实时音视频 Android SDK

一、功能简介

TXRealtimeASR 是实时流式语音转写引擎：

·实时流式识别：边说边出字，逐句返回识别结果。

·中间结果与稳态结果：通过 isCompleted 区分进行中（中间结果）与已说完（稳态结果）。

·自动 / 指定识别语言：支持 "zh"（中文）、"en"（英文）等，留空即为自动识别。

·说话人区分：结果携带 speakerId，-1 表示未知。

·时间戳定位：结果携带 startTime / endTime，标识该消息在整个音频流中的起止位置（毫秒），-1 表示未知。

·实时音量回调：通过 onRealtimeASRVolume 获取当前音量等级 [0, 100]，可用于绘制音量波动效果。

·自定义音频采集：可通过 enableCustomCapture 开启，自行采集 PCM 后调用 feedPcmData 送入引擎。

·多监听器：通过 addListener / removeListener 注册多个回调监听器。

二、相比直接 WebSocket 接入的优势

相比业务方自行通过 WebSocket 对接 ASR 后端，SDK 在端侧完成音频前处理，提供以下开箱即用的能力：

·端侧远场人声降噪：SDK 内置远场人声增强与降噪算法，识别过程中可消除远场人声、环境噪声的干扰，显著提升会议室、客厅、车载等远场场景的识别准确率，业务方无需自行搭建音频前处理链路。可通过实验性 API setExtraParams 的 clientDenoiseStrategy 选择降噪策略，详细参见 实验性 API 中的 setExtraParams。

·声纹降噪（只识别指定人的声音）：支持指定目标说话人，识别过程中只转写目标说话人的声音，自动忽略其他人的说话内容，适用于多人会议、车载多乘员等只听某一个人的场景。

三、API Sample

我们提供了一份完整可运行的 Android Sample，演示如何使用 ASR SDK 实现语音输入与 AI 会话能力。Sample 在 VoiceAIKit 模块中封装了开箱即用的语音输入组件 VoiceInputBar，只需几行代码即可将语音输入功能引入自己的应用。

·下载地址：Tencent-RTC/VoiceAI Android Sample（快速跑通说明见 快速跑通 Android Sample）。

Sample 主要包含以下功能：

·语音输入：封装 VoiceInputBar 组件，开箱即用，支持「键盘 / 语音」切换、按住说话、实时识别与确认发送，可将说话内容实时转写为文字并送入业务（如聊天输入框）。

·AI 会话：语音提问 → 大模型（LLM）回复 → 语音播报（TTS），构成完整的语音对话闭环。

五、开通服务

登录 实时音视频控制台，单击创建应用 。如果你已经完成创建，可以跳过该操作。

在创建应用成功后，你可以在应用管理中获取到你的 SDKAppID 和 SDK 密钥。

·SDKAppID： 控制台创建的实时音视频应用的唯一标识。

·SDK 密钥：生成鉴权信息（UserSig）时使用的密钥串。

六、环境要求

七、引入 SDK

将 VoiceAI ASR SDK 引入项目工程，支持以下两种方式：

八、方式一：Maven 引入（推荐）

在项目根目录的 settings.gradle（或 build.gradle）中确保已配置 Maven Central 仓库：

repositories { mavenCentral()}

在 app/build.gradle 中声明依赖（SDK 插件地址，如需其它版本替换下方版本号即可）：

dependencies { implementation 'com.tencent.liteav:LiteAVSDK_VoiceAI:13.6.0.237'}

九、方式二：本地 AAR 引入

1. 下载 SDK，把 SDK 提供的 LiteAVSDK_VoiceAI_x.x.x.x.aar（或 .so + jar）放入 app/libs（x.x.x.x 为具体版本号）。

2. 在 app/build.gradle 中声明：

dependencies { implementation fileTree(dir: 'libs', include: ['*.jar', '*.aar'])}

十、ABI 架构过滤（两种方式通用，推荐）

SDK 的 AAR 内含多种架构的 .so，如不配置会默认将全部架构打进 APK，导致体积增大。建议在 app/build.gradle 中按需过滤：

android { defaultConfig { // …其他默认配置 ndk { // 支持 armeabi-v7a 和 arm64-v8a 架构 abiFilters "armeabi-v7a", "arm64-v8a" } }}

注意：说明：

API 入口类位于包 com.tencent.voiceai：

import com.tencent.voiceai.TXRealtimeASR;

十一、鉴权信息

启动转写前需要准备以下 TRTC 鉴权信息：

注意：关于 UserSig 的安全说明

注意：UserSig 是用户身份的加密凭证。请勿在客户端硬编码密钥（SECRETKEY）计算 UserSig，密钥一旦泄露会导致云资源被盗用；生产环境应在业务服务端计算 UserSig，App 通过接口动态获取。

