Web Speech API 综合演示 - 识别与合成双向

Web Speech API 是浏览器内置的语音接口标准，包含两大核心能力：语音识别（Speech Recognition）——将语音实时转换为文字；语音合成（Speech Synthesis）——将文字转换为自然语音朗读。无需安装任何插件，现代浏览器即可使用。语音识别通常依赖云端服务（如Google的语音识别服务），而语音合成则结合本地系统声音引擎。

语音识别：Chrome（桌面+Android）完全支持；Edge 支持良好；Safari 从 iOS 14.5 / macOS 11.3 开始部分支持；Firefox 支持有限。语音识别通常需要 HTTPS 或 localhost 才能使用麦克风。
语音合成：几乎所有现代浏览器都支持，包括 Chrome、Firefox、Safari、Edge，兼容性非常好。不同浏览器和操作系统提供的声音列表有所不同。

在 Chrome 和大多数浏览器中，语音识别功能需要网络连接，因为音频数据会被发送到云端服务器进行处理和识别。如果您看到 "network" 错误，请检查网络连接。部分平台（如某些 Android 设备）可能支持离线识别，但这取决于系统和浏览器实现。

• 选择正确的识别语言，匹配您说话的语言
• 在安静的环境中使用，减少背景噪音
• 尽量使用外接麦克风而非内置麦克风
• 说话时保持清晰、自然的语速
• 开启「实时显示」模式可查看中间识别结果
• 对于专业术语或特定词汇，识别准确率可能降低

语音合成支持的语言和声音取决于您的操作系统和浏览器。Windows 提供 Microsoft 声音包，macOS/iOS 提供 Apple 的高质量声音（如 Ting-Ting、Samantha 等），Chrome 还提供 Google 的云端声音。您可以在声音下拉列表中查看所有可用选项。

关于导出：Web Speech API 本身不直接支持导出音频文件。如需保存合成语音，可以使用系统录音工具、屏幕录制软件，或借助 Web Audio API 进行音频捕获（需要额外开发）。

Android Chrome：支持良好，但需要 HTTPS 连接。
iOS Safari：从 iOS 14.5 开始支持 SpeechRecognition，但需要用户手势触发，且可能受系统限制。实际体验因设备和系统版本而异。
移动端注意事项：屏幕锁定或切换到其他应用可能导致识别中断；建议保持屏幕常亮以获得最佳体验；移动端语音合成可能因系统休眠而暂停。

在 Chrome 等浏览器中，语音识别的音频数据会被发送到Google 的云端服务器进行处理。浏览器会在首次使用时请求麦克风权限，您可以随时在浏览器设置中撤销该权限。语音合成完全在本地执行，不会发送数据到外部服务器。对于敏感场景，建议确认浏览器隐私政策并谨慎使用语音识别功能。

常见错误及解决方案：
• not-allowed：用户拒绝了麦克风权限，请在浏览器设置中允许麦克风访问
• no-speech：未检测到语音输入，请检查麦克风是否正常工作
• network：网络连接问题，语音识别需要联网
• audio-capture：无法捕获音频，检查麦克风是否被其他应用占用
• 完全不支持：请使用最新版 Chrome 浏览器，并确保通过 HTTPS 访问（或 localhost 开发环境）