18、车载语音助手：Android Automotive语音交互框架

语音助手这东西，说实话，在手机上是锦上添花。但在车上，那是刚需。你想想看，开车的时候去戳屏幕调空调、设导航，多危险。我参与的第一个车载项目，客户反馈里排第一的就是「语音不好用」。嗯，从那以后我就明白了一个道理：车载语音不是功能，是安全底线。

这一章，我们就来聊聊 Android Automotive 里语音交互的核心——VoiceInteractionService。我会把我在项目里踩过的坑、总结的经验，都揉进去。

18.1 语音交互的整体架构

先看一张图，帮你快速建立整体认知。Android Automotive 的语音框架，说白了就是三层：

说白了，你的语音助手服务跑在框架层，它负责「翻译」用户的自然语言，然后指挥应用层干活。系统服务层则是底层的语音识别和合成能力，你一般不用直接碰。

18.2 VoiceInteractionService：语音助手的入口

这是整个语音交互的起点。你需要继承 VoiceInteractionService，然后在 AndroidManifest 里声明。我习惯把初始化逻辑都放在 onReady() 里做。

public class CarVoiceInteractionService extends VoiceInteractionService {

    private static final String TAG = "CarVoiceService";

    @Override
    public void onReady() {
        super.onReady();
        Log.d(TAG, "语音助手服务已就绪");
        // 初始化语音识别引擎
        initSpeechRecognizer();
        // 注册自定义指令
        registerCustomCommands();
    }

    private void initSpeechRecognizer() {
        // 这里可以接入第三方语音引擎，比如讯飞、百度
        // 我个人习惯在 onReady 里做懒加载，避免冷启动卡顿
    }

    private void registerCustomCommands() {
        // 注册车载特有的语音指令
        // 后面会详细讲
    }
}

别忘了在 Manifest 里声明：

<service
    android:name=".CarVoiceInteractionService"
    android:permission="android.permission.BIND_VOICE_INTERACTION"
    android:label="车载语音助手">
    <intent-filter>
        <action android:name="android.service.voice.VoiceInteractionService" />
    </intent-filter>
    <meta-data
        android:name="android.voice_interaction"
        android:resource="@xml/voice_interaction" />
</service>

这里有个坑：BIND_VOICE_INTERACTION 权限是系统级的，普通应用拿不到。所以你的语音助手要么是系统应用，要么得有系统签名。嗯，这一点在项目初期就得跟架构师确认好。

18.3 CarVoiceInteractionSession：车载会话管理

如果说 VoiceInteractionService 是「前台」，那 CarVoiceInteractionSession 就是「对话经理」。每次用户发起语音交互，系统都会创建一个 Session 来管理这次对话的生命周期。

我见过不少开发者把 Session 当普通 Activity 用，结果内存泄漏得一塌糊涂。记住：Session 是有生命周期的，用完就得销毁。

public class CarVoiceSession extends CarVoiceInteractionSession {

    public CarVoiceSession(Service service) {
        super(service);
    }

    @Override
    public void onShow(Bundle args, int showFlags) {
        super.onShow(args, showFlags);
        // 语音助手 UI 显示出来
        // 比如弹出一个半屏的语音交互界面
    }

    @Override
    public void onHide() {
        super.onHide();
        // 用户结束对话，隐藏 UI
    }

    @Override
    public void onDestroy() {
        super.onDestroy();
        // 清理资源，释放语音引擎
    }
}

18.4 自定义语音指令：开空调、导航到某地

这才是车载语音的灵魂。Android Automotive 允许你通过 VoiceInteractionService 注册自定义的语音指令，然后系统会把匹配的指令分发给你。

我一般会在 onReady() 里注册所有指令，用 VoiceInteractionService#setDisabledShowContext() 来控制是否显示上下文。

private void registerCustomCommands() {
    // 注册「开空调」指令
    VoiceInteractionService.setDisabledShowContext(
        VoiceInteractionService.FLAG_DISABLE_SHOW_CONTEXT_DISABLED);

    // 方式一：通过 Manifest 注册（推荐）
    // 在 res/xml/voice_interaction.xml 里定义
}

// voice_interaction.xml
<voice-interaction xmlns:android="http://schemas.android.com/apk/res/android">
    <interaction-service
        android:name=".CarVoiceInteractionService"
        android:sessionService=".CarVoiceSession" />
</voice-interaction>

