語音辨識聽起來高深,但在 HTML5 裡其實只要多敲幾個字母就能實現,特別適合應用在搜尋框這類場景。
把普通的輸入框:
<input />
加上一個屬性,就搖身一變成為支援語音輸入的辨識框:
<input x-webkit-speech />
正因為原理簡單、效果吸睛,它常被拿來替搜尋功能加分,讓使用者對著麥克風說話就能完成輸入。


使用 Chrome 11 以上版本開啟支援語音的頁面,輸入框後方會出現一個麥克風圖示。點下去、對著耳麥或麥克風說話,辨識結果就會自動填入文字框。



若遇到網路不佳、長時間未說話,或語音過於模糊,就可能出現辨識失敗的提示。


此外還有一些可搭配的參數,例如指定辨識語言:
<input x-webkit-speech lang="zh-CN" />
以及指定語法(據說可過濾贅詞,實際效果可自行測試):
<input x-webkit-speech x-webkit-grammar="bUIltin:search" />
還有在辨識成功並完成文字填入後觸發的事件:
input.onwebkitspeechchange = function() { // ... };
1. iframe 中的定位偏移
當語音輸入框位於 iframe 內,提示框的定位會出現偏差,變成相對於父層容器定位,而非目前的視窗。

2. 文字累加而非覆蓋
正常情況下,點擊麥克風時框內文字會處於選取狀態,新的辨識結果會覆蓋舊內容。但若選取狀態遺失,就會出現文字不斷累加的問題。
例如先說「yu yin sou suo」得到「語音搜索」:

接著再說「yu yin shi bie」,結果卻變成「語音搜索語音識別」,兩段文字疊在一起。

解決方式很簡單:在輸入框失去焦點時重新賦值一次,藉此清除文字的選取狀態即可。
標題中的「漸進」正是重點:不支援的瀏覽器就維持原本的輸入方式,不受影響;支援的環境則多一層便利。由於導入成本極低,幾乎不影響既有功能,只要在搜尋類的輸入框加上這個屬性,就能為使用者帶來不一樣的體驗。