Web Speech

优质
小牛编辑
157浏览
2023-12-01
  • 概述
  • SpeechRecognition对象
  • 事件
  • 参考链接
  • 概述

    这个API用于浏览器接收语音输入。

    它最早是由Google提出的,目的是让用户直接进行语音搜索,即对着麦克风说出你所要搜索的词,搜索结果就自动出现。Google首先部署的是input元素的speech属性(加上浏览器前缀x-webkit)。

    <input id="query" type="search" class="k-input k-textbox" 
     x-webkit-speech speech />

    加上这个属性以后,输入框的右端会出现了一个麦克风标志,点击该标志,就会跳出语音输入窗口。

    由于这个操作过于简单,Google又在它的基础上提出了Web Speech API,使得JavaScript可以操作语音输入。

    目前,只有Chrome浏览器支持该API。

    SpeechRecognition对象

    这个API部署在SpeechRecognition对象之上。

    var SpeechRecognition = window.SpeechRecognition || 
                            window.webkitSpeechRecognition || 
                            window.mozSpeechRecognition || 
                            window.oSpeechRecognition || 
                            window.msSpeechRecognition;

    为了将来的兼容性考虑,上面的代码列出了所有浏览器的前缀。但是实际上,目前只有window.webkitSpeechRecognition是可用的。

    确定浏览器支持以后,新建一个SpeechRecognition的实例对象。

    if (SpeechRecognition) {       
      var recognition = new SpeechRecognition();
      recognition.maxAlternatives = 5;
    }

    maxAlternatives属性等于5,表示最多返回5个语音匹配结果。

    事件

    目前,该API部署了11个事件。下面对其中的3个定义回调函数(假定speak是语音输入框)。

    var speak = $('#speak');
    
    recognition.onaudiostart = function() {
      speak.val("Speak now...");
    };
    
    recognition.onnomatch = function() {
      speak.val("Try again please...");
    };
    
    recognition.onerror = function() {
      speak.val("Error. Try Again...");
    };

    首先,浏览器会询问用户是否许可浏览器获取麦克风数据。如果用户许可,就会触发audiostart事件,准备接收语音输入。如果找不到与语音匹配的值,就会触发nomatch事件;如果发生错误,则会触发error事件。

    如果得到与语音匹配的值,则会触发result事件。

    recognition.onresult = function(event) { 
    
      if (event.results.length > 0) { 
    
        var results = event.results[0], 
            topResult = results[0];    if (topResult.confidence > 0.5) {
          speechSearch(results, topResult);
        } else {
          speak.val("Try again please...");
        }
      }
    };

    result事件回调函数的参数,是一个SpeechRecognitionEvent对象。它的results属性就是语音匹配的结果,是一个数组,按照匹配度排序,最匹配的结果排在第一位。该数组的每一个成员是SpeechRecognitionResult对象,该对象的transcript属性是实际匹配的文本,confidence属性是可信度(在0与1之间)。

    参考链接