首先实现语音识别，通过webkitSpeechRecognition捕获用户语音并转文本，需设置语言、监听结果与错误事件；再实现语音合成，利用SpeechSynthesisUtterance将文本转语音，可配置语言、语速、音调等参数，并通过speak()播放。
语音识别与合成在现代Web应用中越来越常见，JavaScript结合Web API可以轻松实现这些功能。通过浏览器提供的SpeechRecognition和SpeechSynthesis接口，开发者能让网页“听懂”用户说话并“读出”文字内容。下面介绍如何使用这两个API完成语音识别与语音合成。
语音识别：让网页听懂你说的话
浏览器的 SpeechRecognition 接口（目前主要通过webkitSpeechRecognition支持）允许你捕获用户的语音输入并转换为文本。
基本用法：
- 检查浏览器是否支持语音识别
- 创建识别实例，设置参数如语言、是否连续识别
- 监听结果事件，获取识别到的文本
示例代码：
if ('webkitSpeechRecognition' in window) { const recognition = new webkitSpeechRecognition(); recognition.lang = 'zh-CN'; // 设置中文 recognition.continuous = false; // 单次识别 recognition.interimResults = false; // 不返回中间结果 recognition.onresult = function(event) { const transcript = event.results[0][0].transcript; console.log('识别结果：', transcript); document.getElementById('output').textContent = transcript; }; recognition.onerror = function(event) { console.error('识别出错：', event.error); }; // 开始识别 recognition.start(); } else { alert('当前浏览器不支持语音识别'); }
语音合成：让网页开口说话
SpeechSynthesis 是Web平台内置的语音合成接口，能将文本转为语音朗读出来，无需额外库。
立即学习“Java免费学习笔记（深入）”；
常用操作：
- 使用speechSynthesis.getVoices()获取可用发音人
- 创建SpeechSynthesisUtterance实例，设置文本、音调、语速、音量等
- 调用speak()方法播放语音
示例代码：
function speak(text) { const utterance = new SpeechSynthesisUtterance(text); // 可选：设置语音参数 utterance.lang = 'zh-CN'; utterance.pitch = 1; // 音调 utterance.rate = 1.1; // 语速 utterance.volume = 1; // 音量 // 可选：选择特定发音人 const voices = window.speechSynthesis.getVoices(); const voice = voices.find(v => v.lang === 'zh-CN'); if (voice) utterance.voice = voice; window.speechSynthesis.speak(utterance); } // 调用示例 speak('你好，这是语音合成的示例');
注意：getVoices()可能需要稍等加载，可添加延迟或监听voiceschanged事件。
实际应用场景建议
这类功能适合用于无障碍访问、语音助手、教育类应用或表单输入辅助。
- 语音识别建议添加启动按钮，避免自动唤醒带来的误操作
- 识别过程可显示“正在聆听”状态，提升用户体验
- 语音合成可配合按钮控制暂停、继续或停止
- 注意在移动端部分浏览器可能限制自动播放，需用户手势触发
基本上就这些。Web的语音API虽然还在持续发展，但核心功能已经足够实用。只要处理好兼容性和交互反馈，就能为网页增添自然的人机交互方式。