Как реализована запись голоса пользователя

Что проверяют

Знаете ли вы разницу между двумя API записи и ограничения платформы вокруг микрофона: разрешения, фон, хранение файлов. Следом обычно спрашивают, как вести запись дольше, чем открыт экран, и как не потерять её при сворачивании приложения.

Как отвечать

Сначала выбор инструмента:

• MediaRecorder: пишет сразу сжатый файл. Для голоса обычно OutputFormat.MPEG_4 с AudioEncoder.AAC или, начиная с Android 10, OutputFormat.OGG с AudioEncoder.OPUS. С Android 12 создаётся через конструктор с Context;
• AudioRecord: отдаёт сырой PCM. Нужен, когда звук обрабатывается на лету: распознавание речи, визуализация громкости, свой кодек. Буфер читают в цикле на отдельном потоке или в корутине на Dispatchers.IO, пока запись не остановлена.

Дальше обвязка:

• разрешение: RECORD_AUDIO относится к опасным, его запрашивают в рантайме через ActivityResultContracts.RequestPermission и обрабатывают отказ;
• фон: с Android 9 приложение в фоне получает от микрофона тишину. Долгая запись идёт в foreground service с foregroundServiceType="microphone", а с Android 14 ещё и с разрешением FOREGROUND_SERVICE_MICROPHONE;
• хранение: пишите в filesDir или cacheDir, разрешение на хранилище для этого не нужно;
• параметры: 44100 Гц единственная частота, которую документация гарантирует на всех устройствах, для распознавания речи часто берут 16 кГц моно. Источник AudioSource.VOICE_RECOGNITION отключает часть обработки сигнала, NoiseSuppressor её добавляет;
• ресурсы: stop() и release() в finally или по жизненному циклу, иначе микрофон останется занят для других приложений.

С Android 12 пользователь может выключить микрофон системным переключателем, и приложение должно это пережить.

Где спотыкаются

Читают из AudioRecord один буфер и считают, что записали голос. Это несколько десятков миллисекунд, нужен цикл до остановки.

Сохраняют сырой PCM с расширением .wav. У PCM нет заголовка, плеер его не откроет, пока вы не допишете WAV-заголовок.

Запускают запись из Activity и теряют её при сворачивании, потому что не знают про ограничение фона и тип сервиса microphone.