Web Speech API

Web Speech APIのコンセプトと使用法

WebSpeechAPIは音声データを処理することが出来るwebアプリケーションを作成出来ます。このAPIには2つのコンセプトがあります。

• 音声認識は SpeechRecognitionインターフェース経由で使用出来ます。これは入力された音声（通常はデバイスのデフォルト音声認識サービス経由）から文脈を認識し、適切に対応する機能を提供します。通常は、SpeechRecognition オブジェクトを生成するためにインターフェースコンストラクタを使用します？これはデバイスのマイクから入力された音声を検知するための複数のイベントハンドラを持ちます。 SpeechGrammarインターフェースはSpeechGrammar インターフェースは、あなたのアプリが認識するGrammer（語群）の集合のコンテナを提供します。
• Grammarの定義は JSpeech Grammar Format (JSGF)を使用します。
• 音声合成は SpeechSynthesis インターフェース経由で使用出来ます。
• a text-to-speech component that allows programs to read out their text content (normally via the device's default speech synthesiser.)
• 多種類のvoice typesがSpeechSynthesisVoiceオブジェクトから提供され、多種類のあなたの話させたいpart of textがSpeechSynthesisUtterance オブジェクトから提供されます。
• あなたは、SpeechSynthesis.speak()メソッドを使用して、スピーチさせることが出来ます。

詳細はUsing the Web Speech APIを参照して下さい。

Web Speech API インターフェース

音声認識

SpeechRecognition

recognition serviceのコントローラーです。recognition serviceからのSpeechRecognitionEventも扱います。

SpeechRecognitionAlternative

speech recognition serviceにより認識された単一の言葉

SpeechRecognitionError

recognition serviceからのエラーメッセージ

SpeechRecognitionEvent

result 、 nomatchイベントオブジェクトです。speech recognitionの結果（一部または、全て）を保持しています

SpeechGrammar

recognition serviceに認識してほしい言葉やパターン

SpeechGrammarList

SpeechGrammar の一覧

SpeechRecognitionResult

単一の認識で一致した結果。複数のSpeechRecognitionAlternativeを含む場合もある　

SpeechRecognitionResultList

SpeechRecognitionResultオブジェクトの一覧。モードがcontinuousだった場合は単一になります

音声合成

SpeechSynthesis

speech serviceのコントローラーインタフェースです。speechの開始、一時停止、またはその他のコマンドを検索することが出来ます

SpeechSynthesisErrorEvent

Contains information about any errors that occur while processing SpeechSynthesisUtterance objects in the speech service.

SpeechSynthesisEvent

Contains information about the current state of SpeechSynthesisUtterance objects that have been processed in the speech service.

SpeechSynthesisUtterance

Represents a speech request. It contains the content the speech service should read and information about how to read it (e.g. language, pitch and volume.)

SpeechSynthesisVoice

Represents a voice that the system supports. Every SpeechSynthesisVoice has its own relative speech service including information about language, name and URI.

Window.speechSynthesis

Specced out as part of a [NoInterfaceObject] interface called SpeechSynthesisGetter, and Implemented by the Window object, the speechSynthesis property provides access to the SpeechSynthesis controller, and therefore the entry point to speech synthesis functionality.

例

GithubのWeb Speech API repoに、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

ブラウザ互換性テーブル

• [1] Speech recognition interfaces are currently prefixed in Chrome, so you'll need to prefix interface names appropriately, e.g. webkitSpeechRecognition; You'll also need to serve your code through a web server for recognition to work. Speech synthesis is fully supported without prefixes.
• [2]　使用可能にするにはabout:comfigのmedia.webspeech.synth.enabledやmedia.webspeech.recognitionを有効にしてください。
• Firefox Desktop版では現在、音声合成のみ使用可能なことに注意して下さい。
• 音声認識ももうすぐ（音声認識に必要な内部権限が整理された後）使用可能になるでしょう。

Firefox OS でのパーミッション

To use speech recognition in an app, you need to specify the following permissions in your manifest:

"permissions": {
  "audio-capture" : {
    "description" : "Audio capture"
  },
  "speech-recognition" : {
    "description" : "Speech recognition"
  }
}

You also need a privileged app, so you need to include this as well:

  "type": "privileged"

Speech synthesis needs no permissions to be set.

関連項目

• Using the Web Speech API
• SitePoint article
• HTML5Rocks article
• Demo [aurelio.audero.it]