Web Speech API

Khái niệm và cách sử dụng bài phát biểu trên web

Web Speech API cho phép các ứng dụng web xử lý dữ liệu giọng nói. Nó có hai thành phần:

Tính năng nhận dạng giọng nói được truy cập thông qua giao diện SpeechRecognition, cung cấp khả năng nhận dạng ngữ cảnh giọng nói từ nguồn âm thanh và cho phép ứng dụng của bạn phản hồi phù hợp. Nói chung, bạn sử dụng hàm tạo của giao diện để tạo một đối tượng SpeechRecognition mới. Đối tượng này cung cấp một số trình xử lý sự kiện để phát hiện khi có giọng nói đến từ micrô của thiết bị (hoặc từ rãnh âm thanh). Bạn có thể chỉ định xem bạn muốn nhận dạng giọng nói sử dụng dịch vụ được cung cấp bởi nền tảng của người dùng (mặc định) hay được thực hiện cục bộ trong trình duyệt.
Việc tổng hợp giọng nói được truy cập thông qua giao diện SpeechSynthesis, một thành phần chuyển văn bản thành giọng nói cho phép các chương trình đọc nội dung văn bản của chúng (thông thường thông qua bộ tổng hợp giọng nói mặc định của thiết bị.) Các loại giọng nói khác nhau được thể hiện bằng các đối tượng SpeechSynthesisVoice và các phần khác nhau của văn bản mà bạn muốn được nói sẽ được thể hiện bằng các đối tượng SpeechSynthesisUtterance. Bạn có thể đọc những điều này bằng cách chuyển chúng tới phương thức SpeechSynthesis.speak().

Để biết thêm chi tiết về cách sử dụng các tính năng này, hãy xem Sử dụng Web Speech API.

Web Speech API Giao diện

Nhận dạng giọng nói

SpeechRecognition: Giao diện điều khiển cho dịch vụ nhận dạng; việc này cũng xử lý SpeechRecognitionEvent được gửi từ dịch vụ nhận dạng.
SpeechRecognitionAlternative: Đại diện cho một từ duy nhất đã được dịch vụ nhận dạng giọng nói nhận dạng.
SpeechRecognitionErrorEvent: Thể hiện các thông báo lỗi từ dịch vụ nhận dạng.
SpeechRecognitionEvent: Đối tượng sự kiện cho các sự kiện result và nomatch và chứa tất cả dữ liệu liên quan đến kết quả nhận dạng giọng nói tạm thời hoặc cuối cùng.
SpeechRecognitionPhrase: Biểu thị một cụm từ có thể được chuyển vào công cụ nhận dạng giọng nói để sử dụng cho xu hướng theo ngữ cảnh.
SpeechRecognitionResult: Biểu thị một kết quả nhận dạng phù hợp duy nhất, có thể chứa nhiều đối tượng SpeechRecognitionAlternative.
SpeechRecognitionResultList: Đại diện cho một danh sách các đối tượng SpeechRecognitionResult, hoặc một đối tượng duy nhất nếu kết quả được ghi lại ở chế độ continuous.

Tổng hợp giọng nói

SpeechSynthesis: Giao diện điều khiển cho dịch vụ thoại; điều này có thể được sử dụng để truy xuất thông tin về giọng nói tổng hợp có sẵn trên thiết bị, bắt đầu và tạm dừng giọng nói cũng như các lệnh khác.
SpeechSynthesisErrorEvent: Chứa thông tin về bất kỳ lỗi nào xảy ra trong khi xử lý các đối tượng SpeechSynthesisUtterance trong dịch vụ giọng nói.
SpeechSynthesisEvent: Chứa thông tin về trạng thái hiện tại của các đối tượng SpeechSynthesisUtterance đã được xử lý trong dịch vụ giọng nói.
SpeechSynthesisUtterance: Thể hiện yêu cầu phát biểu. Nó chứa nội dung mà dịch vụ giọng nói nên đọc và thông tin về cách đọc nội dung đó (ví dụ: ngôn ngữ, cao độ và âm lượng.)
SpeechSynthesisVoice: Thể hiện giọng nói mà hệ thống hỗ trợ. Mỗi SpeechSynthesisVoice có dịch vụ giọng nói tương ứng riêng bao gồm thông tin về ngôn ngữ, tên và URI.
Window.speechSynthesis: Được chỉ định như một phần của giao diện [NoInterfaceObject] có tên là SpeechSynthesisGetter, và được triển khai bởi đối tượng Window, thuộc tính speechSynthesis cung cấp quyền truy cập vào bộ điều khiển SpeechSynthesis và do đó là điểm khởi đầu cho chức năng tổng hợp giọng nói.

Khái niệm ngữ pháp đã bị loại bỏ khỏi Web Speech API. Các tính năng liên quan vẫn còn trong thông số kỹ thuật và vẫn được các trình duyệt hỗ trợ công nhận về khả năng tương thích ngược nhưng chúng không ảnh hưởng đến các dịch vụ nhận dạng giọng nói.

SpeechGrammar Deprecated: Biểu thị các từ hoặc mẫu từ để dịch vụ nhận dạng nhận dạng.
SpeechGrammarList Deprecated: Đại diện cho danh sách các đối tượng SpeechGrammar.

Lỗi

Để biết thông tin về các lỗi được báo cáo bởi Speech API (ví dụ: "language-not-supported" và "language-unavailable"), hãy xem tài liệu sau:

Cân nhắc về bảo mật

Việc truy cập vào chức năng nhận dạng giọng nói trên thiết bị của Web Speech API được kiểm soát bởi chỉ thị on-device-speech-recognition Permissions-Policy.

Cụ thể, khi một chính sách được xác định chặn việc sử dụng, mọi cố gắng gọi các phương thức SpeechRecognition.available() hoặc SpeechRecognition.install() của API sẽ thất bại.