豆包语音
豆包语音
API参考
请输入
语音合成大模型
音频生成
音色设计
端到端实时语音大模型
语音播客大模型
语音同传大模型
机器翻译大模型
Speech SDK
语音识别大模型
端到端实时语音大模型
控制台相关接口
API参考
历史文档
语音合成接口
声音复刻接口
SDK接入文档
离在线语音合成SDK
豆包语音妙记
语音播客接口
- 文档首页
豆包语音Speech SDK语音识别大模型流式语音识别(Android)
复制全文
下载 pdf流式语音识别(Android)
文档反馈
问问助手SDK版本
Android: com.bytedance.speechengine:speechengine_tob: 0.0.15.0
// Speech Engine
implementation 'com.bytedance.speechengine:speechengine_tob:0.0.15.0'
// Net okhttp:4.9.1为默认依赖的网络库版本，若有其它版本需要，可引用相应okhttp版本
implementation("com.squareup.okhttp3:okhttp:4.9.1")
示例demo
主要参考BigAsrActivity
兼容性
类别 | 兼容范围 |
类别 | 兼容范围 |
系统 | 最低支持Android 4.4 以上版本，API LEVEL 19 |
架构 | armeabi-v7a，arm64-v8a |
网络 | 支持移动数据与 WiFi 两种网络环境 |
AndroidManifest.xml 文件
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.RECORD_AUDIO" />
<uses-permission android:name="android.permission.INTERNET" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
混淆规则
-keep class com.bytedance.speech.speechengine.SpeechEngineImpl {*;}
调用流程
初始化环境依赖
创建语音对话 SDK 引擎实例前调用，完成网络环境等相关依赖配置。APP 生命周期内仅需执行一次。
SpeechEngineGenerator.PrepareEnvironment(getApplicationContext(), getApplication());
创建引擎实例
SpeechEngine engine = SpeechEngineGenerator.getInstance();
engine.createEngine();
engine.setContext(getApplicationContext());
参数配置
必需配置
//【必需配置】Engine Name
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ENGINE_NAME_STRING, SpeechEngineDefines.ASR_ENGINE);
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_API_KEY_STRING, "your-api-key");
engine.setOptionString(SpeechEngineDefines.PARAMS_KEY_APP_ID_STRING, "APPID");
engine.setOptionString(SpeechEngineDefines.PARAMS_KEY_APP_TOKEN_STRING, "ACCESS TOKEN");
//【必需配置】识别服务域名
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ASR_ADDRESS_STRING, "wss://openspeech.bytedance.com");
//【必需配置】识别服务URI
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ASR_URI_STRING, "");
//【必需配置】语音识别大模型服务Resource id。可选值：volc.seedasr.sauc.duration:豆包流式语音识别模型2.0（小时版）;volc.seedasr.sauc.concurrent:豆包流式语音识别模型2.0（并发版）
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_RESOURCE_ID_STRING, "RESOURCE ID");
//【必需配置】协议类型，BigAsr协议需设置为Seed
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_PROTOCOL_TYPE_INT, SpeechEngineDefines.PROTOCOL_TYPE_SEED);
//【必需配置】配置音频来源
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_RECORDER_TYPE_STRING, SpeechEngineDefines.RECORDER_TYPE_RECORDER);
音频来源
语音识别 SDK 支持以内置录音机、外部 PCM 音频流或音频文件作为输入，配置值分别为：
- SpeechEngineDefines.RECORDER_TYPE_RECORDER，内置录音机；
- SpeechEngineDefines.RECORDER_TYPE_STREAM，外部 PCM 音频流；
- SpeechEngineDefines.RECORDER_TYPE_FILE，PCM 格式的音频文件。
//【必须配置】默认使用系统内置录音机
engine.setOptionString(SpeechEngineDefines.PARAMS_KEY_RECORDER_TYPE_STRING, SpeechEngineDefines.RECORDER_TYPE_RECORDER);
//【可选配置】是否需要返回录音音量
engine.setOptionBoolean(SpeechEngineDefines.PARAMS_KEY_ENABLE_GET_VOLUME_BOOL, mEnableGetVolume);
设置最大录音时长，当达到设置的时间后，会发送音频结束包并等待asr结果
//【可选配置】最大录音时长，默认60000ms，如果使用场景超过60s请修改该值，-1为不限制录音时长
engine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_VAD_MAX_SPEECH_DURATION_INT, 60000);
可选配置
