SuperAPI AI 工具集

speech-recognition

通用与其它

查看项目

更新于 10-15 23:34

技能介绍

用途:在 iOS 应用中实现语音转文字,既可对实时麦克风音频转写,也可识别磁盘上的预录音频文件。内容覆盖旧的 SFSpeechRecognizer(iOS 10+)与 iOS 26 引入的 SpeechAnalyzer/SpeechTranscriber 新 API。

主要能力:SpeechAnalyzer 为 actor 模型,使用 Swift 并发与 AsyncSequence 返回结果,需先通过 AssetInventory 安装语音资源,可用 SpeechAnalyzer(inputAudioFile:modules:finishAfterFile:) 处理音频文件。SFSpeechRecognizer 走回调/代理,通过 AVAudioEngine 采集音频、SFSpeechAudioBufferRecognitionRequest 追加缓冲,或 SFSpeechURLRecognitionRequest 识别文件。支持部分结果与最终结果、备选转写与置信度、iOS 16+ 标点、contextualStrings 领域词提升。区分端上识别与服务器识别:端上需 supportsOnDeviceRecognition 支持,可离线且不受约一分钟限制,但准确率与语言覆盖可能较低。

使用方式:先在 Info.plist 添加 NSSpeechRecognitionUsageDescription 与 NSMicrophoneUsageDescription,并在开始前请求语音与麦克风授权;实时场景配置 AVAudioSession、安装 tap、开始识别任务,结束后必须停止引擎、移除 tap、调用 endAudio() 并取消任务;可用 SFSpeechRecognizerDelegate 监听 availabilityDidChange。

限制与注意:不要同时创建多个识别任务,须先取消旧任务;服务器识别存在约一分钟时长限制,需定时重启;强制端上识别前先检查支持情况;使用 SpeechAnalyzer 前需检查 SpeechTranscriber.supportedLocale(equivalentTo:) 并安装资源。具体收费、价格与效果资料暂未提供。