Web Speech API

これは実験的な機能です。本番で使用する前にブラウザー実装状況をチェックしてください。

Web Speech API は、音声データをウェブアプリに組み入れることを可能にします。Web Speech API は、SpeechSynthesis (Text-to-Speech; 音声合成) と SpeechRecognition (Asynchronous Speech Recognition; 非同期音声認識) の 2 つの部分から成り立っています。

Web Speech API のコンセプトと使用法

Web Speech API は、ウェブアプリが音声データを扱えるようにします。この API には 2 つの構成要素があります。

音声認識は SpeechRecognition インターフェイス経由でアクセスされます。これは、音声入力 (通常はデバイスのデフォルト音声認識サービスを経由) から音声の文脈を認識し、適切に応答する機能を提供します。通常は、インターフェイスのコンストラクターを使用して新しい SpeechRecognition オブジェクトを生成します。このオブジェクトは、デバイスのマイクを通して入力された音声を検知するための、いくつものイベントハンドラーを持ちます。SpeechGrammar インターフェイスは、あなたのアプリが認識すべき特定の文法群のコンテナーを表します。文法は、JSpeech Grammar Format (JSGF) を使用して定義されています。
音声合成は、SpeechSynthesis インターフェイス経由でアクセスされます。これは、プログラムに、そのテキストコンテンツを読み上げる機能を提供します (通常はデバイスのデフォルトの音声合成を経由)。異なる音声の種類は、SpeechSynthesisVoice オブジェクトで表され、発話してほしいテキストの異なる部分は、SpeechSynthesisUtterance オブジェクトで表されます。これらを SpeechSynthesis.speak() メソッドに渡すことによって発話されます。

これらの機能の使い方についての詳細は、Using the Web Speech API を参照してください。

Web Speech API インターフェイス

音声認識

SpeechRecognition: 認識サービスのコントローラーインターフェイスです。認識サービスから送信された SpeechRecognitionEvent も扱います。
SpeechRecognitionAlternative: 音声認識サービスにより認識されている単語を表します。
SpeechRecognitionError: 認識サービスからのエラーメッセージを表します。
SpeechRecognitionEvent: result イベントおよび nomatch イベントのためのイベントオブジェクトです。暫定あるいは最終の音声認識結果に関連付けられたすべてのデータを含みます。
SpeechGrammar: 認識サービスに認識してほしい言葉または言葉のパターンです。
SpeechGrammarList: SpeechGrammar オブジェクトのリストを表します。
SpeechRecognitionResult: 一致した一つの認識結果を表します。これには、複数の SpeechRecognitionAlternative オブジェクトが含まれることがあります。
SpeechRecognitionResultList: SpeechRecognitionResult オブジェクトのリストを表します。または、continuous モードで結果が捕捉された場合は、一つだけになります。

音声合成

SpeechSynthesis: 音声サービスのコントローラーインターフェイスです。これは、デバイスで利用可能な合成音声についての情報を取得したり、発話の開始や一時停止などのコマンドを実行するために使用されます。
SpeechSynthesisErrorEvent: 音声サービスで SpeechSynthesisUtterance オブジェクトの処理中に発生したあらゆるエラーについての情報を含みます。
SpeechSynthesisEvent: 音声サービスで処理されている SpeechSynthesisUtterance オブジェクトの現在の状態についての情報を含みます。
SpeechSynthesisUtterance: 音声リクエストを表します。これは、音声サービスが読み上げるコンテンツとその読み上げ方 (言語、音声の高低、音量など) についての情報を含みます。

SpeechSynthesisVoice: システムがサポートする音声を表します。すべての SpeechSynthesisVoice は、それ自身に関連する音声サービス (言語、名前、URI についての情報を含む) を持ちます。
Window.speechSynthesis: SpeechSynthesisGetter と呼ばれる [NoInterfaceObject] インターフェイスの一部として定義され、Window オブジェクトによって実装されたことで、speechSynthesis プロパティは SpeechSynthesis コントローラーへのアクセスを提供します。したがって、音声合成機能へのエントリーポイントになります。

例

Github 上の Web Speech API リポジトリーには、音声合成や音声認識を説明するデモが含まれています。

仕様

仕様書	策定状況	備考
Web Speech API	ドラフト	初期定義

ブラウザーの実装状況

`SpeechRecognition`

Update compatibility data on GitHub

	デスクトップ						モバイル
	Chrome	Edge	Firefox	Internet Explorer	Opera	Safari	Android webview	Android 版 Chrome	Android 版 Firefox	Android 版 Opera	iOSのSafari	Samsung Internet
`SpeechRecognition` 実験的	Chrome 完全対応 33 接頭辞付き補足完全対応 33 接頭辞付き補足接頭辞付き webkit のベンダー接頭辞が必要補足 You'll need to serve your code through a web server for recognition to work.	Edge ?	Firefox 未対応なし	IE 未対応なし	Opera 未対応なし	Safari 未対応なし	WebView Android 完全対応あり接頭辞付き補足完全対応あり接頭辞付き補足接頭辞付き webkit のベンダー接頭辞が必要補足 You'll need to serve your code through a web server for recognition to work.	Chrome Android 完全対応あり接頭辞付き補足完全対応あり接頭辞付き補足接頭辞付き webkit のベンダー接頭辞が必要補足 You'll need to serve your code through a web server for recognition to work.	Firefox Android 未対応なし	Opera Android 未対応なし	Safari iOS 未対応なし	Samsung Internet Android 完全対応あり接頭辞付き補足完全対応あり接頭辞付き補足接頭辞付き webkit のベンダー接頭辞が必要補足 You'll need to serve your code through a web server for recognition to work.

凡例

完全対応: 完全対応
未対応: 未対応
実装状況不明: 実装状況不明
実験的。動作が変更される可能性があります。: 実験的。動作が変更される可能性があります。
実装ノートを参照してください。: 実装ノートを参照してください。
使用するには、ベンダー接頭辞または異なる名前が必要です。: 使用するには、ベンダー接頭辞または異なる名前が必要です。

`SpeechSynthesis`