语音转文本

Kime 内置语音转文本功能，支持通过麦克风进行实时语音识别，将语音转换为文字输入。

功能特点

• 实时识别 - 边说边识别，无需等待录音结束
• 流式输出 - 识别结果实时显示，支持部分结果展示
• 音量可视化 - 显示麦克风音量波动
• 高准确率 - 基于阿里百炼 FunAsr 模型

配置方法

获取 API Key

1. 访问 阿里云百炼平台
2. 登录/注册阿里云账号
3. 在模型广场获取 API Key

配置步骤

1. 进入输入法设置页面
2. 点击「语音转文本」设置
3. 将 API Key 粘贴到输入框
4. 点击保存按钮保存设置
5. 授予麦克风权限

使用方法

启动语音输入

1. 在输入状态下，长按空格键进入语音模式
2. 或点击键盘上的麦克风图标
3. 开始说话，识别结果会实时显示

结束语音输入

• 松开空格键：提交识别结果
• 点击发送按钮：提交结果并关闭语音模式
• 点击取消按钮：放弃结果并关闭语音模式

权限要求

语音转文本功能需要以下权限：

权限	用途
麦克风	录制语音用于识别
网络	连接阿里云服务进行识别

首次使用时会请求麦克风权限，请务必允许。

技术细节

服务提供商

• 服务商：阿里云百炼平台
• 模型：fun-asr-realtime（实时语音识别）
• 协议：WebSocket 实时通信
• 采样率：16000 Hz
• 格式：PCM 16-bit 单声道

相关文件

文件	说明
SpeechRecognitionManager.kt	语音识别管理器
FunAsrWebSocketManager.kt	FunAsr WebSocket 连接管理
VoiceRecognitionHandler.kt	语音识别 UI 处理
VoiceKeyboardLayout.kt	语音模式键盘布局

识别状态

enum class RecognitionState {
    IDLE,        // 空闲
    LISTENING,   // 正在监听
    PROCESSING,  // 处理中
    ERROR        // 错误
}

常见问题

Q: 语音识别无反应？

检查以下几点：

1. 是否已授予麦克风权限
2. API Key 是否正确配置
3. 网络连接是否正常

Q: 识别准确率低？

1. 确保在安静环境下使用
2. 说话清晰，语速适中
3. 麦克风没有被遮挡

Q: 连接失败？

1. 检查网络连接
2. 确认 API Key 有效
3. 稍后重试，可能是服务端临时故障

注意事项

• 语音识别需要联网使用
• API Key 请妥善保管，不要泄露
• 语音数据会上传至阿里云进行处理
• 建议在 WiFi 环境下使用，避免消耗移动数据流量