语音识别 | AIUI | Rokid

语音识别 (ASR) 用于把用户实时说出的内容转换成文本,适合语音输入、语音命令和对话式交互等场景。

语音识别

语音识别 (ASR) 用于把用户实时说出的内容转换成文本,适合语音输入、语音命令和对话式交互等场景。

在 AIUI 中,语音识别通常是语音交互链路的第一步:先识别用户说了什么,再把文本交给业务逻辑或大语言模型处理。

适用场景

  • 语音输入框
  • 语音问答
  • 语音控制命令
  • 需要边听边处理的交互流程

基本用法

通过 SpeechRecognition 创建识别实例:

const recognition = new SpeechRecognition();

recognition.onresult = (event) => {
  const best = event.results[0][0];
  console.log('识别结果:', best.transcript);
  console.log('置信度:', best.confidence);
};

recognition.onerror = (event) => {
  console.error('识别错误:', event.error, event.message);
};

recognition.start();

常用方法

  • start():开始一轮识别。
  • stop():请求结束识别并产出最终结果。
  • abort():立即中止识别。

使用建议

  • 开始识别前,确保界面处于可交互状态。
  • 把"正在聆听""识别中""识别完成"等状态明确展示给用户。

继续阅读

  • 语音播报:查看如何把结果播报给用户。
  • 大语言模型:查看如何把识别结果交给模型处理。
  • 语音识别 (API 参考):查看完整 API 参考文档。