,// 流式模式enablePunctuation:true,// 启用标点accuracy:speechRecognizer.RecognitionAccuracy.NORMAL};this.recognizer.startListening(config);this.isListening=true;this.recognizedText='';}catch(error){console.error('Start listening failed:',error.message);}}privatestopListening():void{if(this.recognizer&&this.isListening){try{this.recognizer.stopListening();}catch(error){console.error('Stop listening failed:',error.message);}this.isListening=false;}}privatedestroyRecognizer():void{if(this.recognizer){try{this.recognizer.destroy();}catch(error){console.error('Destroy recognizer failed:',error.message);}this.recognizer=null;}}build(){Column({space:20}){Text('流式语音识别').fontSize(24).fontWeight(FontWeight.Bold)Text(this.recognizedText||'等待语音输入...').width('90%').height(200).backgroundColor('#F5F5F5').borderRadius(12).padding(16).fontSize(18).textAlign(TextAlign.Start)Button(this.isListening?'停止录音':'开始录音').width(200).height(50).onClick(()=>{if(this.isListening){this.stopListening();}else{this.startListening();}})}.width('100%').height('100%').padding(20)}}

注意事项：

• setListener必须在startListening之前调用，否则会错过回调
• 页面销毁时一定要调用destroy()，否则会泄漏资源
• 流式模式下，onResults会频繁回调，每次更新新的识别结果

核心实现：非流式（一次性）识别

非流式识别适合传入一个完整的音频文件（支持PCM、WAV等格式）。核心是recognize方法，传入音频数据，通过回调返回结果。

// OneShotRecognizer.etsimport{speechRecognizer}from'@kit.CoreSpeechKit';import{BusinessError}from'@kit.BasicServicesKit';import{fileIo}from'@kit.CoreFileKit';import{common}from'@kit.AbilityKit';@Entry@Componentstruct OneShotRecognizerPage{@StateresultText:string='';@StateisProcessing:boolean=false;privaterecognizer:speechRecognizer.SpeechRecognizer|null=null;aboutToAppear():void{this.initRecognizer();}aboutToDisappear():void{this.destroyRecognizer();}privateinitRecognizer():void{try{this.recognizer=speechRecognizer.createRecognizer();this.recognizer.setListener({// 非流式一次性识别结果onResults:(text:string)=>{this.resultText=text;this.isProcessing=false;},onError:(error:BusinessError)=>{console.error('Recognizer error:',error.message);this.isProcessing=false;}});}catch(error){console.error('Create recognizer failed:',error.message);}}privateasyncstartRecognition():Promise<void>{if(!this.recognizer||this.isProcessing){return;}this.isProcessing=true;this.resultText='';try{// 读取音频文件constcontext=getContext(this)ascommon.UIAbilityContext;constfileUri:string=context.cacheDir+'/test_audio.pcm';constfile:fileIo.File=awaitfileIo.open(fileUri,fileIo.OpenMode.READ_ONLY);constbuffer:ArrayBuffer=newArrayBuffer(fileIo.statSync(file.fd).size);awaitfileIo.read(file.fd,buffer);fileIo.close(file);// 配置并执行识别constconfig:speechRecognizer.SpeechRecognizerConfig={language:'zh-CN',recognitionMode:speechRecognizer.RecognitionMode.ONE_SHOT,// 一次性模式enablePunctuation:true};// 第二个参数是音频格式this.recognizer.recognize(buffer,config,speechRecognizer.AudioFormat.PCM_16BIT);}catch(error){console.error('Recognition failed:',error.message);this.isProcessing=false;}}privatedestroyRecognizer():void{if(this.recognizer){try{this.recognizer.destroy();}catch(error){console.error('Destroy recognizer failed:',error.message);}this.recognizer=null;}}build(){Column({space:20}){Text('一次性语音识别').fontSize(24).fontWeight(FontWeight.Bold)Text(this.resultText||'请选择音频文件进行识别').width('90%').height(200).backgroundColor('#F5F5F5').borderRadius(12).padding(16).fontSize(18).textAlign(TextAlign.Start)Button(this.isProcessing?'识别中...':'开始识别（从缓存读取音频）').width(200).height(50).enabled(!this.isProcessing).onClick(()=>{this.startRecognition();})}.width('100%').height('100%').padding(20)}}

