鸿蒙5.0开发进阶:实现一个语音识别组件

从语音识别到人脸识别:探索鸿蒙系统的AI功能模块 本文针对鸿蒙系统适配多种设备的方案,分别从设备部署架构和技术支持两个方面进行了详细的阐述,并提供了移动端和车载端两种适配场景的示例代码。鸿蒙系统作为一种全新的面向分布式场景的操作系统,具有极大的潜力和优势,未来将在更多领域中得到广泛应用。作为开发者,在面对适配多种设备的场景时,可以考虑使用鸿蒙系统,从而提高开发效率、降低适配成本、提供更好的用户体验。对于更复杂的适配场景,开发者可以深入研究鸿蒙系统的技术原理和实现方法,为应用开发提供更全面的技术支持。 阅读详情

往期鸿蒙全套实战文章必看:(文中附带全栈鸿蒙学习资料)


鸿蒙系统发布以后都不知道叫它5.0版本还是NEXT版本了,哈哈,反正是最新版本就对了。

对于语音转换文字,鸿蒙系统提供了离线语音识别模型speechRecognizer,语种目前支持中文,识别效果非常不错。

图片

今天要分享的是使用speechRecognizer实现一个语音识别组件。

要实现语音识别,首先要配置麦克风使用权限:

ohos.permission.MICROPHONE

然后我们要检查应用是否获取到了麦克风权限,这一步操作很多时候都会用到,所以为大家封装一个通用方法:

import { abilityAccessCtrl, bundleManager, common, Permissions } from '@kit.AbilityKit';

export class PermissionManager {
  static checkPermission(permissions: Permissions[]): boolean {
    let atManager: abilityAccessCtrl.AtManager = abilityAccessCtrl.createAtManager();
    let tokenID: number = 0;
    const bundleInfo =
      bundleManager.getBundleInfoForSelfSync(bundleManager.BundleFlag.GET_BUNDLE_INFO_WITH_APPLICATION);

    tokenID = bundleInfo.appInfo.accessTokenId;
    if (permissions.length === 0) {
      return false;
    } else {
      return permissions.every(permission =>
      abilityAccessCtrl.GrantStatus.PERMISSION_GRANTED ===
      atManager.checkAccessTokenSync(tokenID, permission)
      );
    }
  }

  static async requestPermission(permissions: Permissions[]): Promise<boolean> {
    let atManager: abilityAccessCtrl.AtManager = abilityAccessCtrl.createAtManager();
    let context: Context = getContext() as common.UIAbilityContext;
    const result = await atManager.requestPermissionsFromUser(context, permissions);
    return !!result.authResults.length && result.authResults.every(authResults => authResults === 0);
  }
}

语音识别的使用分为创建引擎、设置回调、开始监听几个步骤,同样为大家封装一个实体类:

import { speechRecognizer } from '@kit.CoreSpeechKit';

class SpeechRecognizerManager {
  /**
   * 语种信息
   * 语音模式:长
   */
  private static extraParam: Record<string, Object> = { "locate": "CN", "recognizerMode": "long" };
  private static initParamsInfo: speechRecognizer.CreateEngineParams = {
    /**
     * 地区信息
     * */
    language: 'zh-CN',
    /**
     * 离线模式:1
     */
    online: 1,
    extraParams: this.extraParam
  };
  /**
   * 引擎
   */
  private static asrEngine: speechRecognizer.SpeechRecognitionEngine | null = null
  /**
   * 录音结果
   */
  static speechResult: speechRecognizer.SpeechRecognitionResult | null = null
  /**
   * 会话ID
   */
  private static sessionId: string = "as" + Date.now()

  /**
   * 创建引擎
   */
  private static async createEngine() {
    // 设置创建引擎参数
    SpeechRecognizerManager.asrEngine = await speechRecognizer.createEngine(SpeechRecognizerManager.initParamsInfo)
  }

