前言
大模型之外，工程团队更常用的是"成熟、稳定、可控"的端侧 AI 能力。Google ML Kit 提供了一系列以 SDK 形式提供的视觉与文本模型——人脸检测、文本识别、姿势识别、条形码、自拍分割、翻译等。本篇拆解 ML Kit 在 Android 工程中的实战用法、限制与替代方案。
一、ML Kit 是什么
ML Kit 是一组现成可用的端侧 AI 推理 API，分为两大类：
推荐使用 Unbundled（更小、模型自动更新），除非你的 App 必须完全离线。
二、ML Kit 能干啥（截至 2026 年）
其中 OCR 和翻译是国内 App 最常用的两个。
三、接入示例：OCR 识别
// build.gradle.kts
implementation("com.google.mlkit:text-recognition-chinese:16.0.1")
implementation("com.google.mlkit:text-recognition:16.0.0") // Latin
val recognizer = TextRecognition.getClient(ChineseTextRecognizerOptions.Builder().build())
// 处理 Bitmap
val image = InputImage.fromBitmap(bitmap, rotation)
recognizer.process(image)
.addOnSuccessListener { result ->
result.textBlocks.forEach { block ->
block.lines.forEach { line ->
Log.d("OCR", "Line: ${line.text}")
line.elements.forEach { elem ->
Log.d("OCR", " ${elem.text} (${elem.boundingBox})")
}
}
}
}
.addOnFailureListener { e ->
Log.e("OCR", "Failed", e)
}
返回的结构化数据可以直接做内容提取，比如：
fun extractReceiptInfo(text: Text): ReceiptData? {
val totalLine = text.text.split("\n").find {
it.contains("合计") || it.contains("应付")
} ?: return null
val amount = Regex("[¥￥]?\\d+\\.\\d{2}").find(totalLine)
?.groupValues?.firstOrNull()
?.replace(Regex("[¥￥]"), "")
return ReceiptData(amount = amount?.toDoubleOrNull() ?: 0.0)
}
四、CameraX + ML Kit：实时识别
implementation("androidx.camera:camera-camera2:1.3.4")
implementation("androidx.camera:camera-lifecycle:1.3.4")
implementation("androidx.camera:camera-view:1.3.4")
实时扫描条形码：
val previewView = findViewById<PreviewView>(R.id.preview)
val cameraProvider = ProcessCameraProvider.getInstance(this).get()
val preview = Preview.Builder().build().also {
it.setSurfaceProvider(previewView.surfaceProvider)
}
val analysis = ImageAnalysis.Builder()
.setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST)
.build()
val barcodeScanner = BarcodeScanning.getClient()
analysis.setAnalyzer(executor) { imageProxy ->
val mediaImage = imageProxy.image ?: return@setAnalyzer imageProxy.close()
val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
barcodeScanner.process(image)
.addOnSuccessListener { barcodes ->
barcodes.firstOrNull()?.let {
onBarcodeDetected(it.rawValue ?: "")
}
}
.addOnCompleteListener { imageProxy.close() }
}
cameraProvider.bindToLifecycle(this, CameraSelector.DEFAULT_BACK_CAMERA, preview, analysis)
注意：相机权限要在 Manifest 里加 CAMERA，运行时还要动态申请。
五、ML Kit 的运行模型
5.1 模型加载与内存
应用首次调用时延迟较高，后续调用是常驻内存。建议模块化按需加载。
5.2 多能力并行
多个 ML Kit 能力同时开也没问题，但 RAM 占用叠加：
按需开启、不用即关。
六、ML Kit vs 自训练模型
垂直场景（医学影像、工业检测、特定文档）必须自训练；通用场景 OCR / 翻译 / 人脸，ML Kit 已够用。
七、ML Kit vs 端侧 LLM
经验：能 ML Kit 的就用 ML Kit，必须语义理解才上 LLM。
八、ML Kit 在国内合规
Google Play 服务在国内无法自动下载 unbundled 模型
替代方案 1：用 Bundled 模式（模型打 APK 里）
替代方案 2：用华为 ML Kit 或百度 AI 替代
替代方案 3：自训练 ONNX 模型
下面给一个 ML Kit 国内替代方案对照：
如果做 ToB 项目、对数据出端敏感，建议用自训练或国内厂商版本。
九、ML Kit 性能调优清单
设置 BackpressureStrategy：实时分析用
STRATEGY_KEEP_ONLY_LATEST，避免积压限制 ImageProxy 输入：
setOutputImageFormat选RGBA_8888或YUV_420，避免 RGB 转换浪费关闭不必要的 Feature：不在前台时停用 Recognizer
降帧率：低光场景拉低 FPS，减少 CPU 占用
前置处理：把图片转灰度或裁剪到 ROI（Region of Interest），减少推理量
十、未来一年的演进
多模态统一 API：Google 推 GenAI Service，可能整合 ML Kit + Gemini Nano
NPU 优化：ML Kit 在 NPU 加速方面正在跟进，落地后会更快、更省电
隐私沙盒：模型 On-Device，证书校验一次后独立运行，未来会更普及
跨端 SDK：Watch / Tablet / 车机的统一入口
小结
ML Kit 是 Android 端 AI 工程的"快进键"。绝大多数场景不需要自训练或端侧 LLM——用 ML Kit 几个 API 就能完成。优先用 OCR / 条形码 / 翻译这几个高频能力。需要中文本地化或垂直场景再考虑国内 SDK。
下一篇进入 CameraX + AI 的实战，看 Google ML Kit 与视觉模型怎么深度集成，覆盖拍照、智能裁剪、内容审核。
参考阅读
Google ML Kit 官方文档
Android Developers：CameraX + ML Kit 教程
华为 ML Kit / 百度 AI SDK 文档