本项目是一个功能丰富的Android应用平台，集成了多种先进语音技术，为用户提供全方位的语音交互解决方案。主要功能包括关键词唤醒、声纹识别、语音识别等，适用于智能家居、车载系统以及需要语音交互的各类场景。

• 基于ONNX模型的高效率关键词检测
• 低资源占用，适合移动设备长时间运行
• 实时音频处理与关键词识别
• 自定义唤醒词阈值和灵敏度设置

• 用户声纹注册与管理
• 实时声纹比对与用户识别
• 基于声纹的安全认证机制
• 支持多人声纹区分

• 实时语音转文字功能
• WebSocket通信的云端ASR服务集成
• 智能降噪和静音检测
• 连续语音识别和断句优化

• 用户登录和身份验证
• 个人声纹信息管理
• 权限控制和安全保障

本系统采用统一的音频采集流程，并针对不同功能模块进行特定处理：

• 采样率：16kHz（16000Hz）
• 位深度：16位（PCM_16BIT）
• 通道数：单通道（CHANNEL_IN_MONO）
• 音频源：MediaRecorder.AudioSource.DEFAULT

1. 关键词唤醒（WeKWS）

   • 帧长：40ms（640字节）
   • 采集方式：Android AudioRecord实时采集
   • 处理流程：实时将音频送入特征提取管道（FeaturePipeline）
   • 特征提取：40维MFCC特征，通过C++层处理
   • 送入模型：以短时帧方式（80帧一批）送入ONNX模型

2. 声纹识别

   • 音频长度：按需采集，注册时通常为5-10秒
   • 采集缓冲区：16000样本（约1秒）
   • 处理方式：提取声纹特征向量
   • 发送格式：注册时以Base64编码的PCM数据发送到服务器
   • 识别时：可在本地进行实时比对或发送到服务端验证

3. 语音识别（ASR）

   • 帧长：100ms（1600字节）
   • 发送方式：WebSocket实时流式传输
   • 音频格式：可选原始PCM或带WAV头格式（ASR_USE_WAV_FORMAT参数控制）
   • 静音检测：基于音频能量的静音检测，避免发送无效音频
   • 发送策略：实时发送，支持VAD（语音活动检测）

• 多线程并行处理：同一音频流同时分发给不同处理模块
• 队列缓冲区：使用BlockingQueue进行线程间音频数据传递
• 最大队列容量：MAX_QUEUE_SIZE = 2500（约100秒音频）

• 采用ONNX Runtime优化的模型推理
• 高性能C++核心处理引擎
• 低延迟实时音频处理
• 多线程并行处理架构
• 优化的移动端资源占用

首先需要准备您的语音模型：

1. 训练或获取预训练的模型
2. 将模型导出为ONNX格式
3. 使用ONNX Runtime工具优化模型：

python -m onnxruntime.tools.convert_onnx_models_to_ort your-model.onnx

完成后您将获得优化后的模型文件。

1. 安装Android Studio
2. 打开项目路径
3. 根据需求配置应用参数
4. 构建应用

bash ./gradlew build

可根据需求调整以下配置：

• 关键词检测参数：./app/src/main/cpp/wekws.cc中修改特征维度和阈值
• ASR服务端点：修改MainActivity.java中的ASR_WS_URL常量
• 声纹识别参数：调整VoiceIdentifyService.java中的阈值参数
• 音频采集参数：可在MainActivity.java中修改采样率和缓冲区大小

// 修改特征维度示例
feature_config = std::make_shared<wenet::FeaturePipelineConfig>(40, 16000);  // 修改第一个参数

构建完成后，将APK文件安装到Android设备上： app/build/outputs/apk/debug/app-debug.apk

• 关键词检测延迟：通常<10ms（取决于设备性能）
• 声纹识别准确率：>95%（在合适阈值设置下）
• ASR实时响应：平均延迟<300ms
• 内存占用：<100MB

欢迎开发者对本项目进行扩展和改进。主要开发方向：

• 支持更多类型的语音模型
• 优化算法性能
• 扩展UI界面
• 增强安全特性

本项目遵循Apache 2.0许可证。