无需登录 数据私有 本地保存

连续语音识别器 - Web Speech API 实时转写

AI 音频 API 实时 语音识别 转写
38
0
0
0
就绪 00:00 0 字
识别设置
切换语言后需重新开始录音
长时间静音后自动重新开始识别
在每条识别的句子前添加时间标记
兼容性

正在检测浏览器支持...

常见问题与知识

Web Speech API 是浏览器内置的语音识别接口，允许网页直接调用操作系统的语音识别引擎。在 Chrome 浏览器中，它使用 Google 的云端语音识别服务，支持超过 50 种语言，能够实时将语音转为文字。识别过程在浏览器端采集音频，发送到云端处理，再返回文本结果。整个过程延迟通常在 200-500 毫秒以内，实现近乎实时的转写体验。

  • ✅ Chrome（桌面 & Android）：完全支持，体验最佳，推荐使用。
  • ✅ Edge：基于 Chromium，完全支持。
  • ✅ Opera：基于 Chromium，完全支持。
  • ⚠️ Safari（macOS 14+ / iOS 17+）：部分支持，需 HTTPS，功能可能受限。
  • ❌ Firefox：目前不支持 SpeechRecognition（仅支持语音合成 TTS）。

推荐使用 Chrome 浏览器 获得最佳体验。移动端需在 HTTPS 环境下使用。

  1. 使用外接麦克风：相比内置麦克风，外接麦克风收音更清晰。
  2. 保持环境安静：减少背景噪音干扰。
  3. 语速适中、发音清晰：过快或含糊的发音会降低准确率。
  4. 靠近麦克风：保持 15-30 厘米的距离。
  5. 选择正确的语言：确保语言设置与您使用的语言匹配。
  6. 使用短句：较短的句子识别准确率更高。

Web Speech API 的语音识别引擎通常不会自动添加标点符号，这是目前的技术限制。对于中文尤其如此。建议在识别完成后手动添加标点。英文识别有时会自动包含基本的标点（如句号、逗号），但中文标点支持非常有限。未来随着 NLP 技术的进步，这一情况可能会改善。

需要联网：Chrome 的语音识别将音频发送到 Google 云端服务器进行处理，因此需要稳定的网络连接。离线语音识别在某些设备和浏览器中正在逐步推出，但目前尚未普及。

数据安全：音频数据在传输过程中使用 HTTPS 加密。Google 的隐私政策规定，语音数据仅用于改进识别服务。如果您处理敏感信息，建议使用本地部署的语音识别方案。

移动端 Chrome for Android 完全支持语音识别，但需要确保：
  • 网站使用 HTTPS 协议（或 localhost 本地开发）。
  • 已授予麦克风权限。
  • 网络连接稳定（建议使用 Wi-Fi，移动网络可能增加延迟）。
iOS Safari 从 iOS 17 开始逐步支持，但体验可能不如 Chrome。移动端使用时建议佩戴耳机麦克风以获得更好的收音效果。

Chrome 的语音识别在持续静音约 60 秒后会自动停止。这是云端服务的限制，无法从客户端修改。启用"静音超时自动恢复"选项可以让工具在断开后自动重新开始识别，减少手动操作。单次识别理论上没有硬性时长上限，但建议每 5-10 分钟分段录音以获得最佳体验。

本工具支持 17 种常用语言，包括中文（简体/繁体/粤语）、英语、日语、韩语、法语、德语、西班牙语、葡萄牙语、俄语、阿拉伯语、印地语、泰语、越南语、印尼语等。

不同语言的识别准确率存在差异：英语的准确率最高（可达 95%+），中文次之（约 90%），小语种可能略低。Google 持续优化各语言模型，准确率在不断提升。

常见原因及解决方法：
  • 浏览器不支持：请使用 Chrome 或 Edge 浏览器。
  • 麦克风权限未授予：在浏览器设置中允许访问麦克风，或点击地址栏的锁图标进行授权。
  • 非 HTTPS 环境：生产环境必须使用 HTTPS（本地开发 localhost 除外）。
  • 麦克风被其他程序占用：关闭其他使用麦克风的应用。
  • 系统麦克风被禁用：检查操作系统隐私设置中的麦克风权限。
🔧 相关工具