Web Speech API

Web Speech APIとは、ブラウザ上で音声を認識したり合成したりするためのAPIである。

概要

Web Speech APIとはブラウザ上で動作するJavaScriptのAPIで、音声認識のためのSpeechRecognitionインターフェースと音声合成のSpeechSynthesisインターフェースに分かれており、両者はほぼ独立している。

あくまでもAPIであり実装は各ブラウザに依存している。

こちらのデモを各種ブラウザ+OSで開いて表示される音声エンジンの選択肢を調べると、ブラウザがOSに処理を丸投げしているかどうかをある程度うかがい知ることが出来る。たとえばWindowsとFirefoxの組み合わせだと、Windowsの「設定」のナレーターで選べる音声合成エンジンの一部しか選べないが、Chromeではそれに加えて「Google 日本語(ja-JP)」などの各種言語用Google製エンジンが並んでいる。

ブラウザの対応状況

2022年現在、音声合成についてはほぼ全ての主要ブラウザが対応しているが、音声認識についてはFirefoxが対応していない。

また、ブラウザが対応していることになっていても、実際にはOS側の事情などにより動作しないこともある。

関連商品

関連リンク

• Web Speech API - Web API | MDN
• Web Speech API: 音声認識と音声合成のデモ

関連項目

• HTML5 / SSML
• W3C
• 音声認識
• Text to Speech / 音声合成
• プログラミング関連用語の一覧