//【可选配置】本地日志文件路径，SDK会在该路径文件夹下生成名为 speech_sdk.log 的日志文件，开发时设置，线上关闭。
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_DEBUG_PATH_STRING, "已存在的文件夹路径，或者空字符串");
//【可选配置】日志级别，开发时设置为 DEBUG，线上设置 WARN；
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_LOG_LEVEL_STRING, SpeechEngineDefines.LOG_LEVEL_DEBUG);
//【可选配置】User ID（用以辅助定位线上用户问题）
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_UID_STRING, "YOUR_UID");
//【可选配置】录音文件保存路径，如配置，SDK会将录音保存到该路径下，文件格式为 .wav
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ASR_REC_PATH_STRING, "your-debug-path");
//【可选配置】在线请求的建连与接收超时，一般不需配置使用默认值即可，单位毫秒
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_ASR_CONN_TIMEOUT_INT, 3000);
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_ASR_RECV_TIMEOUT_INT, 5000);
//【可选配置】在线请求断连后，重连次数，默认值为0，如果需要开启需要设置大于0的次数
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_ASR_MAX_RETRY_TIMES_INT, 0);
//【可选配置】音频采样率，默认16000
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_SAMPLE_RATE_INT, 16000);
//【可选配置】音频通道数，默认1，可选1或2
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_CHANNEL_NUM_INT, 1);
//【可选配置】上传给服务的音频通道数，默认1，可选1或2，一般与PARAMS_KEY_CHANNEL_NUM_INT保持一致即可
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_UP_CHANNEL_NUM_INT, 1);
//【可选配置】当音频来源为 RECORDER_TYPE_STREAM 时，如输入音频采样率不等于 16K，需启用 SDK 内部的重采样
mSpeechEngine.setOptionBoolean(SpeechEngineDefines.PARAMS_KEY_ENABLE_RESAMPLER_BOOL, true);
//【可选配置】将重采样所需的输入采样率设置为 APP 层输入的音频的实际采样率
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_CUSTOM_SAMPLE_RATE_INT, 自定义采样率);
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_CUSTOM_CHANNEL_INT, 自定义通道数);
//【可选配置】控制是否返回录音音量，在 APP 需要显示音频波形时可以启用
mSpeechEngine.setOptionBoolean(SpeechEngineDefines.PARAMS_KEY_ENABLE_GET_VOLUME_BOOL, false);
//【可选配置】录音预设模式，设置为 VOICE_COMMUNICATION 可开启系统自带的回声消除（AEC）能力
// 注意：该功能并非SDK提供的功能，效果取决于底层系统和硬件
mSpeechEngine.setOptionInt(SpeechEngineDefines.PARAMS_KEY_RECORDER_PRESET_INT, SpeechEngineDefines.RECORDER_PRESET_VOICE_COMMUNICATION);
//【可选配置】设置识别语种（audio层级参数），例如 zh-CN、en-US 等
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ASR_LANGUAGE_STRING, "zh-CN");
//【可选配置】是否输出语音停顿、分句、分词信息（utterance信息），默认关闭
// 注意：开启后，还需要在大模型ASR请求参数中设置 show_utterances 为 True 才会生效
mSpeechEngine.setOptionBoolean(SpeechEngineDefines.PARAMS_KEY_ASR_SHOW_UTTER_BOOL, true);
大模型ASR参数配置
大模型ASR相关参数需要通过 PARAMS_KEY_ASR_REQ_PARAMS_STRING 配置传入，以下用设置VAD切句、热词表为例，其它参数同理（BigASR相关参数可参考：语音识别API文档）。
// 配置大模型ASR请求参数：VAD切句参数 + 热词表 + 纠错词
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_ASR_REQ_PARAMS_STRING,
"{\"force_to_speech_time\":0, \"end_window_size\":800," +
"\"corpus\":{\"boosting_table_id\":\"热词id\"}, " +
"\"context\": \"{\\\"correct_words\\\": {\\\"deep seek\\\": \\\"DeepSeek\\\"}}\"}");
注：若要输出语音停顿、分句、分词信息，需先设置 PARAMS_KEY_ASR_SHOW_UTTER_BOOL 为 true。
初始化引擎实例
初始化引擎对象并设置回调监听。
// 初始化引擎实例
int ret = mSpeechEngine.initEngine();
if (ret != SpeechEngineDefines.ERR_NO_ERROR) {
Log.e(SpeechDemoDefines.TAG, "初始化失败，返回值: " + ret);
return;
}
mSpeechEngine.setListener(this);
发送指令
