各安卓开源离线语音识别项目的测试结果

以下项目代码测试用的都是Java。

Whisper-android

试了试demo，不支持流式处理，示例代码的record版本就是先录音到固定文件再转换。会出现单词死机式循环输出，之前用whisper原模型的时候就已经出现这种问题了。

Vosk

允许调整模型，有onPartialResult但没有onRmsChanged，实现不了根据音频实时音量大小做前端反馈。模型效果一般，说话快一些容易导致错误识别结果。而且对应语言模型就完全只能用于该语言，中文模型就一点英文都识别不出来，OK都不行。

Mozilla DeepSpeech

需要完整的音频文件才能开始识别，不能边录边识别。MPL协议。项目已经发公共停止维护了。最新一次release在20年，java版本低，没有上手试效果。

Pocketsphinx

这个模型和Kaldi都是主用于关键词检测的语音模型，主要由字典模型和声学模型构成。只要你没在字典给出的词他就识别不出来，但字典大了启动延迟大，在字典词汇上万之后会容易bug。识别准确率一般，而且特别容易把环境音识别出文本，即使是正常把手机放在一边什么也不干，只要环境音杂一点就会出问题。用来做语音唤醒或者语音功能那些可以，语音转录不合适。

Kaldi

Android用kaldi官方要编译。我直接用了vosk兼容的Kaldi模型，就着vosk的demo框架试了试。模型大小2.5g，手机上每次加载都需要一定等待时间。此外还是那个问题，英文一点都识别不出来，而且出来的结果因为都是一个词一个词识别的，句子容易不连贯出现错词。效果相比Pocketsphinx确实好很多了，没有那么受环境音影响，识别准确率也比Pocketsphinx好一些。

SherpaNcnn

实时识别，效果还不错。java用的话需要先编译，可以直接下载他github上编译好的文件，不过需要自己写一下读取模型文件的代码。

综上，选SherpaNcnn。