如何在Flutter项目中适配OpenHarmony系统，实现语音识别功能的启动和参数配置？

xmlns="http://www.w3.org/2000/svg"

style="display:

none;">

前言

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.csdn.net

引擎创建好了，监听器也设置好了，现在终于可以开始识别了。

startListening方法是用户按下"开始"按钮后真正触发的动作，也是整个语音识别流程中参数最多的一个环节。

Core

Speech

Kit的startListening需要传入一个StartParams对象，里面包含了音频参数、扩展参数、会话ID等配置。

这些参数直接影响识别的质量和行为——采样率设错了识别不出来，VAD参数设错了要么截断用户的话，要么等半天才返回结果。

我在调试这些参数的时候，反复试了十几种组合才找到比较平衡的配置。

今天把这些经验分享出来。

💡本文对应源码：FlutterSpeechPlugin.ets的startListening方法，第180-222行。

一、StartParams

参数结构详解

1.1

整体结构

interfaceStartParams{sessionId:string;//
会话IDaudioInfo:AudioInfo;//
音频参数extraParams:Record<string,Object>;//扩展参数}

三个字段，每个都有讲究：

字段	类型	必填	说明
sessionId	string	✅	标识本次识别会话
audioInfo	AudioInfo	✅	音频采集参数
extraParams	Record<string, Object>	✅	识别行为控制参数

字段

类型

必填

说明

sessionId

string

✅

标识本次识别会话

audioInfo

AudioInfo

✅

音频采集参数

extraParams

Record<string,

Object>

✅

识别行为控制参数

1.2
flutter_speech中的完整构建

privatestartListening(result:MethodResult):void{//
......constaudioParam:speechRecognizer.AudioInfo={audioType:'pcm',sampleRate:16000,soundChannel:1,sampleBit:16};constextraParam:Record<string,Object>={"recognitionMode":0,"vadBegin":2000,"vadEnd":3000,"maxAudioDuration":60000};constrecognizerParams:speechRecognizer.StartParams={sessionId:this.sessionId,audioInfo:audioParam,extraParams:extraParam};this.asrEngine.startListening(recognizerParams);result.success(true);}

二、AudioInfo

音频参数：PCM

结构

interfaceAudioInfo{audioType:string;//
音频格式sampleRate:number;//
采样率（Hz）soundChannel:number;//
声道数sampleBit:number;//位深（bit）}

2.2
音频格式

audioType:'pcm'

值	说明	flutter_speech的选择
‘pcm’	原始PCM音频	✅ 使用这个

值

说明

flutter_speech的选择

‘pcm’

原始PCM音频

✅

使用这个

目前Core

Speech

Modulation，脉冲编码调制）是最基础的音频格式，没有压缩，数据量大但延迟低。

📌为什么只支持PCM：语音识别引擎需要原始音频数据来做特征提取。
如果传入压缩格式（如MP3、AAC），引擎还需要先解码，增加延迟。
PCM直接就能用，效率最高。

sampleRate
采样率

sampleRate:16000

采样率	说明	适用场景
8000 Hz	电话质量	低带宽场景
16000 Hz	语音识别标准	推荐
44100 Hz	CD质量	音乐录制
48000 Hz	专业音频	视频制作

16kHz是语音识别领域的事实标准。

大多数语音识别模型都是用16kHz的数据训练的，使用其他采样率可能导致识别准确率下降。

💡我的测试结果：我试过用8000Hz，识别率明显下降，尤其是声母相近的字容易混淆。
用44100Hz倒是没问题，但数据量大了将近3倍，浪费带宽和内存。
16000Hz是最佳平衡点。

soundChannel
声道数

soundChannel:1

声道数	说明	适用场景
1	单声道	语音识别（推荐）
2	双声道（立体声）	音乐播放

语音识别只需要单声道。

人说话的声音是单一音源，双声道不会带来额外的信息量，只会增加数据量。

sampleBit
位深

sampleBit:16

位深	动态范围	说明
8 bit	48 dB	质量较低
16 dB	标准质量（推荐）
24 bit	144 dB	专业录音
32 bit	192 dB	极高精度

16bit是语音识别的标准位深，能提供足够的动态范围来区分语音中的细微差异。

2.3

=

每秒32KB的数据量对于在线传输来说完全可以接受。

2.4
参数错误的后果

错误配置	后果	表现
audioType不是’pcm’	引擎无法处理	startListening抛异常
sampleRate设为8000	识别率下降	识别结果不准确
soundChannel设为2	可能不兼容	引擎可能报错
sampleBit设为8	音质太差	识别率严重下降