  /**
   * 设置回调
   */
  private static setListener(callback: (srr: speechRecognizer.SpeechRecognitionResult) => void = () => {
  }) {
    // 创建回调对象
    let setListener: speechRecognizer.RecognitionListener = {
      // 开始识别成功回调
      onStart(sessionId: string, eventMessage: string) {
        console.log('onstart')
      },
      // 事件回调
      onEvent(sessionId: string, eventCode: number, eventMessage: string) {
      },
      // 识别结果回调,包括中间结果和最终结果
      onResult(sessionId: string, result: speechRecognizer.SpeechRecognitionResult) {
        SpeechRecognizerManager.speechResult = result
        callback && callback(result)
      },
      // 识别完成回调
      onComplete(sessionId: string, eventMessage: string) {
        console.log('complete')
      },
      // 错误回调,错误码通过本方法返回
      // 如:返回错误码1002200006,识别引擎正忙,引擎正在识别中
      // 更多错误码请参考错误码参考
      onError(sessionId: string, errorCode: number, errorMessage: string) {
        console.log('error')
      },
    }
    // 设置回调
    SpeechRecognizerManager.asrEngine?.setListener(setListener);
  }

  /**
   * 开始监听
   * */
  static startListening() {
    // 设置开始识别的相关参数
    let recognizerParams: speechRecognizer.StartParams = {
      // 会话id
      sessionId: SpeechRecognizerManager.sessionId,
      // 音频配置信息。
      audioInfo: {
        // 音频类型。当前仅支持“pcm”
        audioType: 'pcm',
        // 音频的采样率。当前仅支持16000采样率
        sampleRate: 16000,
        // 音频返回的通道数信息。当前仅支持通道1。
        soundChannel: 1,
        // 音频返回的采样位数。当前仅支持16位
        sampleBit: 16
      },
      //   录音识别
      extraParams: {
        // 0:实时录音识别  会自动打开麦克风 录制实时语音
        "recognitionMode": 0,
        //   最大支持音频时长
        maxAudioDuration: 60000
      }
    }
    // 调用开始识别方法
    SpeechRecognizerManager.asrEngine?.startListening(recognizerParams);
  };

  /**
   * 取消识别
   */
  static cancel() {
    SpeechRecognizerManager.asrEngine?.cancel(SpeechRecognizerManager.sessionId)
  }

  /**
   * 释放ai语音转文字引擎
   */
  static shutDown() {
    SpeechRecognizerManager.asrEngine?.shutdown()
  }

  /**
   * 停止并且释放资源
   */
  static async release() {
    SpeechRecognizerManager.cancel()
    SpeechRecognizerManager.shutDown()

  }

  /**
   * 初始化ai语音转文字引擎
   */
  static async init(callback: (srr: speechRecognizer.SpeechRecognitionResult) => void = () => {
  }) {
    try {
      await SpeechRecognizerManager.createEngine()
    } catch (err) {
      console.log('err',JSON.stringify(err))
    }

    SpeechRecognizerManager.setListener(callback)
    SpeechRecognizerManager.startListening()
  }
}

export default SpeechRecognizerManager

最后在需要使用的地方调用上面封装的方法就可以了:

const permissions: Permissions[] = ["ohos.permission.MICROPHONE"]    // 检查是否拥有权限    const isPermission = await PermissionManager.checkPermission(permissions)    if (!isPermission) {      //   如果没权限,就主动申请      PermissionManager.requestPermission(permissions)    }else {      SpeechRecognizerManager.init(res => {        console.log("实时语音识别", JSON.stringify(res))        this.text = res.result      })    }

鸿蒙语音识别实战:实现实时语音转文字功能HarmonyOS 5.0.0或以上 在鸿蒙设备上,用嘴巴代替手指,完成文本输入、语音笔记甚至命令识别,是 AI 产品最核心的落地能力之一。本篇带你从 0 实现一个「实时语音转文字」功能,涵盖:✅ 原生语音识别模块初始化✅ 实时识别中文语音 → 展示为文字✅ 错误处理与状态监听✅ 可拓展成语音笔记、搜索助手、语音控制器等。 阅读详情

