HTML5 的語音識別(目前多半用在搜尋上)相關介紹其實已經不少。原因很簡單——它實在太好用了!
先看一個最普通的文字輸入框:
<input />
而只要多敲幾個字母,它就摇身一變,成了支援 HTML5 語音 API 的語音識別輸入框:
<input x-webkit-speech />
我我向來不愛炒別人的冷飯,但想來想去,這麼簡單實用又有噱頭的功能,竟然還有不少人不知道,心裡總覺得不踏實。
你想想看:一提到「語音識別」,外行人(比如你那位成天擺臉色的產品經理或老闆)一聽,立馬覺得這玩意兒厲害哄哄。而你居然真的做出來了——這下可以好好表現一番:老闆啊,我昨晚放棄了和女友約會的機會,埋頭苦幹,加班攻克了語音識別這個史無前例的技術難關,皇天不負苦心人,總算被我拿下啦!
於是,刮目相看、江水滔滔般的敬仰之情便應運而生。可以說,HTML5 語音識別簡直是每個前端人身家暴走翻身的必備神器。

自從有了 HTML5 語音識別,老闆再也不用擔心網站不夠高級了,so easy!

紙上得來終覺淺,絕知此事要躬行。所以,不妨親自來試試這個神器。如果你手邊正好有 Chrome 11+ 的瀏覽器,可以點開線上 demo 親手體驗。
你會看到輸入框後方有個麥克風模樣的小圖示,滿懷期待地點下去,眼前突然一亮,神器登場:

此時,對著音訊裝置(例如耳麥)說出你那或嬌媚、或渾厚、或磁性的嗓音,啊~~

於是神器發威,瞬間就把你的話轉成文字:

當然,如果網路不穩、服務連線不暢,或是你長時間不出聲、說的是令人費解的內容,神器也可能鬧脾氣,變成這樣:
或者是這樣:

此外,語音識別還有其他參數可用。例如用來指定語言的:
<input x-webkit-speech lang="zh-CN" />
以及用來指定語法模式的(據說 builtin:search 可以過濾助詞,不過我沒實際測試過):
<input x-webkit-speech x-webkit-grammar="builtin:search" />
還有一個 onwebkitspeechchange 事件方法,它會在語音識別成功、且文字輸入到輸入框之後觸發:
input.onwebkitspeechchange = function() { // ... };
人無完人,金無足赤。虽说 HTML5 語音識別是前端人的神器,但並不是每次都能完美演出。目前我知道會「掉鏈子」的情況有兩種:
1. iframe 中的定位問題
如果語音識別框位於 iframe 之中,那個語音提示框的定位似乎會出現偏差——它會相對於父級容器來定位,而非當前的 iframe 內部。

2. 語音內容累加的問題
正常情況下,點擊語音圖示時,輸入框中的文字會處於選取狀態,於是新的語音結果會覆蓋掉舊的文字。可是,一旦這個選取狀態遺失了,就會出現語音內容不斷累加的 bug。
舉例來說,第一次你說「yu yin sou suo」,出現的是:

但如果你接著再說「yu yin shi bIE」,出現的卻不是「語音識別」,而是「語音搜索語音識別」——兩段文字累加在一起,而非覆蓋。

為什麼第一個 demo 不會有這問題呢?關鍵就在於:那個 demo 做了一件小事——在輸入框失去焦點時,重新為它賦值一次。因為重新賦值會清除文字的選取狀態,後續的語音結果便能正確覆蓋了。
關於標題裡的「漸進」二字,相信大家都懂其意——別糾結於「IE6 不支援」之類的問題,不支援就不支援,又不影響基本生活保障。目前這項功能主要還是 Chrome 11+ 才有。
考量到從「普通」升級到「高級」的成本實在很低,而且對既有功能幾乎毫無影響,我建議:所有網站裡類似搜尋的輸入框,都可以考慮加上 HTML5 語音識別。想想這是難得的翻身機會,那就果斷動手吧!