注意事项：

• 一次性识别的音频格式必须与recognize方法传入的参数一致，否则识别失败
• 音频文件路径需要是应用沙箱内的路径，不能是外部路径
• 一次性识别不支持部分结果，只有等处理完成后才回调onResults

配置热词与自定义词库

热词功能可以提升特定词汇的识别准确率。比如医疗、法律等专业领域的术语。

// 配置热词privateaddCustomWords(words:string[]):void{if(!this.recognizer){return;}try{// 自定义词汇接口this.recognizer.addWords(words);console.log('Custom words added:',words.join(', '));}catch(error){console.error('Add custom words failed:',error.message);}}// 使用示例privateaddHotWords():void{consthotWords:string[]=['鸿蒙','ArkTS','HarmonyOS','语音识别'];this.addCustomWords(hotWords);}

注意事项：

• 热词最好在startListening或recognize之前添加
• 热词列表长度有限制（约50-100个），具体看设备能力
• 热词只对当前识别器实例有效，重新创建后需要重新添加

常见问题与踩坑记录

问题1：页面返回后识别器状态丢失

现象：页面跳转到其他页面再返回后，调用startListening报错，或者回调不触发。

原因：SpeechRecognizer实例在页面销毁时没有被正确释放，重新进入页面时创建了新实例，但旧的实例可能还持有音频资源。

解决方案：

• 严格遵循生命周期：aboutToAppear中创建，aboutToDisappear中销毁
• 不要在页面间共享同一个识别器实例，每个页面独立创建
• 如果使用单页面架构，确保在onPageHide时停止识别，onPageShow时恢复

问题2：多次快速开始识别导致崩溃

现象：用户连续快速点击“开始录音”按钮，应用闪退或卡死。

原因：SpeechRecognizer内部状态机不支持在startListening后未stopListening前再次调用startListening。连续快速点击会破坏状态。

解决方案：

// 使用防抖或状态锁定privatestartListeningSafe():void{if(this.isListening||this.isProcessing){console.warn('Recognizer is busy, ignore this request');return;}// 确保先停止再启动if(this.recognizer){try{this.recognizer.stopListening();}catch(e){// 忽略未启动时的错误}}this.startListening();}

最佳实践

1. 不要在回调里直接做耗时操作。onResults回调是在异步线程中执行的，直接在里面更新UI没有问题，但如果做文件IO、网络请求，会阻塞后续回调处理。建议使用postMessage或runOnMainThread回到主线程处理。

2. 初始化识别器时检查权限。语音识别需要ohos.permission.MICROPHONE权限。如果没有提前授权，startListening会静默失败。建议在页面加载时先请求权限。

3. 合理选择识别模式。流式识别内部会持续占用麦克风和编解码资源，如果页面不可见（比如被压入后台），应该主动调用stopListening释放资源。一次性识别则不需要，直接完成后自动释放。

FAQ

Q：为什么流式识别在真机上一直返回空字符串，模拟器正常？
A：模拟器通常使用虚拟麦克风输入，真机需要确认是否授权ohos.permission.MICROPHONE权限，以及是否有其他应用占用了麦克风。

Q：页面返回后，重新进入识别页面，识别结果不更新怎么办？
A：检查aboutToAppear中是否重新创建了识别器实例。如果创建了但旧实例没有正确销毁，会导致识别器状态冲突。建议在aboutToDisappear中调用destroy()。

Q：离线模式下，首次使用需要下载模型，下载失败如何处理？
A：离线识别需要下载语音模型包（约100-200MB），下载过程是异步的。建议在aboutToAppear中调用speechRecognizer.downloadModel，监听下载进度，如果失败可以提示用户检查网络或切换在线模式。