三、extraParams
扩展参数：recognitionMode、VAD

配置

3.1

结构

constextraParam:Record<string,Object>={"recognitionMode":0,"vadBegin":2000,"vadEnd":3000,"maxAudioDuration":60000};

3.2

recognitionMode

识别模式

"recognitionMode":0

值	模式	说明	适用场景
0	短语音模式	识别短句，VAD自动停止	语音指令、搜索
1	长语音模式	持续识别，不自动停止	会议记录、听写

flutter_speech使用短语音模式（0），适合"说一句话就停"的交互场景。

两种模式的行为差异：

短语音模式
(recognitionMode=0)：
用户说话
(recognitionMode=1)：
用户说话手动调用finish停止

🎯选择建议：如果你的App是"按住说话"的交互模式，用短语音模式。
如果是"持续听写"的模式（比如语音笔记），用长语音模式。

3.3

vadBegin

VAD开始超时

"vadBegin":2000//

毫秒

含义：开始监听后，如果在vadBegin毫秒内没有检测到语音，就认为用户没有说话，自动停止识别。

startListening
├──onError(无语音输入)

vadBegin值	效果	适用场景
1000ms	等待1秒	快速响应场景
2000ms	等待2秒	平衡（推荐）
5000ms	等待5秒	用户可能需要思考
10000ms	等待10秒	极端宽松

💡调优经验：2秒是比较合理的值。
太短的话，用户还没来得及说话就超时了；太长的话，用户不说话时要等很久才能收到反馈。

3.4

vadEnd

VAD结束超时

"vadEnd":3000//

毫秒

含义：检测到语音后，如果连续vadEnd毫秒没有新的语音输入（静音），就认为用户说完了，自动停止识别。

用户说话 ├──

返回最终结果

vadEnd值	效果	适用场景
1000ms	1秒静音就停	快速指令
2000ms	2秒静音就停	短句识别
3000ms	3秒静音就停	平衡（推荐）
5000ms	5秒静音就停	长句/思考型

🤔vadEnd的取舍：设太短，用户说话中间停顿一下就被截断了（比如"我想…嗯…去北京"中间的停顿）。
设太长，用户说完后要等好几秒才能看到最终结果。
3秒是我测试下来的最佳平衡点。

3.5
vadBegin和vadEnd的配合

vadBegin=2000,
vadEnd=3000
等待用户开口（vadBegin倒计时）
t=0.8s:
等待用户继续说（vadEnd倒计时）
t=6s:返回最终结果

四、sessionId

会话管理机制

4.1

sessionId的作用

privatesessionId:string='10000';

sessionId是识别会话的唯一标识，用于：

区分不同的识别会话：虽然flutter_speech只有一个会话
在回调中关联请求：每个回调都会带上sessionId
停止/取消指定会话：finish(sessionId)和cancel(sessionId)需要指定

4.2
flutter_speech的sessionId策略

flutter_speech使用了固定的sessionId（'10000'），因为：

同一时间只有一个识别会话
不需要区分多个并发会话
简化了代码逻辑

//所有操作都用同一个sessionIdthis.asrEngine.startListening({sessionId:this.sessionId,...});this.asrEngine.finish(this.sessionId);this.asrEngine.cancel(this.sessionId);

4.3
如果需要动态sessionId

如果你的应用需要管理多个识别会话（flutter_speech不需要），可以用时间戳生成唯一ID：

//动态生成sessionId（flutter_speech未使用）privategenerateSessionId():string{return`session_${Date.now()}_${Math.random().toString(36).substr(2,9)}`;}

4.4
sessionId与回调的关联

每个监听器回调都会带上sessionId参数：

onStart(sessionId:string,eventMessage:string):void{...}onResult(sessionId:string,result:SpeechRecognitionResult):void{...}onError(sessionId:string,errorCode:number,errorMessage:string):void{...}

flutter_speech在回调中只用sessionId做日志记录，不做逻辑判断：

onStart(sessionId:string,eventMessage:string):void{console.info(TAG,`onStart:
sessionId=${sessionId}`);//仅日志channel?.invokeMethod('speech.onRecognitionStarted',null);},