相关推荐

【鸿蒙 5.0 实战开发】HarmonyOS 音视频开发之音频采集实战

OHAudio分别介绍这两种语言的API。本文介绍了HarmonyOS 提供的两种音频采集方式:TS层的AudioCapture和C++层的OHAudio,并以OHAudio接口实现了实时音频采集功能。

xiaolizibie的博客 1215

三文带你轻松上手鸿蒙的AI语音01-实时语音识别

语音识别功能可以将一段音频信息(短语音模式不超过60s,长语音模式不超过8h)转换为文本。实时语音转文本声音文件转文本实时语音转文本中集成了强大的AI功能。Core Speech Kit(基础语音服务)是它提供的众多AI功能中的一种。Core Speech Kit(基础语音服务)集成了语音类基础AI能力,包括文本转语音(TextToSpeech)及语音识别(SpeechRecognizer)能力,便于用户与设备进行互动,实现将实时输入的语音与文本之间相互转换。语音识别文本转语音实时语音转文本。

不懂先生的博客 3622

本地语音识别模型部署实战:打造离线语音指令系统(HarmonyOS 5.0.0+)

适配你是否希望用户在下,也能说出一句“打开灯光”“播放音乐”,设备就能自动响应?本篇将带你实现一套完整的✅ 使用本地语音识别模型(无需联网)✅ 支持常见指令识别(如“打开/关闭”)✅ 可绑定 UI / 系统行为联动✅ 不依赖麦克风云服务,适用于隐私、安全场景。

2501_92052054的博客 1061

鸿蒙APP开发-语音识别

鸿蒙提供了语音识别服务可以将音频信息转换为文本,基于此能力我们可以实现语音转文字、语音输入等功能。

m0_46364942的博客 1333

从0构建 HarmonyOS 本地语音识别项目:Whisper 完整落地教程

在本篇实战教程中,我们将手把手教你如何在鸿蒙系统手机上实现离线语音识别功能,无需联网即可完成语音转文字。项目基于 OpenAI 的 Whisper 模型,使用 whisper.cpp 实现高效本地推理,前端采用 ArkTS 构建交互页面,并通过 C++ native 模块桥接模型调用。全流程覆盖模型下载与量化、音频采集、模型集成、多芯片平台构建适配等关键环节,适合终端工程师、AI开发者全面掌握鸿蒙端侧 AI 实践路径。只需一台鸿蒙手机,你也可以打造属于自己的智能语音助手!

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1357

Qualcomm平台下基于QSEE的指纹识别方案移植之四TA移植

本文只介绍TA移植的过程,不做技术分析,关于TA开发另做记录。 一、TA介绍 TA,Trusted application 可信应用,是运行于QSEE中的可执行程序。 指纹TA文件如下,形式一般是 xxx.mbn; xxx.b0 ~ xxx.b6, xxx.flist, xxx.mdt; xxx.mbn 可以理解为其它几个文件的集合,签名的时候用的就是这个文件,签完名之后,有对应的工具将它...

梦路遥 7549

HarmonyOS 原生智能之语音识别实战

短语音模式(不超过60s)长语音模式(不超过8h)// 创建引擎,通过callback形式返回// 设置创建引擎参数online: 1,// 调用createEngine方法if (!err) {// 接收创建引擎的实例} else {// 无法创建引擎时返回错误码1002200008,原因:引擎正在销毁中});language:语言online:模式,1为离线,目前只支持离线引擎extraParams:区域信息等。

轻口味的专栏 2694

DOORS需求管理实战:从汽车设计案例看模块化需求拆分技巧

本文通过一个汽车设计实战案例,深入解析了如何利用DOORS进行模块化需求拆分与管理。从捕获原始用户需求到精炼为可追踪的系统需求,再到按子系统(如自动驾驶)进行模块化拆分,文章详细展示了构建需求骨架、建立可追溯性以及实施变更控制的完整流程,帮助团队在复杂系统工程中实现从混沌到秩序的高效协同。

ww90123的博客 245

【鸿蒙开发】如何实现语音搜索功能?

