问题标签 [android-speech-api]

我正在制作接受输入音频的 Android 应用程序。并检测到口吃。

单词错误率可以检测到口吃吗？爪哇

在将 targetLevel 增加到 30 后测试应用程序时，我发现 SpeechRecognizer不再可用，即SpeechRecognizer.isRecognitionAvailable() 始终返回 false。

如果我将 targetLevel 设置回 29，而不更改任何其他内容，它就会再次可用。这发生在真实设备（Pixel 3a）和模拟器上。

这似乎不是行为改变。识别器 API 提到的唯一要求是Manifest.permission.RECORD_AUDIO

我在 logcat 中也没有发现任何线索。

正如标题所暗示的那样，SpeechRecognizer.isRecognitionAvailable()在 Android 11 中返回 false，我不确定为什么会这样，因为设备 (Pixel 3 XL) 配备了识别语音的功能。该文档并未表明它在 API v30 中发生了更改。奇怪的是，即使isRecognitionAvailable是假的，我仍然可以成功获得 STT 提示。下面是说明这一点的示例代码。为什么 isRecognitionAvailable 检查总是假的？代码无论如何都不完整，但我添加了重要的相关部分：

我在我的应用程序中使用 Google 语音识别器意图。它在正常环境下运行良好。

但这个应用程序是为托管环境 Microsoft Intune 开发的。根据此链接，我需要在 Microsoft Intune 应用保护策略中免除语音识别器意图。Intune 应用程序保护策略需要包名称或标识符，例如com.android.browser用于豁免。

我找不到此语音识别器意图的正确包名称。有没有办法找到这个的包ID？请帮我解决这个问题。提前致谢

该createSpeechRecognizer()方法是在API level 8中添加的。该createOnDeviceSpeechRecognizer()方法已在Android S中添加。但是它们的描述是一样的（根据官方网站）。任何人都可以澄清它们之间的区别吗？该方法在不久的将来是否有可能createSpeechRecognizer()被弃用？

Android S 的 SpeechRecognizer 类中添加了一些功能。其中之一是 ERROR_TOO_MANY_REQUESTS。它表示当来自同一客户端的请求过多时会遇到此错误。了解可以安全发送的最大请求数对我们很有帮助。

我正在使用这段代码向谷歌语音框发送意图

使用它为另一个edittext发送另一个意图

使用此代码块获取和设置数据

第二个 if 语句从未被触发，我不知道为什么。我做错了什么还是有其他方法可以做这些事情？

所以我试图让一个应用程序可供聋人/HoH 人使用，到目前为止，我能够获得应用程序中当前正在播放的音频字节（我认为）。

问题是，我可以使用此 SpeechRecognizer 发送音频字节并获取文本结果吗？

找不到此方法，我想知道我是否在正确的库中执行此任务。

我查找了语音 API，但我找不到任何免费的（显然），所以我正在寻找 android 库。

任何信息对我都有帮助。

问题编辑： 是否有任何图书馆或东西可以从音频字节或任何其他需要的信息中speech to text做到这一点？

如果您使用的是 FireFox，您可以切换到阅读器模式，然后按 TTS 按钮。FireFox 将在正在说出的单词下划线。在下面的屏幕截图中，正在读取“first”。我可以用 android.speech.tts.TextToSpeech.speak() 实现类似的东西吗？也就是说，无论如何要知道当前所说的单词吗？

我目前正在使用 cameraX 录制带音频的视频，并且效果很好，但是现在我必须在录制视频时使用 SpeechRecognizer 并获取用户所说内容的转录。

更新：

我尝试从视频中提取音频，然后将其作为额外的内容提供给意图，但它不起作用。所以我考虑直接从 SpeechRecognizer 意图中获取音频，但这是一个死胡同，因为文档中的任何地方都没有提到 uri 或临时文件。我现在正在尝试在 SpeechRecognizer 开始收听时启动 mediaRecorder ，但这仅在第一次收听时有效。

我基本上在阳光下尝试了一切，但进展为零，有人有新想法吗？