Web Speech API的SpeechRecognition接口支持浏览器端语音转文本，需HTTPS环境和麦克风授权，仅Chrome/Edge稳定支持；通过start()/stop()控制识别，监听onresult等事件获取结果，中文识别受限于口音噪音且不支持离线优化。
JavaScript语音识别API主要指浏览器原生支持的 Web Speech API 中的 SpeechRecognition 接口（现多为 webkitSpeechRecognition），它能在用户授权后，实时将麦克风输入的语音流转换为文本。注意：该API目前仅在较新版本的 Chrome、Edge（基于Chromium）中稳定可用，Firefox、Safari暂不支持。
如何启用语音识别功能
需满足两个前提：页面通过 HTTPS（或 localhost）加载；用户已授予权限访问麦克风。
- 检测浏览器兼容性：检查
window.SpeechRecognition或window.webkitSpeechRecognition是否存在 - 创建识别实例：
const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)(); - 设置基本参数：如
recognition.continuous = false（单次识别）、recognition.lang = 'zh-CN'（中文识别）
监听关键事件并获取识别结果
语音识别是异步过程，需通过事件回调处理结果：
-
onresult：识别成功时触发，event.results[0][0].transcript即为识别出的文本 -
onstart：麦克风开始收音 -
onend：识别结束（可能因超时、静音或用户停止而触发） -
onerror：发生错误时（如无权限、网络问题），可提示用户重试
启动与停止识别的常用操作
不能自动持续监听，需由用户显式触发：
立即学习“Java免费学习笔记（深入）”；
- 调用
recognition.start()开始监听（会弹出麦克风权限请求） - 调用
recognition.stop()强制终止，立即触发onend和onresult（如有结果） - 建议加按钮控制，例如：“点击说话” → start()，“停止” → stop()，避免误触发
注意事项和常见限制
该API不是“离线全能方案”，实际使用中需管理预期：
- 中文识别准确率受口音、语速、背景噪音影响较大，简单短句效果较好
- 不支持自定义词库或领域优化（如专业术语），也无服务端模型训练能力
- 移动端支持有限，部分安卓Chrome可能因省电策略中断识别
- 若需更高精度、多语言或后台持续识别，应考虑接入第三方服务（如讯飞听见、Azure Speech、Google Cloud Speech-to-Text），它们提供REST API + SDK，但需后端中转或API密钥
基本上就这些。用好 Web Speech API 的关键是理解它的交互节奏——用户主动发起、浏览器短暂接管麦克风、结果异步返回。不复杂但容易忽略权限和事件时机。