注意：UserSig 计算方式参考：

十二、权限声明

实时转写为在线服务，且必须采集麦克风音频，需要在 AndroidManifest.xml 中同时声明网络权限与麦克风录音权限：

<uses-permission android:name="android.permission.INTERNET" /><uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" /><uses-permission android:name="android.permission.RECORD_AUDIO" />

注意：说明：

注意：Android 6.0（API 23）及以上，RECORD_AUDIO 除清单声明外还须在运行时动态申请，用户授权后才能开始转写。

十三、快速开始

import com.tencent.voiceai.TXRealtimeASR;import com.tencent.voiceai.TXRealtimeASR.*;public class ASRDemo { private TXRealtimeASR mASR; public void startASR() { // 1. 创建实例 mASR = new TXRealtimeASR(); // 2. 设置监听器 mASR.addListener(new Listener() { @Override public void onRealtimeASRStarted(String voiceId) { // 转录会话已开启 } @Override public void onReceiveRealtimeASRMessage(Message message) { if (message.isCompleted) { // 稳态结果：某句话已说完 } else { // 中间结果：正在识别中 } // 可获取该消息在音频流中的时间区间（毫秒），-1 表示未知 int start = message.startTime; int end = message.endTime; } @Override public void onRealtimeASRStopped() { // 转录正常停止 } @Override public void onRealtimeASRError(int errorCode, String errorMsg) { // 转录出错 } @Override public void onRealtimeASRVolume(int volume) { // 实时音量，volume 取值 [0, 100] } }); // 3. 配置参数并启动 Params params = new Params(); params.sdkAppId = "1400000000"; // TRTC 应用 ID params.userSig = "your_user_sig"; // 服务端下发的用户签名 params.voiceId = "uuid-xxxx-xxxx-xxxx"; // 识别会话 ID，建议每次调用重新生成 UUID params.sourceLanguage = "zh"; // 识别语言，"zh"/"en"，留空为自动识别 params.enableCustomCapture = false; // 是否启用自定义音频采集 mASR.startRealtimeASR(params); // 4.（可选）自定义采集模式：开启后自行采集并送入 PCM 音频 // byte[] pcm = …; // 16k、单声道、16bit 采样 // mASR.feedPcmData(pcm, 16000, 1); } public void release() { if (mASR != null) { mASR.stopRealtimeASR(); mASR.destroy(); mASR = null; } }}

十六、构造与销毁

十七、监听器管理

十八、核心方法

十九、监听器 Listener

接口中所有方法均为 default 空实现，按需重写感兴趣的方法即可，无需实现全部回调。后续新增的回调方法也会以 default 空实现形式添加，保证源码与二进制兼容。

回调在 SDK 内部线程触发，请勿在回调中执行耗时操作；更新 UI 需自行切回主线程。

21、Params（启动参数）

22、Message（转录消息）

23、实验性 API

callExperimentalAPI(String jsonStr) 用于调用实验性 / 扩展能力。入参为 JSON 字符串，返回字符串。格式：

{ "api": "<接口名>", "params": { … } }

24、setExtraParams

引擎参数配置，用于追加自定义的 ASR 引擎参数与降噪策略。

输入参数（params 字段）：

extraRequestParams 可用键名：

参数优先级规则：

1. SDK 内部生成的参数（timestamp、expired、signature、nonce 等）不可被覆盖。

2. 启动参数中的显性字段（sdkAppId、userSig、voiceId、sourceLanguage）不可被覆盖。

3. extraRequestParams 中的其余键——自由扩展，整体追加到 URL 末尾。

注意：说明：

注意：若 extraRequestParams 中出现了第 1、2 类键，SDK 将忽略并输出 WARNING 日志。若 extraRequestParams 中的键与默认字段同名（如 engine_model_type），默认字段被移除，以 extraRequestParams 中的值为准。

示例：

String json = "{\\"api\\":\\"setExtraParams\\",\\"params\\":{" + "\\"extraRequestParams\\":\\"engine_model_type=bigmodel\\"," + "\\"clientDenoiseStrategy\\":1}}";mASR.callExperimentalAPI(json);

25、最佳实践与注意事项

1. 鉴权信息：userSig 应由服务端生成后下发，切勿将生成密钥硬编码到客户端。

2. voiceId 唯一性：每次调用 startRealtimeASR 建议重新生成新的 UUID 作为 voiceId。

3. 自定义采集：enableCustomCapture = true 时须主动调用 feedPcmData 送入 16bit PCM 数据，并保证 sampleRate、channels 与数据一致。

4. 中间结果与稳态结果：isCompleted = false 的文本会持续更新，仅在 isCompleted = true 时该段识别才最终确定。

5. 监听器弱引用：监听器以弱引用持有，请自行保存监听器对象的强引用，避免被提前回收。

6. 生命周期：使用完毕先 stopRealtimeASR() 再 destroy()，避免资源泄漏。