适用AI工具：DevEco Code / Cursor
前置博客：第02篇
预计阅读时间：20分钟
一、端侧语音：为什么值得鸿蒙开发者认真做
Core Speech Kit 提供端侧语音识别（ASR）与语音合成（TTS）能力，两大卖点：离线可用与数据不出设备。对会议记录、驾驶场景、无障碍等应用，这不仅是功能，更是合规刚需。
端侧方案与云端的取舍很简单：短指令、隐私敏感、弱网环境用端侧；超长音频转写、多语种混说可走云端补充。本篇聚焦端侧完整实现。
二、能力全景与调用链路
三、ASR：语音转文字完整实现
3.1 权限与引擎创建
先在module.json5声明麦克风权限，并做运行时动态申请：
"requestPermissions":[{"name":"ohos.permission.MICROPHONE","reason":"$string:mic_reason","usedScene":{"abilities":["EntryAbility"],"when":"inuse"}}]创建识别引擎并启动监听：
import{speechRecognizer}from'@kit.CoreSpeechKit';letengine:speechRecognizer.SpeechRecognitionEngine;asyncfunctionstartAsr(context:Context):Promise<void>{constextraParam:Record<string,Object>={'locate':'CN','recognizerMode':'short'// 短句模式，实时性最好};constinitInfo:speechRecognizer.CreateEngineParams={language:'zh-CN',online:1,// 端侧引擎extraParams:extraParam};engine=awaitspeechRecognizer.createEngine(initInfo);engine.on('result',(event:speechRecognizer.SpeechRecognitionResult)=>{// isLast 为 false 时是中间结果，可做"边说边显示"this.recognizedText=event.result;});engine.on('error',(err)=>{// 常见错误码：9400002 无录音权限 / 9400003 引擎忙this.handleAsrError(err);});engine.startListening({sessionId:this.sessionId,audioInfo:null,extraParams:null});}3.2 AI 用法：错误分支与状态机生成
ASR 的业务难点不在主流程，而在错误分支与 UI 状态机（录音中/识别中/无权限/引擎忙的互斥切换）。这是 AI 最擅长的机械活：
为 ASR 功能生成完整状态机：Idle→Requesting→Listening→Recognizing→Error。
错误码 9400002 引导用户去设置开权限，9400003 延迟重试并设置最大3次。
生成 ArkTS 状态管理代码与对应 UI 提示。
AI 生成的状态机 + 权限引导 UI 直接可用，人工只需补业务文案。实测这类"状态机 + 错误引导"交给 AI，比手写节省一半时间，且分支覆盖更全（人容易漏"连续两次引擎忙"这种边角）。
3.3 离线识别与多方言
端侧引擎支持离线识别，弱网/无网自动走本地模型，代码无需区分——online: 1的引擎创建后由系统智能调度。方言方面，主流方言（粤语、四川话等）已进入识别语言列表，AI 可帮你查 Kit 文档生成当前支持的方言清单与对应 locale 参数表，避免硬编码踩空。
四、TTS：语音合成与播报
import{textToSpeech}from'@kit.CoreSpeechKit';asyncfunctionspeak(context:Context,text:string):Promise<void>{constengine=awaittextToSpeech.createEngine({language:'zh-CN',online:1,extraParams:{style:'interaction-broadcast',locate:'CN',name:'EngineName'}});constparams:textToSpeech.SpeakParams={requestId:this.reqId,extraParams:{speed:1.0,volume:1.0,pitch:1.0,soundChannel:textToSpeech.SpeechAudioChannel.AUDIO_MUSIC// 走媒体通道，可后台播}};engine.speak(text,params);}注意soundChannel的选择：导航提示类走默认音频通道即可；长内容朗读（听文章）用AUDIO_MUSIC媒体通道，配合后台任务保活，锁屏不中断。
五、组合实战：会议速记
ASR + TTS 组合的经典场景是会议速记：实时转写上屏 + 关键节点语音确认。架构要点：
- ASR 中间结果高频刷新 UI 时，节流到 300ms 更新一次，避免渲染抖动
- 转写文本分段落缓存到 preferences，异常退出可恢复
- 结束后把文本交给 AI 做摘要——这也是 2026 年很成熟的玩法：端侧 Kit 拿原始数据，云端 LLM 做增值处理
给 AI 的组合指令示例：
实现会议速记页：ASR 实时转写（300ms 节流上屏）、暂停/继续、
结束后生成摘要（调用云端接口）。生成页面代码与数据持久化层。
六、避坑清单
- 引擎是重资源：createEngine 耗时且占内存，全局复用一个实例，页面销毁只 stop 不 shutdown。
- 中间结果别直接存库：等
isLast: true的最终结果再持久化，否则同一句话会存多遍。 - 权限被拒后的引导：9400002 错误要给出"去设置"入口，纯 toast 用户会以为是功能坏了。
- 录音指示器：系统会在状态栏展示录音图标，应用内再加一个明确的录音状态 UI，避免用户困惑。
七、下一步
语音之后是视觉。下一篇 Core Vision Kit：人脸检测、文字识别与图像超分的实战集成。