实现语音搜索功能:通过配置权限、音频采集器、语音识别

ur_freckles的博客 783

21天学会基于 Linux 的 NPU 固件开发--12.3 如何参与 Linux 内核 NPU 子系统开发

从修复一个简单的文档拼写错误开始,或者为现有的开源 NPU 驱动(如 Sophgo, StarFive, Etinix 等厂商已上游化的驱动)添加一个缺失的 IOCTL 支持或优化一个算子,都是伟大的第一步。在 2026 年的 Linux Kernel (v6.12+) 中,NPU 驱动不再是孤立的字符设备,而是深度集成在 DRM 和 DMA-BUF 生态中,实现了与 GPU 类似的资源管理和调度能力。内核驱动必须提供清晰的 UAPI (User API),通常定义在。Step 4: 合并 (Merge)

amy_mhd的博客 68

PCL SVD分解求变换矩阵【2026最新版】

该算例使用奇异矩阵分解来求变换矩阵,输入的是同名点坐标输出的是变换矩阵。博客长期更新,本文最近一次更新时间为:2026年5月10日。

点云侠的博客 36万+

鸿蒙开发进阶(HarmonyOS)实时语音识别

HarmonyOSNext中集成了强大的AI功能。Core Speech Kit(基础语音服务)是它提供的众多AI功能中的一种。

adaedwa187545的博客 1854

安装Codex时出现无法下载此应用和Microsoft Store初始化失败的解决方案

本文主要介绍了安装Codex时出现无法下载此应用和Microsoft Store初始化失败的解决方案,希望能对使用codex的同学们有所帮助。 文章目录 1. 问题描述 2. Windows 解决方案 3. Mac解决方案

weixin_43178406的博客 7万+

如何在鸿蒙中实现语音识别与翻译功能?

随着智能设备的普及,语音识别与翻译功能成为越来越多应用的基础功能,尤其是在多语言环境下。鸿蒙操作系统作为华为自主研发的操作系统,具备强大的生态系统和跨设备能力。本文将介绍如何在鸿蒙中实现语音识别与翻译功能,帮助开发者构建更智能的应用。在进行语音识别时,尽量避免背景噪音,以提高语音的识别准确率。可以通过降噪技术或使用高质量的麦克风来实现。确保翻译API支持多种语言,并根据实际需求进行配置,保证翻译结果的准确性和自然性。提供实时的语音识别反馈,可以增强用户的互动体验,让用户了解语音识别进度。

2201_75863687的博客 1433

PyTorch深度学习实战(7)——批大小对神经网络训练的影响

在神经网络中,批( batch )是指一次输入网络进行训练或推断的一组样本。批处理( batch processing )是指将这一组样本同时输入网络进行计算的操作。本节中首先介绍批( Batch )的基本概念,并且介绍批大小在神经网络训练过程中的影响。

盼小辉丶的博客 1万+

小白也能懂!一步步教你用FPGA加速YOLO目标检测(入门篇)

安装到 PYNQ 开发板中。该库为 PYNQ 平台提供了对量化神经网络(如 YOLO)的硬件加速支持。确保你的电脑已连接到外网,如 WiFi 或热点(手机热点理论上也可用,未实测)。当你看到安装成功的提示后,打开 Jupyter Notebook,你会发现在。趁这个机会,泡了杯茶,刷了会儿手机,顺便感慨了一下开源社区的强大……页面中多出了一些新的项目文件夹 —— 这就是我们刚才安装的。参数,浅拷贝只克隆最近一次提交,减少数据量,避免超时问题。初始化,打开该文件,即可运行我们的Tiny YOLO。

FJN110的博客 1599

鸿蒙中的语音识别与处理

语音识别技术是将语音信号转换为可读文本的技术。它广泛应用于语音助手、智能家居、车载系统、客户服务等场景中。通过语音识别,用户可以通过语音命令与设备进行交互,提升用户体验并提高操作效率。在鸿蒙操作系统(HarmonyOS)中,开发者可以通过集成语音识别 SDK 来实现语音识别功能。这包括语音转文本(Speech-to-Text,STT)和语音控制指令解析等。通过语音识别,设备能够识别用户的语音指令并做出相应的动作,例如控制智能家居、查询信息、播放媒体等。通过集成HMS 语音 SDK。

2201_75863687的博客 1298

微信小程序、H5微信公众号网页JSAPI:解决报错requestMerchantTransfer:fail:internal error(使用wx.requestMerchantTransfer错误)

如何解决requestMerchantTransfer:fail:internal error,微信小程序wx.requestMerchantTransfer报错,微信公众号H5网页使用jssdk调用wx.requestMerchantTransfer报错,JSAPI调起用户确认收款报错errMsg:“requestMerchantTransfer:fail:internal error“,微信小程序/H5 调起确认收款界面,JSAPI调起用户确认收款,微信公众号(H5),用户发起提现,商家转账给用户,用户

