早期版本的 Chromium 瀏覽器支援一組非標準的擴充屬性,可以在輸入框右側顯示麥克風圖示,點下去就能用語音填入文字。寫法非常短,但要注意不同瀏覽器的呈現差異。
先看火狐下的截圖:

再看 Chrome 下的截圖:

可以猜到,這段程式碼並非跨瀏覽器相容。不過寫法本身相當簡單,即使是前端初學者也能理解。
<input id="test" lang="zh-CN" class="text" name="test"
x-webkit-grammar="builtin:search"
x-webkit-speech="" />
x-webkit-speech:讓輸入框右側出現麥克風圖示,開啟語音輸入功能。
lang:指定語音辨識的語言,例如 zh-CN 代表簡體中文、zh-TW 代表繁體中文、en-US 代表美式英文。
x-webkit-grammar:指定語音輸入的語法。builtin:search 會讓辨識結果盡量貼近搜尋關鍵字,過濾掉多餘的字。
要留意的是,這個功能屬於實驗性質,硬體與語言的相容性都有待改善;中英夾雜的語音輸入尤其容易出現各種意料之外的結果。
這組 x-webkit-* 屬性從未進入標準,後續版本的 Chromium 已將它移除,因此不應再用於正式專案。如今要實作語音輸入,標準做法是用 Web Speech API:
const recognition = new (window.SpeechRecognition || window.webkitSpeechRecognition)();
recognition.lang = 'zh-TW';
recognition.interimResults = false;
recognition.addEventListener('result', function (event) {
document.getElementById('test').value = event.results[0][0].transcript;
});
recognition.addEventListener('error', function (event) {
console.warn('語音辨識失敗:', event.error);
});
// 綁定到按鈕或麥克風圖示的點擊事件
recognition.start();
Web Speech API 同樣需要 HTTPS,而且辨識通常會把音訊送到服務端的辨識服務處理,因此涉及隱私時應在介面上明確告知使用者。若需要相容性更好的方案,也可以改用 MediaRecorder 錄音後上傳到自有的語音服務,但實作成本會高得多。