jamsch/expo-speech-recognition

解决的问题

expo-speech-recognition 为在 React Native 项目中实现语音转文本功能提供了一个统一的 API。它解决了 iOS、Android 和 Web 平台之间碎片化的原生语音识别 API 问题，使开发者能够编写一份代码库，即可在三个平台都正常运行。

工作原理

该库作为各平台原生语音识别服务的封装：

• iOS：使用 SFSpeechRecognizer。
• Android：使用 SpeechRecognizer。
• Web：使用 SpeechRecognition API。

它提供了一组钩子（如 useSpeechRecognitionEvent）和直接的模块 API（ExpoSpeechRecognitionModule），用于启动、停止和管理语音识别会话。它处理权限、事件驱动的结果（中间结果和最终结果），以及平台特定的配置，例如本地识别和音频会话类别。

适用人群

需要在移动和 Web 应用中集成语音输入或转录服务，但又不想编写平台特定的原生代码的 React Native 和 Expo 开发者。

主要亮点

• 跨平台支持：iOS、Android 和 Web 的统一接口。
• 灵活的转录：支持实时（中间）结果和最终转录。
• 音频持久化：可在 Android 13+ 和 iOS 上将音频录制保存到本地文件。
• 基于文件的转录：支持从本地 URI 转录现有的音频文件。
• 高级控制：包含音量计量、语言检测（Android 14+），以及强制使用本地识别以防止网络音频传输的功能。
• 可定制性：允许提供上下文字符串，以提高特定应用相关术语的识别准确率。