mica-voice 1.0.2 发布：Java 生态的声音 AI 全家桶，一行代码接入 ASR / TTS / 声纹 / VAD / 说话人分离 / KWS / 降噪

一、项目简介

mica-voice 是一款基于 mica-sherpa-onnx（已发布 Maven Central 的 sherpa-onnx 全平台 fat jar）的 Java 声音 AI 全家桶，统一封装 ASR（语音识别）/ TTS（语音合成）/ 声纹识别 / VAD（语音活动检测）/ 说话人分离 / 关键词唤醒 KWS / 音频降噪 7 大能力，提供纯 Java 门面、Spring Boot Starter、Solon Plugin 与配套示例工程，兼容 JDK 8 / 17 / 21 / 25，模型按需下载、即开即用。Apache2.0 开源协议。

二、本次更新：v1.0.2（2026-09-03）

新功能

• 流式 TTS 接入实战：mica-voice-example-spring-web 新增流式 TTS WebSocket 示例，前端订阅 /mica/voice/ws/streaming-tts，服务端按 100ms 切片推送 PCM，配合 callback-sample-step 实现边合成边播放，降低首字延迟。
  构建 / 依赖

• 底层 native 依赖 mica-sherpa-onnx 升级至 1.13.7，同步修复若干 JNI 兼容性问题。

三、历史更新

v1.0.1（2026-08-21）

新功能

• mica-voice-core 新增窗口移动比例（window-shift-ratio）配置，集成到说话人分离服务，提升音频窗口滑动灵活性。

• 补充各 Service Bean 与配置类的 JavaDoc 注释，IDE 提示与可维护性更友好。
  问题修复

• 关键词唤醒 KWS：优化关键词识别结果处理逻辑，避免空结果或异常输出（感谢社区 @yaochao 反馈，Gitee Issue #IK9TAJ）。

• 关键词唤醒 KWS：修正 KWS 模型目录名为 sherpa-onnx-kws-zipformer-wenetspeech-3.3M-2024-01-01，与 sherpa-onnx 官方命名对齐。
  文档

• 重写主 README，优化 mica-voice-examples 子模块描述，删除 starter 自动装配类的重复说明。
  构建 / 依赖

• 底层 native 依赖 mica-sherpa-onnx 升级至 1.13.6。

v1.0.0（2026-08-15）首发

• mica-voice-core 核心 SDK：统一的语音 AI 门面 MicaVoice，一行调用即可获取离线 ASR、在线流式 ASR、TTS、声纹、VAD、说话人分离、KWS、音频降噪等服务（均实现 AutoCloseable）。

• 离线 ASR：支持 Paraformer / SenseVoice / Whisper / Moonshine / Zipformer / NeMo CTC 等模型家族；SenseVoice 支持中 / 英 / 日 / 韩 / 粤多语言识别与逆文本规范化（数字、标点还原）。

• 在线流式 ASR：支持 Streaming Paraformer 与 X-ASR（Zipformer Transducer，960ms 分块），可配置端点检测规则（句尾静音自动结束）。

• 语音合成 TTS：基于 VITS，支持多说话人模型与中英混合模型（vits-melo-tts-zh_en）。

• 声纹识别：注册 / 验证 / 搜索，支持 3D-Speaker / eres2net 等嵌入模型，相似度阈值可调。

• 说话人分离 + 转写组合服务：自动输出"谁在什么时间说了什么"。

• mica-voice-spring-boot-starter：mica.voice.* 配置开箱即用，自动装配 9 个 Service Bean（OfflineAsrService / OnlineAsrService / TtsService / SpeakerService / VadService / DiarizationService / KwsService / DenoiseService / OfflineDiarizationTranscribeService），应用关闭时统一释放 native 资源。

• mica-voice-solon-plugin：与 Spring Boot 完全相同的配置树，一行接入 Solon 应用（JDK 8 ~ 26）。

• mica-voice-examples 集成示例：纯 Java 控制台、Spring Boot Web（REST + 浏览器麦克风 → WebSocket 流式 ASR）、Solon Web。

• 模型下载脚本：覆盖 Linux / macOS / Windows，多段并行下载 + Range 断点续传。

• 基于 mica-sherpa-onnx 1.13.5（全平台 native fat jar），兼容 JDK 8 / 17 / 21 / 25。

四、模块结构

五、30 秒上手

Maven 依赖

    net.dreamlu
    mica-voice-core
    1.0.2

Spring Boot 项目换成 mica-voice-spring-boot-starter，Solon 项目换成 mica-voice-solon-plugin，版本一致。

一行 ASR

MicaVoiceConfig props = MicaVoiceConfig.builder().modelsDir("models").threads(2).build();
AsrConfig config = AsrConfig.builder()
    .modelDirName("sherpa-onnx-paraformer-zh-small-2024-03-09")
    .modelType(AsrConfig.ModelType.PARAFORMER)
    .build();
try (AsrService svc = MicaVoice.asr(props, config)) {
    System.out.println(svc.recognize(new File("test.wav")).getText());
}

Spring Boot 注入

mica:
  voice:
    asr:
      offline:
        model-dir-name: sherpa-onnx-paraformer-zh-small-2024-03-09
        model-type: PARAFORMER

@RestController
public class AsrController {
    private final OfflineAsrService offlineAsrService;
    public AsrController(OfflineAsrService offlineAsrService) {
        this.offlineAsrService = offlineAsrService;
    }
    @PostMapping("/asr")
    public String asr(@RequestParam("file") MultipartFile file) throws IOException {
        File tmp = File.createTempFile("asr", ".wav");
        file.transferTo(tmp);
        try { return offlineAsrService.recognize(tmp).getText(); }
        finally { tmp.delete(); }
    }
}

六、模型准备

模型不随 jar 分发（体积大），按需下载到 models/ 目录（也可用 -Dmica.voice.models-dir=E:/.../models 指定绝对路径）：

# Linux / macOS
bash models/scripts/download-models.sh asr          # 按需换 tts / speaker / asr-online / x-asr / all
bash models/scripts/parallel-download.sh all        # 并行下载，适合全量时加速
# Windows
models\scripts\download-models.bat asr              # CMD
powershell -ExecutionPolicy Bypass -File models\scripts\download-models.ps1 asr   # PowerShell

• 模型也上传到了夸克网盘： https://pan.quark.cn/s/d2da0116a472?pwd=kc5e 提取码：kc5e