五、maxAudioDuration

最大录音时长控制

5.1

参数含义

"maxAudioDuration":60000//
=60秒

这个参数限制了单次识别的最大录音时长。

超过这个时长，引擎会自动停止识别并返回结果。

5.2
为什么需要限制

防止资源浪费：无限制的录音会持续占用麦克风和网络
用户体验：超长的识别通常意味着用户忘记停止了

系统限制：Core

Speech

不同场景的建议值

场景	建议值	说明
语音搜索	15000 (15秒)	搜索词通常很短
语音指令	10000 (10秒)	指令更短
通用场景	60000 (60秒)	flutter_speech的选择
语音笔记	300000 (5分钟)	长文本听写
会议记录	无限制	需要特殊处理

flutter_speech选择了60秒，对于大多数语音识别场景来说足够了。

5.4
超时后的行为

t=0s:
startListeningonComplete

超时后引擎会自动停止，和用户主动调用stop的效果类似。

六、startListening
完整源码（带注释）

privatestartListening(result:MethodResult):void{//
==========
前置检查
==========if(!this.asrEngine){result.error('ERROR_ENGINE_NOT_INITIALIZED','Speech
engine
first.',null);return;}try{//
==========
防重入处理
==========if(this.isListening){this.asrEngine.cancel(this.sessionId);this.isListening=false;}//
==========
重置状态
==========this.lastTranscription='';this.isListening=true;//
==========
构建音频参数
==========constaudioParam:speechRecognizer.AudioInfo={audioType:'pcm',sampleRate:16000,soundChannel:1,sampleBit:16};//
==========
构建扩展参数
==========constextraParam:Record<string,Object>={"recognitionMode":0,"vadBegin":2000,"vadEnd":3000,"maxAudioDuration":60000};//
==========
构建启动参数
==========constrecognizerParams:speechRecognizer.StartParams={sessionId:this.sessionId,audioInfo:audioParam,extraParams:extraParam};//
==========
开始识别
==========this.asrEngine.startListening(recognizerParams);result.success(true);}catch(e){console.error(TAG,`startListening
error:${JSON.stringify(e)}`);this.isListening=false;result.error('ERROR_SPEECH_LISTEN',`Failed
startlistening:${JSON.stringify(e)}`,null);}}

6.2
流程图

startListening(result)
├──
error('ERROR_ENGINE_NOT_INITIALIZED')
return
asrEngine.startListening(recognizerParams)
└──result.success(true)

6.3
前置检查：引擎未初始化

if(!this.asrEngine){result.error('ERROR_ENGINE_NOT_INITIALIZED','Speech
enginefirst.',null);return;}

如果用户没有先调用activate就直接调用listen，引擎还没创建，需要返回明确的错误提示。

6.4
防重入处理

if(this.isListening){this.asrEngine.cancel(this.sessionId);this.isListening=false;}

如果上一次识别还没结束，用户又点了"开始"，需要先取消上一次再开始新的。

不做这个处理的话，可能会出现两个识别会话冲突的问题。

🤦踩坑经历：我一开始没做防重入，测试时快速连续点击"开始"按钮，引擎就报错了。
加了这个逻辑后就稳定了。

6.5
状态重置

this.lastTranscription='';this.isListening=true;

每次开始新的识别前，清空上次的识别结果，并标记为"正在监听"状态。

七、与Android
代码对比

Android：

privatevoidstartListening(MethodChannel.Resultresult){Intentintent=newIntent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL,RecognizerIntent.LANGUAGE_MODEL_FREE_FORM);intent.putExtra(RecognizerIntent.EXTRA_PARTIAL_RESULTS,true);intent.putExtra(RecognizerIntent.EXTRA_MAX_RESULTS,3);intent.putExtra(RecognizerIntent.EXTRA_LANGUAGE,locale);speechRecognizer.startListening(intent);result.success(true);}

OpenHarmony：

privatestartListening(result:MethodResult):void{constrecognizerParams:speechRecognizer.StartParams={sessionId:this.sessionId,audioInfo:{audioType:'pcm',sampleRate:16000,soundChannel:1,sampleBit:16},extraParams:{"recognitionMode":0,"vadBegin":2000,"vadEnd":3000,"maxAudioDuration":60000}};this.asrEngine.startListening(recognizerParams);result.success(true);}

7.2
参数对比

功能	Android (StartParams)
语言	EXTRA_LANGUAGE	创建引擎时指定
部分结果	EXTRA_PARTIAL_RESULTS=true	默认支持
最大结果数	EXTRA_MAX_RESULTS	不支持
音频格式	系统自动	audioInfo手动指定
VAD控制	系统默认	vadBegin/vadEnd可配
最大时长	系统默认	maxAudioDuration可配
识别模式	LANGUAGE_MODEL_*	recognitionMode

📌OpenHarmony的参数控制更精细：Android的很多参数是系统默认的，开发者无法控制。
OpenHarmony允许开发者精确配置音频参数和VAD参数，灵活性更高。

八、参数调优建议

8.1
不同场景的推荐配置

语音搜索场景：

constextraParam={"recognitionMode":0,//
短语音"vadBegin":1500,//
1.5秒等待开口"vadEnd":2000,//
2秒静音就停"maxAudioDuration":15000//最长15秒};

