浏览器内置语音识别功能Web Speech API - SpeechRecognition

中文语音识别技术在近年来取得了显著的进步,广泛应用于各种场景,如智能助手、客户服务、语音输入等。在Web开发中,可以利用Web Speech API来实现中文语音识别功能。以下是实现中文语音识别的一些基本步骤和注意事项。

Web Speech API - SpeechRecognition

Web Speech API 提供了一个名为 SpeechRecognition 的接口,它允许网站或应用捕获用户的语音输入并将其转换成文本。这个API支持多种语言,包括中文。

基本用法
  1. 初始化 SpeechRecognition 对象

    javascript 复制代码
    const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();

    这里使用了 SpeechRecognition 或者 webkitSpeechRecognition,因为某些浏览器(如Chrome)可能需要前缀。

  2. 配置识别器

    • 设置语言为中文(简体):

      javascript 复制代码
      recognition.lang = 'zh-CN';
    • 可以设置是否连续识别:

      javascript 复制代码
      recognition.continuous = true; // 是否持续监听
      recognition.interimResults = true; // 是否显示临时结果
  3. 监听事件

    • 当识别到结果时触发 result 事件:

      javascript 复制代码
      recognition.onresult = function(event) {
        const last = event.results.length - 1;
        const text = event.results[last][0].transcript;
        console.log('识别到的文本:', text);
      };
    • 监听开始、结束和错误事件:

      javascript 复制代码
      recognition.onstart = function() {
        console.log('语音识别已启动');
      };
      
      recognition.onend = function() {
        console.log('语音识别已结束');
      };
      
      recognition.onerror = function(event) {
        console.error('语音识别错误:', event.error);
      };
  4. 开始识别

    javascript 复制代码
    recognition.start();
  5. 停止识别

    如果需要手动停止识别,可以调用 stop 方法:

    javascript 复制代码
    recognition.stop();
注意事项
  • 浏览器兼容性:Web Speech API 尚未被所有浏览器完全支持。在使用之前,请检查目标浏览器的支持情况。目前,Chrome 和 Edge 浏览器对 Web Speech API 的支持较好。
  • 权限:使用语音识别功能时,浏览器会请求用户授权访问麦克风。用户必须授予权限后,语音识别才能正常工作。
  • 隐私保护:处理语音数据时,请确保遵守相关法律法规,尊重用户隐私,不要未经用户同意收集或使用个人数据。
  • 性能与准确性:语音识别的准确性和性能受多种因素影响,包括环境噪音、口音、说话速度等。在实际应用中,可能需要进行一定的优化和调试。

示例代码

以下是一个简单的示例代码,演示如何使用 Web Speech API 实现中文语音识别:

html 复制代码
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>中文语音识别示例</title>
</head>
<body>
<button id="start">开始识别</button>
<button id="stop">停止识别</button>
<p id="output"></p>

<script>
const startButton = document.getElementById('start');
const stopButton = document.getElementById('stop');
const output = document.getElementById('output');

const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
recognition.lang = 'zh-CN';

recognition.onresult = function(event) {
  const last = event.results.length - 1;
  const text = event.results[last][0].transcript;
  output.textContent += text + ' ';
};

recognition.onstart = function() {
  console.log('语音识别已启动');
};

recognition.onend = function() {
  console.log('语音识别已结束');
};

recognition.onerror = function(event) {
  console.error('语音识别错误:', event.error);
};

startButton.addEventListener('click', () => {
  recognition.start();
});

stopButton.addEventListener('click', () => {
  recognition.stop();
});
</script>
</body>
</html>

这个示例页面包含两个按钮,分别用于开始和停止语音识别,以及一个段落元素用于显示识别到的文本。

相关推荐
米饭是菜qy6 小时前
深度学习Transformer详细介绍
人工智能·深度学习·transformer
eric-sjq6 小时前
小思框架 · 30M 级长上下文新架构对比技术报告
人工智能·python·深度学习·语言模型
Kari117 小时前
Dify vs Coze开源版:企业级AI应用平台对比
人工智能·开源
AI视频工具指南7 小时前
AI视频的声音和画面怎么配合?先分清谁在传递信息
人工智能·aigc·音视频
云析赢指标公式网47 小时前
指标开发笔记|主图搭配双副图成套指标逻辑拆解
人工智能·笔记
奈落247 小时前
连错一个端口,Agent就“看不见”工具:从 n8n 的8种AI连接类型到 Dify 的插件审批复用,平台设计里的“隐形接线规则”怎么读
人工智能·agent·ai 编程
这是谁的博客?7 小时前
AI 加速器 RTL 数字系统设计深度解析:从 MAC 阵列 Verilog 实现到时序收敛与时钟功耗的芯片落地全链路
人工智能·macos·ai·verilog·数字ic设计·ai芯片·rtl
无所畏俱的老尹7 小时前
OpenAI 等支持 robots.txt 共享 AI 训练偏好信号:policy token 一次声明多厂商,落地仍待实现
人工智能·深度学习·机器学习·aigc
zhangfeng11337 小时前
用世界模型做AI制药:扰动之心发布虚拟细胞推演模型AlphaCell 1.0 Pr
人工智能·ai药物
溪语流沙7 小时前
【每天一个CSS | Day41】开关三连:一套状态机,三种视觉翻译
前端·css·html5·每日一练·按钮