但真正灵活的玩法，是在代码里动态注册。比如「导航到某地」，地点是动态的，你没法在 XML 里写死。

// 在 Session 里处理动态指令
@Override
public void onHandleAssist(Bundle data, Runnable completionCallback) {
    String voiceText = data.getString("voice_text");
    if (voiceText == null) return;

    if (voiceText.contains("开空调")) {
        handleAirConditioner(voiceText);
    } else if (voiceText.contains("导航到")) {
        handleNavigation(voiceText);
    } else {
        // 兜底处理
        speak("抱歉，我没有听懂");
    }
    completionCallback.run();
}

private void handleAirConditioner(String text) {
    // 解析温度，比如「空调调到25度」
    int temp = extractTemperature(text);
    // 通过 Car 服务控制空调
    Car car = Car.createCar(this);
    // ... 调用 HVAC 服务
    speak("好的，空调已调到" + temp + "度");
}

private void handleNavigation(String text) {
    // 提取目的地
    String destination = extractDestination(text);
    // 启动导航应用
    Intent intent = new Intent(Intent.ACTION_VIEW);
    intent.setData(Uri.parse("geo:0,0?q=" + destination));
    intent.setPackage("com.example.navigation");
    startActivity(intent);
    speak("正在导航到" + destination);
}

18.5 语音唤醒与多轮对话

语音唤醒，说白了就是让车机一直「听着」关键词。Android Automotive 提供了 VoiceInteractionService#onWakeUp() 回调，但底层依赖硬件支持。

我踩过最大的坑是：唤醒词识别在行车过程中误唤醒率极高。有一次测试，车里放着音乐，结果「你好，小X」被触发了十几次。后来我们加了声纹验证和信噪比过滤，才把误唤醒率降下来。

@Override
public void onWakeUp(@Nullable WakeUpEvent event) {
    if (event == null) return;
    // 检查唤醒置信度
    if (event.getConfidenceScore() < 0.7f) {
        Log.d(TAG, "唤醒置信度太低，忽略");
        return;
    }
    // 启动语音会话
    startVoiceSession();
}

多轮对话就更有意思了。比如用户说「导航到天安门」，系统问「走高速还是普通路」，用户说「高速」。这两轮对话需要保持上下文。

// 多轮对话的上下文管理
public class MultiTurnContext {
    private String currentIntent;      // 当前意图
    private Map<String, String> slots; // 已收集的槽位

    public MultiTurnContext() {
        slots = new HashMap<>();
    }

    public void updateIntent(String intent) {
        this.currentIntent = intent;
    }

    public void fillSlot(String key, String value) {
        slots.put(key, value);
    }

    public boolean isComplete() {
        // 检查所有必要槽位是否已填满
        if ("navigation".equals(currentIntent)) {
            return slots.containsKey("destination")
                && slots.containsKey("route_type");
        }
        return false;
    }
}

在 Session 里维护这个上下文对象：

private MultiTurnContext context = new MultiTurnContext();

@Override
public void onHandleAssist(Bundle data, Runnable completionCallback) {
    String text = data.getString("voice_text");
    if (text == null) return;

    if (context.isComplete()) {
        // 执行最终动作
        executeAction();
        context = new MultiTurnContext(); // 重置
    } else {
        // 继续追问
        promptForMissingSlot();
    }
    completionCallback.run();
}

18.6 避坑指南与性能优化

最后，我把这几年做车载语音遇到的坑，列个清单给你：

问题	原因	解决方案
语音唤醒后卡顿	Session 创建耗时	预创建 Session 池，类似 RecyclerView 的缓存
多轮对话丢失上下文	Session 被系统回收	在 onSaveInstanceState 里保存上下文
指令识别不准	语音引擎模型不够	增加车载场景的定制语料训练
误唤醒	环境噪声干扰	加声纹验证 + 信噪比过滤
内存泄漏	Session 未正确释放	在 onDestroy 里释放所有回调引用

嗯，差不多就这些。语音交互这块，说难不难，说简单也不简单。核心就是把握好「用户说什么 → 系统听懂什么 → 车机做什么」这条链路。你只要把每个环节的边界理清楚，代码写起来就顺了。

对了，还有一点：一定要做充分的异常测试。比如用户说一半突然不说了、网络断了、语音引擎超时——这些场景在车上经常发生。我见过最离谱的 bug，是用户打了个喷嚏，系统识别成「打开天窗」……嗯，测试用例里记得加上打喷嚏。

---

公众号:蓝海资料掘金营，微信deep3321