语音对话 SDK 通过发送指令接口 sendDirective 触发各种操作，需要注意不建议在 SDK 的回调线程中调用该接口。
启动引擎
启动引擎前调用SYNC_STOP指令，保证前一次请求结束。
// 注意这里先调用同步停止，避免SDK内部异步线程带来的问题
mSpeechEngine.sendDirective(SpeechEngineDefines.DIRECTIVE_SYNC_STOP_ENGINE, "");
// 启动ASR引擎
int ret = mSpeechEngine.sendDirective(SpeechEngineDefines.DIRECTIVE_START_ENGINE, "");
if (ret == SpeechEngineDefines.ERR_REC_CHECK_ENVIRONMENT_FAILED) {
Log.e(SpeechDemoDefines.TAG, "无录音权限");
} else if (ret != SpeechEngineDefines.ERR_NO_ERROR) {
Log.e(SpeechDemoDefines.TAG, "启动失败，返回值: " + ret);
return;
}
注意：当音频来源为 RECORDER_TYPE_STREAM 时，启动引擎前需要自行启动 APP 层的录音机。当音频来源为 FILE 时，需要设置音频文件路径：
// 使用音频文件识别时【必须配置】，否则【无需配置】
String test_file_path = "your-debug-path"+ "/asr_rec_file.pcm";
Log.d(SpeechDemoDefines.TAG, "输入的音频文件路径: " + test_file_path);
mSpeechEngine.setOptionString(SpeechEngineDefines.PARAMS_KEY_RECORDER_FILE_STRING, test_file_path);
结束音频输入-FinishTalking
如果是按住说话模式，松手后调用 FinishTalking 结束音频输入，等待最终识别结果。
// Directive：结束用户音频输入
mSpeechEngine.sendDirective(SpeechEngineDefines.DIRECTIVE_FINISH_TALKING, "");
停止引擎
// 关闭引擎（异步）
mSpeechEngine.sendDirective(SpeechEngineDefines.DIRECTIVE_STOP_ENGINE, "");
回调接收返回数据
启动引擎后，SDK会不断回调消息。
@Override
public void onSpeechMessage(int type, byte[] data, int len) {
String stdData = new String(data);
switch (type) {
case SpeechEngineDefines.MESSAGE_TYPE_ENGINE_START:
// Callback: 引擎启动成功回调
Log.i(SpeechDemoDefines.TAG, "Callback: 引擎启动成功: data: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_ENGINE_STOP:
// Callback: 引擎关闭回调
Log.i(SpeechDemoDefines.TAG, "Callback: 引擎关闭: data: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_ENGINE_ERROR:
// Callback: 错误信息回调
Log.e(SpeechDemoDefines.TAG, "Callback: 错误信息: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_CONNECTION_CONNECTED:
// Callback: 建连成功
Log.i(SpeechDemoDefines.TAG, "Callback: 建连成功: data: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_PARTIAL_RESULT:
// Callback: ASR 当前请求的部分结果回调
Log.d(SpeechDemoDefines.TAG, "Callback: ASR 当前请求的部分结果: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_FINAL_RESULT:
// Callback: ASR 当前请求最终结果回调
Log.i(SpeechDemoDefines.TAG, "Callback: ASR 当前请求最终结果: " + stdData);
break;
case SpeechEngineDefines.MESSAGE_TYPE_VOLUME_LEVEL:
// Callback: 录音音量回调
Log.d(SpeechDemoDefines.TAG, "Callback: 录音音量");
break;
default:
break;
}
}
// Callback: 连接建立成功时服务端的logid回调，方便排查问题
@Override
public void onSpeechLogid(String logid) {
Log.d(SpeechDemoDefines.TAG, "Callback: logid: " + logid);
}
回调消息说明
消息类型 | 说明 |
消息类型 | 说明 |
MESSAGE_TYPE_ENGINE_START | 引擎启动成功回调 |
MESSAGE_TYPE_ENGINE_STOP | 引擎关闭回调 |
MESSAGE_TYPE_ENGINE_ERROR | 错误信息回调 |
MESSAGE_TYPE_CONNECTION_CONNECTED | 建连成功回调 |
MESSAGE_TYPE_PARTIAL_RESULT | ASR 当前请求的部分结果回调（实时识别中） |
MESSAGE_TYPE_FINAL_RESULT | ASR 当前请求最终结果回调 |
MESSAGE_TYPE_VOLUME_LEVEL | 录音音量回调，需开启 PARAMS_KEY_ENABLE_GET_VOLUME_BOOL |
onSpeechLogid | 连接建立成功时服务端的logid回调，方便排查问题 |
销毁引擎实例
当不再需要语音识别后，建议对引擎实例进行销毁，释放内存资源。
// 内部会执行SYNC_STOP，不可在回调线程中执行。
mSpeechEngine.destroyEngine();
mSpeechEngine = null;
最近更新时间：2026.09.28 19:16:16
这个页面对您有帮助吗？
有用
有用
无用
无用