语音指令场景：

constextraParam={"recognitionMode":0,// 短语音"vadBegin":2000,// 2秒等待"vadEnd":1500,// 1.5秒静音就停（指令通常很短）"maxAudioDuration":10000//

最长10秒};

听写/笔记场景：

constextraParam={"recognitionMode":1,// 长语音"vadBegin":5000,// 5秒等待（用户可能在思考）"vadEnd":5000,// 5秒静音才停（允许长停顿）"maxAudioDuration":300000//

最长5分钟};

8.2
调优原则

vadBegin：根据用户从点击按钮到开始说话的平均时间来设置。
通常1.5-3秒
vadEnd：根据用户说话中停顿的平均时长来设置。
短句1.5-2秒，长句3-5秒
maxAudioDuration：根据业务场景的最大合理时长来设置。
宁可设大一点
recognitionMode：一句话的交互用0，持续听写用1

总结

本文详细讲解了flutter_speech语音识别启动的参数配置：

AudioInfo：PCM格式、16kHz采样率、单声道、16bit位深——语音识别的标准配置
recognitionMode：0=短语音（自动停止），1=长语音（手动停止）
VAD参数：vadBegin控制等待开口时间，vadEnd控制静音停止时间
maxAudioDuration：最大录音时长，防止无限录音
sessionId：会话标识，flutter_speech使用固定值’10000’
防重入：重复调用时先cancel旧会话再开始新会话

下一篇我们讲语音识别的停止与取消——stop和cancel两个方法的语义区别和实现细节。

如果这篇文章对你有帮助，欢迎点赞👍、收藏⭐、关注🔔，你的支持是我持续创作的动力！

相关资源：

Core
Speech
StartParams文档
PCM音频格式详解
VAD语音活动检测
Android
RecognizerIntent文档
flutter_speech
OpenHarmony源码
音频采样率与语音识别
开源鸿蒙跨平台社区
Flutter-OHOS适配指南
/>

服务项目	基础套餐	标准套餐	高级定制
关键词优化数量	10-20个核心词	30-50个核心词+长尾词	80-150个全方位覆盖
内容优化	基础页面优化	全站内容优化+每月5篇原创	个性化内容策略+每月15篇原创
技术SEO	基本技术检查	全面技术优化+移动适配	深度技术重构+性能优化
外链建设	每月5-10条	每月20-30条高质量外链	每月50+条多渠道外链
数据报告	月度基础报告	双周详细报告+分析	每周深度报告+策略调整
效果保障	3-6个月见效	2-4个月见效	1-3个月快速见效

SEO基础

如何在Flutter项目中适配OpenHarmony系统，实现语音识别功能的启动和参数配置？

style="display:

前言

Speech

一、StartParams

参数结构详解

1.1

1.2flutter_speech中的完整构建

...

二、AudioInfo

音频参数：PCM

2.2音频格式

Speech

sampleRate采样率

soundChannel声道数

sampleBit位深

bit

bit

bit

2.3

=

2.4参数错误的后果

三、extraParams扩展参数：recognitionMode、VAD

配置

3.1

3.2

recognitionMode

用户说话

用户说话

3.3

vadBegin

├──

3.4

vadEnd

├──

3.5vadBegin和vadEnd的配合

vadEnd=3000

t=0.8s:

t=6s:

四、sessionId

会话管理机制

4.1

4.2flutter_speech的sessionId策略

4.3如果需要动态sessionId

4.4sessionId与回调的关联

五、maxAudioDuration

最大录音时长控制

5.1

=

5.2为什么需要限制

Speech

5.4超时后的行为

startListening

六、startListening完整源码（带注释）

前置检查

engine

防重入处理

重置状态

构建音频参数

构建扩展参数

构建启动参数

开始识别

start

6.2流程图

├──

return

└──

6.3前置检查：引擎未初始化

engine

6.4防重入处理

6.5状态重置

七、与Android代码对比

7.2参数对比

八、参数调优建议

8.1不同场景的推荐配置

8.2调优原则

总结

Speech

为您推荐

1.2
flutter_speech中的完整构建

2.2
音频格式

sampleRate
采样率

soundChannel
声道数

sampleBit
位深

2.4
参数错误的后果

三、extraParams
扩展参数：recognitionMode、VAD

3.5
vadBegin和vadEnd的配合

4.2
flutter_speech的sessionId策略

4.3
如果需要动态sessionId

4.4
sessionId与回调的关联

5.2
为什么需要限制

5.4
超时后的行为

六、startListening
完整源码（带注释）

6.2
流程图

6.3
前置检查：引擎未初始化

6.4
防重入处理

6.5
状态重置

七、与Android
代码对比

7.2
参数对比

8.1
不同场景的推荐配置

8.2
调优原则