Dieser Inhalt wurde automatisch aus dem Englischen übersetzt, und kann Fehler enthalten. Erfahre mehr über dieses Experiment.

View in English Always switch to English

Web Speech API

Die Web Speech API ermöglicht es Ihnen, Sprachdaten in Web-Apps einzubinden. Die Web Speech API besteht aus zwei Teilen: SpeechSynthesis (Text-to-Speech) und SpeechRecognition (asynchrone Spracherkennung).

Konzepte und Verwendung der Web Speech API

Die Web Speech API ermöglicht es Web-Apps, Sprachdaten zu verarbeiten. Sie hat zwei Komponenten:

  • Die Spracherkennung ist über die Schnittstelle SpeechRecognition zugänglich. Sie kann gesprochene Sprache aus einer Audioquelle erkennen und ermöglicht Ihrer App, entsprechend zu reagieren. Im Allgemeinen verwenden Sie den Konstruktor der Schnittstelle, um ein neues SpeechRecognition-Objekt zu erstellen. Dieses Objekt stellt mehrere Event-Handler bereit, mit denen sich erkennen lässt, wann Sprache über das Mikrofon des Geräts (oder über eine Audiospur) eingeht. Standardmäßig entscheidet der Browser, ob die Erkennung über einen entfernten Dienst oder auf dem Gerät des Benutzers erfolgt. Sie können jedoch festlegen, dass sie auf dem Gerät durchgeführt werden muss.
  • Die Sprachsynthese ist über die Schnittstelle SpeechSynthesis zugänglich. Diese Text-to-Speech-Komponente ermöglicht es Programmen, ihre Textinhalte vorzulesen (normalerweise über den standardmäßigen Sprachsynthesizer des Geräts). Verschiedene Stimmen werden durch SpeechSynthesisVoice-Objekte dargestellt; Textabschnitte, die gesprochen werden sollen, durch SpeechSynthesisUtterance-Objekte. Um diese vorlesen zu lassen, übergeben Sie sie an die Methode SpeechSynthesis.speak().

Weitere Informationen zur Verwendung dieser Funktionen finden Sie unter Verwendung der Web Speech API.

Schnittstellen der Web Speech API

Spracherkennung

SpeechRecognition

Die Steuerungsschnittstelle für den Erkennungsdienst. Sie verarbeitet auch die vom Erkennungsdienst gesendeten SpeechRecognitionEvent-Objekte.

SpeechRecognitionAlternative

Stellt eine mögliche Übereinstimmung mit dem dar, was der Benutzer gesagt hat, wie es vom Spracherkennungsdienst erkannt wurde.

SpeechRecognitionErrorEvent

Stellt Fehlermeldungen des Erkennungsdienstes dar.

SpeechRecognitionEvent

Das Event-Objekt für die Events result und nomatch. Es enthält alle Daten, die mit einem vorläufigen oder endgültigen Spracherkennungsergebnis verbunden sind.

SpeechRecognitionPhrase

Stellt eine Phrase dar, die an die Spracherkennungs-Engine übergeben werden kann, um für die kontextabhängige Gewichtung verwendet zu werden.

SpeechRecognitionResult

Stellt ein einzelnes Erkennungsergebnis dar, das mehrere SpeechRecognitionAlternative-Objekte enthalten kann.

SpeechRecognitionResultList

Stellt eine Sammlung von SpeechRecognitionResult-Objekten dar. Wenn sich die Erkennung nicht im Modus continuous befindet, enthält sie nur ein Ergebnis.

Sprachsynthese

SpeechSynthesis

Die Steuerungsschnittstelle für den Sprachsynthesedienst. Mit ihr können Sie Informationen über die auf dem Gerät verfügbaren Stimmen abrufen, die Sprachausgabe starten und pausieren sowie weitere Befehle ausführen.

SpeechSynthesisErrorEvent

Enthält Informationen über Fehler, die bei der Verarbeitung von SpeechSynthesisUtterance-Objekten im Sprachsynthesedienst auftreten.

SpeechSynthesisEvent

Enthält Informationen über den aktuellen Zustand von SpeechSynthesisUtterance-Objekten, die im Sprachsynthesedienst verarbeitet wurden.

SpeechSynthesisUtterance

Stellt eine Anfrage zur Sprachausgabe dar. Sie enthält den Inhalt, den der Sprachsynthesedienst vorlesen soll, sowie Informationen darüber, wie er vorgelesen werden soll (z. B. Sprache, Tonhöhe und Lautstärke).

SpeechSynthesisVoice

Stellt eine Stimme dar, die vom System unterstützt wird. Jedes SpeechSynthesisVoice-Objekt hat einen eigenen zugehörigen Sprachsynthesedienst mit Informationen über Sprache, Namen und URI.

Window.speechSynthesis

Gibt das SpeechSynthesis-Objekt zurück, das den Einstiegspunkt für die Sprachsynthesefunktionen bildet.

Veraltete Schnittstellen

Das Konzept der Grammatik wurde aus der Web Speech API entfernt. Die zugehörigen Funktionen sind aus Gründen der Abwärtskompatibilität weiterhin in der Spezifikation enthalten und werden von unterstützenden Browsern noch erkannt, haben aber keine Auswirkungen auf Spracherkennungsdienste.

SpeechGrammar

Stellt Wörter oder Wortmuster dar, die der Erkennungsdienst erkennen soll.

SpeechGrammarList

Stellt eine Liste von SpeechGrammar-Objekten dar.

Fehler

Informationen zu Fehlern, die von der Web Speech API gemeldet werden (z. B. "language-not-supported" und "language-unavailable"), finden Sie in der folgenden Dokumentation:

Sicherheitsaspekte

Der Zugriff auf die Funktion zur Spracherkennung auf dem Gerät der Web Speech API wird durch die on-device-speech-recognition-Direktive von Permissions-Policy gesteuert.

Wenn eine festgelegte Richtlinie die Verwendung blockiert, schlagen Aufrufe der API-Methoden SpeechRecognition.available() und SpeechRecognition.install() fehl.

Beispiele

Unsere Beispiele zur Web Speech API veranschaulichen Spracherkennung und Sprachsynthese.

Sehen Sie sich auch den Web Speech API Playground an.

Spezifikationen

Spezifikation
Web Speech API
# speechreco-section
Web Speech API
# tts-section

Browser-Kompatibilität

api.SpeechRecognition

api.SpeechSynthesis

Siehe auch