如何在iOS应用中集成AI语音识别 iOS集成Speech框架的代码示例

苹果的speech框架为ios应用提供了强大的语音识别功能，通过请求授权、配置识别任务及处理结果即可实现语音转文字。一、需在info.plist中添加nsmicrophoneusagedescription和nsspeechrecognitionusagedescription权限描述，并在代码中分别请求麦克风和语音识别授权；二、使用sfspeechaudiobufferrecognitionrequest实时识别音频流，配置avaudioengine录音并启动识别任务，可指定语言为中文；三、注意事项包括：识别语言默认非中文需手动设置、后台运行需配置但受限、依赖网络连接、长时间录音建议分段处理、可通过shouldreportpartialresults控制中间结果反馈以优化延迟。

苹果的Speech框架为iOS应用提供了强大的语音识别功能，开发者可以通过它轻松实现将语音转文字的功能。集成的关键在于请求授权、配置识别任务以及处理结果。

一、准备环境与权限申请

在使用Speech框架前，需要先在Info.plist文件中添加对应的权限描述，包括麦克风和语音识别权限：

NSMicrophoneUsageDescription（用于录音） NSSpeechRecognitionUsageDescription（用于语音识别）

然后在代码中请求授权：

import Speechimport AVFoundationfunc requestAuthorization() {    SFSpeechRecognizer.requestAuthorization { authStatus in        switch authStatus {        case .authorized:            print("语音识别已授权")        case .denied:            print("用户拒绝了语音识别权限")        case .restricted, .notDetermined:            print("权限未确定或受限")        @unknown default:            break        }    }    // 请求麦克风权限    AVAudioSession.sharedInstance().requestRecordPermission { granted in        if granted {            print("麦克风权限已开启")        } else {            print("麦克风权限被拒绝")        }    }}

登录后复制

这部分是必须步骤，否则无法进行后续录音和识别。

二、录音并启动语音识别

使用SFSpeechAudioBufferRecognitionRequest来实时识别音频流。以下是一个基本的录音+识别流程示例：

import Foundationimport Speechimport AVFoundationvar audioEngine = AVAudioEngine()var recognitionRequest: SFSpeechAudioBufferRecognitionRequest?var speechRecognizer = SFSpeechRecognizer(locale: Locale(identifier: "zh-CN")) // 可指定语言func startRecording() throws {    guard let node = audioEngine.inputNode as? AVAudioInputNode else { return }    recognitionRequest = SFSpeechAudioBufferRecognitionRequest()    guard let request = recognitionRequest else { return }    request.shouldReportPartialResults = true // 开启部分结果返回    let recordingFormat = node.outputFormat(forBus: 0)    node.installTap(onBus: 0, bufferSize: 1024, format: recordingFormat) { buffer, _ in        request.append(buffer)    }    audioEngine.prepare()    try audioEngine.start()    SFSpeechRecognizer().recognitionTask(with: request) { result, error in        guard let result = result else {            if let error = error {                print("识别错误：$error)")            }            return        }        let bestString = result.bestTranscription.formattedString        print("识别结果：$bestString)")        if result.isFinal {            self.audioEngine.stop()            node.removeTap(onBus: 0)            self.recognitionRequest = nil        }    }}

登录后复制

这段代码会从麦克风获取音频流，并持续输出识别结果。你可以根据实际需求决定是否在识别完成后停止录音。

三、常见问题与注意事项

语音识别语言设置：默认可能不是中文，记得用Locale(identifier: "zh-CN")指定中文识别。后台运行限制：如果希望在后台继续录音识别，需配置后台模式（Background Modes），但要注意系统限制。网络依赖：Speech框架依赖苹果服务器，识别时需要联网。长时间录音优化：如果录音时间较长，建议分段处理以避免内存占用过高。识别延迟优化：可以通过调整shouldReportPartialResults控制是否实时反馈中间结果。

基本上就这些。虽然看起来有点复杂，但只要按部就班处理权限和音频流，就能顺利跑起来。