Android Speech Recognition语音识别如何进行测试与验证？

Android系统从早期版本就内置了语音识别框架，开发者无需接入第三方SDK，只调用系统的Speech Recognition接口就能实现“说话转文字”的功能。不过这套API在实际集成时坑不少：有的设备根本没有预装识别服务，有的回调迟迟不触发，有的错误码看不懂。这篇文章从API原理讲到可运行的Demo，再重点聊聊如何对语音识别功能做系统性测试，包括手动验证和自动化测试两条路线。

一、两套官方API：RecognizerIntent与SpeechRecognizer

Android官方提供了两种调用语音识别的方式。第一种是通过RecognizerIntent发起一个隐式Intent，系统会弹出Google语音搜索的对话框，用户说完话后结果以Activity回调的形式返回。这种方式实现最简单，十行代码就能跑起来，适合“按一下按钮说一句话”这种轻量场景。

第二种是使用SpeechRecognizer类，它不依赖任何UI，识别过程完全在后台完成，识别结果通过RecognitionListener回调实时推送，甚至可以拿到中间识别结果（partial results），适合做实时字幕、语音输入法这类需要连续交互的功能。需要注意的是，SpeechRecognizer必须 在主线程创建，否则会直接抛出异常。

两者的核心区别可以总结为：RecognizerIntent是“借用系统的界面”，SpeechRecognizer是“只借用系统的引擎”。正式项目中推荐SpeechRecognizer，可控性更强，也更容易做单元测试和UI自动化测试。下面是SpeechRecognizer的标准用法：

// 必须在主线程调用
SpeechRecognizer recognizer = SpeechRecognizer.createSpeechRecognizer(context);

recognizer.setRecognitionListener(new RecognitionListener() {
    @Override
    public void onResults(Bundle results) {
        ArrayList<String> texts =
            results.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION);
        if (texts != null && !texts.isEmpty()) {
            Log.d("ASR", "最终识别结果: " + texts.get(0));
        }
    }

    @Override
    public void onPartialResults(Bundle partialResults) {
        // 中间结果，可用于实时展示
        ArrayList<String> texts =
            partialResults.getStringArrayList(SpeechRecognizer.RESULTS_RECOGNITION);
        if (texts != null) {
            Log.d("ASR", "中间结果: " + texts.get(0));
        }
    }

    @Override
    public void onError(int error) {
        Log.e("ASR", "识别出错, 错误码: " + error);
    }

    @Override
    public void onReadyForSpeech(Bundle params) { }

    @Override
    public void onBeginningOfSpeech() { }

    @Override
    public void onRmsChanged(float rmsdB) { }

    @Override
    public void onBufferReceived(byte[] buffer) { }

    @Override
    public void onEndOfSpeech() { }

    @Override
    public void onEvent(int eventType, Bundle params) { }
});

二、搭建可测试的识别Demo

做测试的前提是有一个功能完整、结构清晰的被测对象。我们先写一个简单的Activity，包含一个按钮和一段展示文字的TextView，点击按钮后启动SpeechRecognizer开始监听。权限方面，Android 11以下只需要RECORD_AUDIO运行时权限；从Android 11开始，如果应用想访问语音识别结果，还需要声明<queries>元素来声明对识别服务的可见性，否则SpeechRecognizer.isRecognitionAvailable()会一直返回false。

清单文件中的关键配置如下：

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

<queries>
    <intent>
        <action android:name="android.speech.RecognitionService" />
    </intent>
</queries>

Activity中的启动逻辑建议把startListening和stopListening封装成独立方法，并把识别结果写入一个可观察的数据对象（比如LiveData）。这样做的好处是，后续写Espresso测试时可以直接对LiveData断言，而不必依赖Toast之类的瞬态UI，测试稳定性会好很多。识别Intent的构建也有讲究，EXTRA_LANGUAGE_MODEL决定识别模型偏向自由语句还是命令词，EXTRA_PARTIAL_RESULTS设为true才会回调中间结果：

private void startListening() {
    Intent intent = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
    intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL,
            RecognizerIntent.LANGUAGE_MODEL_FREE_FORM);
    intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE, "zh-CN");
    intent.putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS, true);
    intent.putExtra(RecognizerIntent.EXTRA_MAX_RESULTS, 3);
    recognizer.startListening(intent);
}

