JavaScript如何实现语音识别_怎样将语音转为文本

JavaScript可通过Web Speech API的SpeechRecognition接口实现前端语音转文本，主要支持Chrome和Edge，需HTTPS环境及用户授权麦克风权限；不支持时可降级为后端ASR服务。

JavaScript 本身不直接提供语音识别能力，但可以通过浏览器内置的 Web Speech API（特别是 SpeechRecognition 接口）实现语音转文本功能。目前该 API 主要在 Chrome 和 Edge（基于 Chromium）中稳定支持，Firefox、Safari 尚未全面支持或仅提供实验性支持。

使用 Web Speech API 实现语音识别

这是当前最主流、无需后端即可在前端完成语音转文本的方式。需注意：必须在 HTTPS 环境下运行（本地 localhost 也允许），且用户需主动授权麦克风权限。

• 创建识别实例：const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
• 设置关键选项：recognition.continuous = false;（单次识别），recognition.lang = 'zh-CN';（中文识别）
• 监听结果事件：recognition.onresult = (event) => { const text = event.results[0][0].transcript; console.log(text); };
• 启动识别：recognition.start();（会触发用户授权弹窗）

处理兼容性与降级方案

由于 SpeechRecognition 并非所有浏览器都支持，实际项目中需做检测和提示：

• 判断是否可用：if ('webkitSpeechRecognition' in window || 'SpeechRecognition' in window)
• 对不支持的浏览器（如 Safari），可显示提示：“当前浏览器暂不支持语音识别，请使用 Chrome 或 Edge”
• 若需全平台支持，可考虑将音频通过 MediaRecorder 录制后上传至后端语音识别服务（如阿里云 ASR、腾讯云语音识别、Whisper API）

常见问题与注意事项

实际使用中容易遇到几个典型问题：

• 自动停止：默认识别到静音约 5 秒后自动结束。可通过 recognition.interimResults = true; 启用实时中间结果，并在 onresult 中区分 event.results[i].isFinal
• 中文识别不准：确保设 recognition.lang = 'zh-CN'；避免背景噪音；语速适中、吐字清晰效果更佳
• 隐私提示：浏览器会在麦克风启用时显示图标，页面应明确告知用户“正在使用麦克风进行语音输入”
• 移动端限制：部分 Android Chrome 版本可能要求用户长按说话按钮（需配合 UI 控制 start()/stop()）

简单可用的代码示例

以下是一个最小可运行片段（保存为 HTML，在 Chrome 中打开即可测试）：

点击说话