当前位置：首页 > 文章列表 > 文章 > 前端 > HTML语音识别实战，WebSpeechAPI攻略

HTML语音识别实战，WebSpeechAPI攻略

2025-06-05 10:32:37 0浏览收藏

要在网页上实现语音识别功能，最直接的方法是利用浏览器提供的 Web Speech API。首先，需要检查浏览器是否支持该API，主要通过判断window对象中是否存在webkitSpeechRecognition或SpeechRecognition来确认，目前Chrome和Edge浏览器支持较好，而Safari和Firefox的支持有限。其次，初始化语音识别对象并设置参数，如语言、是否连续识别及是否返回中间结果。接着，监听关键事件如onresult获取识别结果、onerror捕获错误及onend监听识别结束。最后，通过绑定按钮点击事件调用start()和stop()方法来启动和停止语音识别，需注意用户权限授予及网络环境对识别准确率的影响。

要让网页支持语音识别，最直接的方式是使用浏览器提供的 Web Speech API。1. 首先检查浏览器是否支持该 API，可通过判断 window 中是否存在 webkitSpeechRecognition 或 SpeechRecognition 对象来确认，目前主流支持的浏览器为 Chrome 和 Edge，Safari 与 Firefox 支持有限；2. 接着初始化语音识别对象，通过 new 创建实例并设置参数，如语言、是否连续识别及是否返回中间结果；3. 然后监听关键事件，包括 onresult 获取识别结果、onerror 捕获错误及 onend 监听识别结束；4. 最后实现启动与停止语音识别功能，通常绑定按钮点击事件调用 start() 与 stop() 方法，并注意用户权限授予与网络环境对识别准确率的影响。

HTML如何实现语音识别？Web Speech API怎么用？

要让网页支持语音识别，最直接的方式是用浏览器提供的 Web Speech API。这个 API 分为两部分：语音识别（SpeechRecognition）和语音合成（SpeechSynthesis）。我们这里重点讲语音识别的部分。

下面我们就一步步来看看怎么用 Web Speech API 来实现 HTML 页面上的语音识别功能。

1. 检查浏览器是否支持 Web Speech API

不是所有浏览器都支持语音识别功能，所以第一步是确认用户使用的浏览器是否兼容。

if ('webkitSpeechRecognition' in window || 'SpeechRecognition' in window) {
    // 支持语音识别
} else {
    console.log('当前浏览器不支持语音识别');
}

目前主流支持的是 Chrome 和 Edge 浏览器，Safari 和 Firefox 的支持情况有限。

2. 初始化语音识别对象

创建一个语音识别的实例，可以这样写：

const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();

然后你可以设置一些参数，比如语言、是否连续识别等：

recognition.lang = 'zh-CN';       // 设置语言为中文
recognition.continuous = false;   // 不持续监听，说一次停一次
recognition.interimResults = false; // 不返回中间结果，只返回最终结果

continuous 控制是否连续识别；
interimResults 决定是否显示中间识别结果（边说边出文字）；

3. 监听语音识别事件

语音识别过程是异步的，你需要绑定几个关键事件来处理结果和状态变化：

recognition.onresult = function(event) {
    const transcript = event.results[0][0].transcript;
    console.log('你说的是：', transcript);
};

recognition.onerror = function(event) {
    console.error('识别出错：', event.error);
};

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

onresult 是获取语音转文字的核心回调；
onerror 可以捕获麦克风权限被拒等问题；
onend 表示识别过程结束，可以在这里重新启动或提示用户操作。

4. 启动和停止语音识别

有了上面的基础之后，就可以让用户点击按钮开始说话了：

<button id="start">开始录音</button>
<button id="stop">停止录音</button>

<script>
document.getElementById('start').onclick = () => {
    recognition.start();
};

document.getElementById('stop').onclick = () => {
    recognition.stop();
};
</script>

注意：有些浏览器在调用 start() 时会弹出请求麦克风权限的提示，如果用户拒绝，后续识别就会失败。