三、手动测试：真机与模拟器的验证要点

自动化之前，手动测试永远是第一道关。首先要确认设备上是否存在识别服务：SpeechRecognizer.isRecognitionAvailable(context)返回true只说明有服务响应Intent，在Android 13以上更推荐用SpeechRecognizer.isOnDeviceRecognitionAvailable(context)判断是否支持端侧离线识别。国内部分厂商的ROM阉割了Google服务，RecognizerIntent这条路基本走不通，此时要么引导用户安装识别组件，要么换用云端识别SDK，这是集成前必须做的前期调研。

真机测试时建议覆盖这几类用例：正常语速朗读、极短语句（例如单字）、长时间静音后说话、快速连续两次点击识别按钮、识别过程中来电话打断。每一种都对应不同的系统行为，比如静音超时会触发ERROR_SPEECH_TIMEOUT（错误码6），打断后可能触发ERROR_CLIENT（错误码5）。常见错误码整理如下：

模拟器测试是个容易被忽视的技巧。Android模拟器从某个版本起支持虚拟麦克风的音频注入，可以配合adb emu命令或者直接在宿主机播放音频文件，把一段固定的语音“喂”给模拟器。固定音频输入的价值在于可复现——同一句话重复识别十次，结果的一致性可以直接反映识别引擎的稳定性，这是真人对着麦克风说话做不到的。

四、自动化测试：Espresso与UI Automator结合

语音识别的自动化难点在于“声音从哪来”。系统API无法直接注入音频到RecognitionListener，所以业界普遍做法是把识别逻辑抽象成接口，测试时用Mock实现替换真实的SpeechRecognizer。比如定义一个RecognitionEngine接口，生产环境里由SpeechRecognizer实现，测试环境里由一个能按时回调预设文本的Fake对象实现。这样ViewModel层的逻辑（状态切换、结果处理、错误恢复）就可以用纯JUnit测试覆盖，速度极快且完全确定性。

public interface RecognitionEngine {
    void start(Locale locale);
    void stop();
    void setListener(EngineListener listener);
}

// 测试用的Fake实现，直接回调预设结果
public class FakeEngine implements RecognitionEngine {
    private EngineListener listener;

    @Override
    public void start(Locale locale) {
        // 模拟500ms后返回识别结果
        new Handler(Looper.getMainLooper()).postDelayed(() -> {
            listener.onResult("你好世界");
        }, 500);
    }

    @Override
    public void stop() { }

    @Override
    public void setListener(EngineListener listener) {
        this.listener = listener;
    }
}

至于UI层的端到端测试，Espresso配合IdlingResource可以做到“点击按钮，等待识别结果出现在TextView上”的断言。核心思路是注册一个IdlingResource，在onReadyForSpeech回调时置为忙碌状态，在onResults或onError时置为空闲，Espresso会自动等待状态变化，避免手写Thread.sleep导致的测试抖动：

@Test
public void clickButton_showsRecognizedText() {
    onView(withId(R.id.btn_start)).perform(click());
    onView(withId(R.id.tv_result))
        .check(matches(withText("你好世界")));
}

如果测试需要跨应用（比如识别弹出了系统级语音对话框），Espresso就无能为力了，这时换用UI Automator，它可以直接操作其他应用的界面元素。另外要注意，CI环境里跑这类测试必须保证模拟器带有识别服务，建议在CI脚本的smoke test阶段先用adb shell pm list packages检查识别服务包是否存在，不存在就直接跳过该组用例，避免误报失败。

五、常见问题排查清单

最后把实际项目里高频出现的几个问题整理成清单，方便对号入座。

• isRecognitionAvailable返回false：Android 11以上检查清单里是否声明了<queries>；国产ROM检查是否缺失Google组件。
• 回调一次都不触发：确认SpeechRecognizer是否在主线程创建，以及是否忘记调用setRecognitionListener就直接startListening。
• 报错ERROR_RECOGNIZER_BUSY：上一个识别实例没有销毁，务必在Activity销毁时调用recognizer.destroy()。
• 离线识别不生效：端侧识别需要Android 12以上并使用createOnDeviceSpeechRecognizer创建实例，同时设备要下载对应语言的离线包。
• 中文识别成英文：检查EXTRA_LANGUAGE是否设置为zh-CN，部分设备还要确认系统语言与地区设置。

总体来看，Android语音识别的测试工作分三层：引擎可用性验证、功能逻辑的单元测试、真实语音输入的端到端测试。把识别逻辑抽象成可替换的接口是让整套测试跑起来的关键，其余的问题无非是权限、线程和错误码这三座大山，逐项排查基本都能解决。

Android语音识别Speech RecognitionRecognizerIntent测试修改时间：2026-09-13 14:51:01