背景

在使用 Vosk 进行中文语音识别时，遇到了一个令人困惑的问题：同样的代码在不同的运行环境下会产生不同的识别结果。更奇怪的是，英文语音识别完全正常，只有中文识别会出现这种情况。

环境信息

• JDK 版本：OpenJDK 17
• Vosk 版本：0.3.45
• 中文模型：vosk-model-cn-0.2
• 框架：Quarkus（后期集成）

问题现象

典型症状

1. 英文语音识别正常：使用英文模型进行语音识别，无论在 IDE 中运行还是命令行运行，结果都是一致的
2. 中文语音识别异常：使用 vosk-model-cn-0.2 模型时，同样的音频文件在不同运行方式下产生不同的识别结果
3. 字节数组差异：即使使用相同的函数和相同的输入，返回的 byte[] 也不相同

代码示例

public class VoskChineseRecognizer {
    
    public byte[] recognizeAudio(byte[] audioData) {
        // 每次都重新创建实例
        VoskModel model = new VoskModel("path/to/vosk-model-cn-0.2");
        VoskRecognizer recognizer = new VoskRecognizer(model, 16000);
        
        // 处理音频数据
        recognizer.acceptWaveForm(audioData, audioData.length);
        String result = recognizer.getResult();
        
        // 清理资源
        recognizer.close();
        model.close();
        
        return result.getBytes();
    }
}

这个看似正常的代码在不同环境下会产生不同的结果。

根本原因分析

JNA（Java Native Access）编码问题

Vosk 是基于 C++ 的 native 库，通过 JNA 与 Java 进行交互。问题的根本原因是：

1. JNA 默认编码不一致：
   • Windows 系统：通常默认 GBK 或系统编码
   • Linux/Mac 系统：通常默认 UTF-8
   • IDE 环境：可能有自己的编码设置
   • 命令行环境：继承系统默认编码
2. 中文字符编码敏感：

   // 同一个中文字符在不同编码下的字节表示
   String chinese = "你好";
   byte[] utf8Bytes = chinese.getBytes(StandardCharsets.UTF_8);
   byte[] gbkBytes = chinese.getBytes("GBK");
   
   System.out.println("UTF-8: " + Arrays.toString(utf8Bytes));   // [-28, -67, -96, -27, -91, -67]
   System.out.println("GBK: " + Arrays.toString(gbkBytes));       // [-60, -29, -70, -61]

3. Native 交互过程：
   • Java 字符串 → JNA 编码转换 → C++ native 库
   • C++ 处理结果 → JNA 编码转换 → Java 字符串
   • 编码不一致导致中文字符在转换过程中损坏或变化

解决方案

核心解决方法

1. 在程序启动时设置 JNA 编码：

static {
    System.setProperty("jna.encoding", "UTF-8");
}

2. 程序运行指定系统变量

-Djna.encoding=UTF-8 -Dfile.encoding=UTF-8