Voice Button

Ditado para um compositor de texto, sobre a API Web Speech.

Use quando quiser a fala como mais uma forma de preencher um campo de texto, não como substituta. Digitar precisa continuar disponível: um caminho só por voz exclui quem tem uma diferença de fala, quem está numa sala barulhenta e quem usa um navegador sem reconhecimento algum.

Um botão de microfone, e nada além. Ele cuida da captura e informa o que ouviu; para onde esse texto vai é decisão de quem o usa, porque um componente que também escrevesse num campo teria de saber em qual, se acrescenta ou substitui, e o que fazer com o cursor: três respostas que mudam a cada aplicativo.

Início rápido

<r-voice-button label="Iniciar ditado" active-label="Parar ditado"></r-voice-button>

const mic = document.createElement('r-voice-button');
mic.label = 'Iniciar ditado';
mic.activeLabel = 'Parar ditado';
const input = document.querySelector('textarea');
let base = '';

mic.addEventListener('voicestart', () => {
  // Um espaço entre o que foi digitado e o que foi dito, a menos que já exista um.
  base = input.value === '' || /\s$/.test(input.value) ? input.value : `${input.value} `;
});

mic.addEventListener('voiceresult', (event) => {
  input.value = base + event.detail.transcript;
});

composer.append(mic);

As decisões por trás disso

Ele informa a captura inteira, não o fragmento mais novo

Resultados provisórios são revisados conforme o reconhecimento avança: "你好" vira "你好世界", e não chega um segundo evento carregando "世界". Quem acrescentasse cada evento terminaria com 你好你好世界. Lembre o texto que já estava no campo e concatene uma única vez.

Ele não envia

O reconhecimento erra com frequência suficiente para que confirmar em nome de quem fala tire dela a revisão de que precisa. Isto preenche a caixa e para por aí. Enviar continua sendo um ato deliberado.

Ele se esconde onde não existe reconhecimento

O Firefox não traz reconhecimento de fala, nem qualquer navegador em que a API esteja ausente. Quando o reconhecimento não é suportado, o elemento se esconde com hidden em vez de se desabilitar com disabled: disabled dá a entender que o recurso existe mas está temporariamente indisponível, enquanto remover o botão é exato quando o recurso não existe nesta plataforma. Mostrar um botão que nunca vai funcionar convidaria a um toque que não faz nada, e depois exigiria uma explicação.

Só dois dos quatro erros valem a pena mostrar

Tipo	O que é	Mostrar?
denied	o microfone foi recusado	sim (dá para agir)
failed	qualquer outra coisa deu errado	sim
noSpeech	uma pausa em silêncio	não
aborted	uma parada por código	não

Os dois últimos chegam pelo mesmo canal de uma falha real e não são uma. Trazê-los à tona mostraria um erro depois de toda captura comum, não só das falhas de verdade.

Acessibilidade

O nome acessível muda com o estado, não só o ícone, e o aria-pressed carrega a alternância: um leitor de tela anuncia "Parar ditado, pressionado", não um ícone. Escape descarta uma captura em vez de confirmá-la, que é o que quer quem percebe no meio da frase que falou a coisa errada.

O estado de escuta é transmitido por borda, preenchimento e um anel, então não depende só da cor. O anel é o único movimento e é decoração; prefers-reduced-motion o remove sem perder informação.

O idioma segue a página

lang é lido a cada captura e assume por padrão o do documento, então um aplicativo que troca de idioma no meio da sessão dita no idioma que está exibindo.

Referência da API

Propriedades

Propriedade	Tipo	Padrão	Descrição
lang	string	o do documento	Etiqueta BCP 47 do idioma falado. Lida a cada captura.
continuous	boolean	true	Continua ouvindo através das pausas em vez de parar na primeira.
disabled	boolean	false	Desabilita o botão: start() é ignorado e o botão interno fica desabilitado. Não interrompe uma captura em andamento.
label	string	'Start voice input'	Nome acessível enquanto ocioso.
activeLabel	string	'Stop voice input'	Nome acessível enquanto ouve.
listening	boolean	false	Somente leitura, refletido: estilize com :host([listening]).
supported	boolean	—	Somente leitura. Se esta plataforma consegue reconhecer fala.
sheet	string	''	CSS injetado no shadow DOM do elemento.

Métodos

start() · stop() (mantém o que foi reconhecido) · abort() (descarta) · toggle().

O toggle() lê o estado do próprio reconhecedor, e não o atributo refletido: uma captura que tenha começado sem informar deixaria os dois em desacordo, e a próxima ativação tentaria abrir uma segunda captura, seria recusada e não faria nada.

Eventos

Evento	Detail	Disparado quando
voicestart	—	uma captura começa
voiceresult	{ transcript, isFinal }	chega texto ou ele é revisado
voiceerror	{ kind, detail }	a plataforma informa um problema
voiceend	—	a captura termina, seja qual for o motivo

Partes

button, icon.

Estilos

O <r-voice-button> expõe 20 propriedades personalizadas de CSS próprias, além dos tokens semânticos que lê do tema. Defina uma em qualquer lugar de onde ela seja herdada: :root, um contêiner ou o próprio elemento:

r-voice-button {
  --ran-voice-background: var(--ran-color-bg-subtle);
}

Partes: button · hint · icon

A lista completa está em tokens de estilo; qual token escolher é assunto do design system.

Veja também

• createSpeechRecognizer: o reconhecedor que isto envolve
• Conversation: a transcrição em que uma mensagem ditada aterrissa