✅ 精选推荐文章 4977

HarmonyOS-Examples 完整入门指南:从零开始掌握鸿蒙应用开发

HarmonyOS-Examples 是一个专为鸿蒙开发者打造的综合性示例代码仓库,汇集了从基础组件到高级UI设计的完整开发案例。无论你是刚接触鸿蒙的新手还是有一定经验的开发者,这个项目都能为你提供宝贵的实践参考。 ## 📋 项目概览与特色功能 本项目包含了20多个精心设计的鸿蒙应用示例,覆盖了UI组件、布局设计、动画效果、AI集成等核心开发领域。每个示例都经过优化测试,确保在真实设备上能够

gitblog_01068的博客 1116

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

荣耀鸿蒙系统怎么设置,荣耀智慧屏体验评测:鸿蒙系统的智慧

原标题:荣耀智慧屏体验评测:鸿蒙系统的智慧荣耀智慧屏终于正式发布,天极网编辑现场体验了这一创造性的全新产品,下面跟随小编来一起看看,文末还有体验视频。荣耀智慧屏主要特点•搭载鸿鹄818智慧芯片•采用全新自研鸿蒙系统——HarmonyOS,也是首款搭载鸿蒙系统的产品•搭载升降式AI摄像头,可实现智慧视频通话•区别于传统电视产品,智慧屏将承担家庭中的更多角色,不仅是家庭的影音娱乐中心,更是信息共享中心...

weixin_33785291的博客 8万+

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

在鸿蒙NEXT开发中实现一个语音识别组件

发布以后都不知道叫它5.0版本还是NEXT版本了,哈哈,反正是最新版本就对了。今天要分享的是使用speechRecognizer实现一个语音识别组件。对于语音转换文字,鸿蒙系统提供了离线语音识别模型。,语种目前支持中文,识别效果非常不错。

youlanjihua的博客 446

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

鸿蒙车载智慧屏评测,荣耀智慧屏体验评测:鸿蒙系统的智慧

【天极网家电频道】【天极网家电频道】荣耀智慧屏终于正式发布,天极网编辑现场体验了这一创造性的全新产品,下面跟随小编来一起看看,文末还有体验视频。荣耀智慧屏主要特点•搭载鸿鹄818智慧芯片•采用全新自研鸿蒙系统——HarmonyOS,也是首款搭载鸿蒙系统的产品•搭载升降式AI摄像头,可实现智慧视频通话•区别于传统电视产品,智慧屏将承担家庭中的更多角色,不仅是家庭的影音娱乐中心,更是信息共享中心、控制...

weixin_28676983的博客 4673

鸿蒙OS 1.0.1版本, 微内核或将是第二个iOS

目前鸿蒙系统(HarmonyOS),第一款基于微内核的全场景分布式OS,是华为自主研发的操作系统。 2019年8月9日,华为在开发者大会HDC.2019上正式发布了鸿蒙系统,系统将率先部署在智慧屏、车载终端、穿戴、音响、手表、手机、PC等等各种各样设备。 未来会有越来越多的智能设备使用开源的鸿蒙OS。 打开UC浏览器 查看更多精彩图片 新系统意味着新体验,智慧屏最具代表的功能多种投屏方式,...

连志安 3873

详细教程 - 进阶版 鸿蒙harmonyOS应用 第二十节——鸿蒙OS多模输入技术详解

多模输入技术意味着用户可以通过多种模式与智能设备进行交互,如语音、视觉、手势等。这大大增强了人机交互的自然性。鸿蒙系统在语音、图像、机器学习等多个层面深度融合,构建起强大的多模输入框架,为开发者提供便捷调用的API接口。本文将详细讲解多模输入的运作机制、关键技术点以及编程接口使用方法,帮助开发者迅速在自己的应用中整合多模交互的能力。

爱蹦跶的全栈大A阿 974
上一篇: 鸿蒙5.0开发进阶:NDK开发-LLDB高性能调试器
下一篇: 鸿蒙5.0开发进阶:选择相册和拍照
懂你的大海
博客等级 码龄6年 9049粉丝 1381原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值