JavaScript语音识别与合成技术详解
本文深入解析了JavaScript如何利用Web Speech API实现语音识别与合成两大核心能力:通过SpeechRecognition(或webkitSpeechRecognition)将用户语音实时转为文本,需HTTPS安全环境及麦克风授权;借助SpeechSynthesis将文本自然朗读出来,支持语速、音调、音量及多语言声音定制。二者结合可快速构建语音助手、无障碍阅读、语音输入等实用功能,虽语音识别在Firefox和Safari中兼容性受限,但语音合成已获主流浏览器广泛支持,为前端语音交互提供了轻量、高效且无需后端依赖的原生解决方案。

JavaScript 实现语音识别与语音合成,主要依赖浏览器提供的 Web APIs。目前主流支持的是 Web Speech API,它包含两个核心部分:SpeechRecognition(语音识别)和 SpeechSynthesis(语音合成)。下面分别介绍它们的使用方法和注意事项。
语音识别(SpeechRecognition)
语音识别功能允许用户通过说话将语音转换为文本。该功能依赖于 SpeechRecognition 或其前缀版本 webkitSpeechRecognition,因为目前大多数浏览器仅支持带前缀的实现。
基本用法:
- 创建识别实例,并设置相关参数
- 监听识别结果事件
- 启动识别
const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
recognition.lang = 'zh-CN'; // 设置语言
recognition.interimResults = false; // 是否返回中间结果
recognition.continuous = false; // 是否持续监听
recognition.onresult = function(event) {
const transcript = event.results[0][0].transcript;
console.log('识别结果:', transcript);
};
recognition.onerror = function(event) {
console.error('识别出错:', event.error);
};
// 开始识别
recognition.start();
注意:语音识别需要在安全上下文中运行(即 HTTPS 或 localhost),且用户需授权麦克风权限。某些浏览器(如 Chrome)可能将此功能限制为仅在用户交互后调用(例如点击按钮触发 start())。
语音合成(SpeechSynthesis)
语音合成功能可将文本转换为语音朗读出来,使用的是 window.speechSynthesis 接口,兼容性较好。
基本用法:
- 创建一个 SpeechSynthesisUtterance 实例
- 设置语音参数(如语速、音调、语言、声音等)
- 调用 speechSynthesis.speak() 播放
const utterance = new SpeechSynthesisUtterance('你好,这是语音合成示例');
utterance.lang = 'zh-CN';
utteraence.rate = 1; // 语速,0.1 到 10
utterance.pitch = 1; // 音调,0 到 2
utterance.volume = 1; // 音量,0 到 1
// 可选:选择特定声音
const voices = window.speechSynthesis.getVoices();
if (voices.length > 0) {
utterance.voice = voices[0];
}
window.speechSynthesis.speak(utterance);
提示:在页面加载初期,getVoices() 可能返回空数组,建议延迟获取或监听 voiceschanged 事件。
speechSynthesis.onvoiceschanged = function() {
const voices = speechSynthesis.getVoices();
console.log('可用声音:', voices);
};
实际应用场景
结合语音识别与合成,可以构建简单的语音助手、语音输入表单、无障碍阅读等功能。
- 用户说话 → 识别成文本 → 系统处理 → 合成语音回复
- 网页内容高亮朗读(点击段落自动播放)
- 语音控制界面操作(如“打开菜单”、“搜索XX”)
这类功能适合教育、辅助工具、智能客服等场景,但需考虑环境噪音、口音识别准确率等问题。
兼容性与限制
目前 Web Speech API 的支持情况如下:
- 语音识别:Chrome、Edge 支持较好;Firefox、Safari 不支持或需手动开启
- 语音合成:现代浏览器普遍支持,包括移动端
不支持的浏览器可通过第三方服务(如 Google Cloud Speech-to-Text / Text-to-Speech)配合后端中转实现,但会增加复杂度和成本。
基本上就这些。只要掌握 SpeechRecognition 和 SpeechSynthesis 的基本用法,就能在项目中快速集成语音交互能力。注意权限、安全性与用户体验即可。
今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~
要匹配被非数字、非空格包围的数字,可以使用正则表达式中的否定型预查(negativelookbehind)和否定型后查(negativelookahead)。正则表达式示例:(?<![0-9\s])\d+(?![0-9\s])解释:(?<![0-9\s]):否定型前视,表示前面不能是数字或空格。\d+:匹配一个或多个数字。(?![0-9\s]):否定型后视,表示后面不能是数字或空格。示
- 上一篇
- 要匹配被非数字、非空格包围的数字,可以使用正则表达式中的否定型预查(negativelookbehind)和否定型后查(negativelookahead)。正则表达式示例:(?<![0-9\s])\d+(?![0-9\s])解释:(?<![0-9\s]):否定型前视,表示前面不能是数字或空格。\d+:匹配一个或多个数字。(?![0-9\s]):否定型后视,表示后面不能是数字或空格。示
- 下一篇
- 植物补光技巧:灯镜搭配实用指南
-
- 文章 · 前端 | 15小时前 | 前端 · CSS 容器查询 响应式组件 container-type @container
- CSS 容器查询怎样让组件按自身宽度响应
- 218浏览 收藏
-
- 文章 · 前端 | 16小时前 |
- DOMPoint.matrixTransform 怎样把点坐标应用到变换矩阵
- 378浏览 收藏
-
- 文章 · 前端 | 16小时前 | 前端 · javascript · navigator.share Web Share API canShare
- Web Share API 怎样判断分享能力并安全降级
- 340浏览 收藏
-
- 文章 · 前端 | 16小时前 | 前端 · javascript · count IndexedDB 前端存储 IDBObjectStore.getAll IDBKeyRange
- IndexedDB getAll 怎样限制查询数量并保留键范围
- 178浏览 收藏
-
- 文章 · 前端 | 16小时前 | 前端 · websocket · javascript · 浏览器API · websocket blob ArrayBuffer binaryType event.data
- WebSocket binaryType 怎样决定二进制消息的返回类型
- 221浏览 收藏
-
- 文章 · 前端 | 16小时前 |
- Web Worker 怎样把 Worker 侧错误反馈给主线程
- 149浏览 收藏
-
- 文章 · 前端 | 16小时前 | 前端 · javascript · 浏览器API · Canvas ResizeObserver devicePixelContentBoxSize device-pixel-content-box
- ResizeObserver 怎样读取 devicePixelContentBoxSize
- 181浏览 收藏
-
- 文章 · 前端 | 16小时前 | 性能优化 · javascript · 前端开发 · root IntersectionObserver rootMargin threshold 前端可见性 rootBounds scrollMargin
- IntersectionObserver 的 rootMargin 百分比是相对哪个容器计算
- 469浏览 收藏
-
- 文章 · 前端 | 16小时前 | 前端 · javascript · css · CSS Typed OM CSSStyleValue parseAll
- CSSStyleValue.parseAll 怎样解析一个属性的多个值
- 456浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1076次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1078次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1238次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1182次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1026次使用
-
- JavaScript函数定义及示例详解
- 2025-05-11 502浏览
-
- 智能体安全引领产业升级——国内AI安全产品市场深度分析
- 2026-08-21 501浏览
-
- CSS变量简化按钮悬停效果技巧
- 2026-05-31 501浏览
-
- JavaScript符号类型详解与应用
- 2026-05-31 501浏览
-
- HTML剪贴板复制粘贴怎么用
- 2026-05-26 501浏览

