createSpeechRecognizer / isSpeechRecognitionSupported

Um invólucro em volta do SpeechRecognition da Web Speech API, a contraparte do AudioRecorder, que captura bytes de áudio; este aqui pede à plataforma que transforme a fala em texto.

Vale a pena embrulhar a API nativa uma vez em vez de mexer nela direto: no WebKit ela ainda leva prefixo (webkitSpeechRecognition), não aparece no lib.dom.d.ts e relata coisas que nem são acontecimentos (uma pausa em silêncio, um stop() que você mesmo chamou) pelo mesmo canal de erros de um microfone negado.

Uso

import { createSpeechRecognizer } from 'ranuts/utils';

const mic = createSpeechRecognizer({
  lang: () => currentLocale(), // relido a cada captura, não uma vez só
  onResult: (text, isFinal) => {
    input.value = text;
  },
  onError: (e) => {
    if (e.kind === 'denied') toast('O acesso ao microfone foi negado');
  },
  onStart: () => button.classList.add('recording'),
  onEnd: () => button.classList.remove('recording'),
});

if (!mic.supported) button.style.display = 'none'; // esconder o botão do microfone logo de cara
button.addEventListener('click', () => mic.toggle());

API

isSpeechRecognitionSupported()

Devolve boolean. A conferência acontece na chamada, não fica guardada no carregamento do módulo; então dá para importar este módulo durante a renderização no servidor e fazer a conferência quando a página hidratar.

createSpeechRecognizer(options?)

Monta um SpeechRecognizer reaproveitável. O start() cria toda vez uma instância nativa nova, então qualquer opção passada como função (lang, em especial) é relida no início de cada captura, em vez de congelar no momento da criação.

Parâmetros (SpeechRecognizerOptions)

Opção	Descrição	Tipo	Padrão
lang	Etiqueta BCP 47 ('en-US', 'zh-CN'), ou uma função lida no início de cada captura	string | (() => string)	''
continuous	Continuar ouvindo através das pausas em vez de parar na primeira	boolean	true
interimResults	Emitir resultados parciais enquanto a pessoa fala	boolean	true
onResult	Chamado com a transcrição de toda a captura até ali e com se ela é definitiva	(transcript: string, isFinal: boolean) => void	-
onError	Chamado com um erro já classificado	(error: SpeechError) => void	-
onStart	Dispara quando uma captura começa	() => void	-
onEnd	Dispara uma vez por captura, tenha ela acabado como for (parada, vencida ou com erro)	() => void	-

SpeechRecognizer

Membro	Descrição	Tipo
supported	false quando a plataforma não tem reconhecimento de fala; aí nenhum método faz nada	boolean (getter)
active	Se há uma captura em andamento	boolean (getter)
start()	Começa uma captura. É ignorado se já houver uma em andamento	() => void
stop()	Encerra a captura atual; o que já foi reconhecido fica, e em seguida vem o onEnd	() => void
abort()	Encerra a captura atual e descarta os resultados pendentes	() => void
toggle()	Começa se estiver parado e para se estiver em andamento: justo o que um único botão de microfone pede	() => void

SpeechError

Campo	Descrição	Tipo
kind	'denied' (microfone negado, vale mostrar), 'noSpeech' / 'aborted' (rotina, em geral não vale a pena mostrar), 'failed' (todo o resto)	SpeechErrorKind
detail	A string error crua vinda do evento da plataforma	string

Notas

1. Não existe em todo lugar. O Firefox não implementa SpeechRecognition de jeito nenhum; confira sempre recognizer.supported (ou isSpeechRecognitionSupported()) antes de oferecer um microfone, em vez de supor que o construtor existe.
2. supported e active são getters, reavaliados a cada acesso, e não valores tomados uma vez na criação. Isso importa se createSpeechRecognizer() rodar antes de existirem window ou o construtor com prefixo do fabricante (renderização no servidor, uma chamada logo no escopo do módulo, antes da hidratação): o reconhecedor pega a API de verdade assim que ela aparece, em vez de ficar preso para sempre dizendo supported === false.
3. A transcrição do onResult é acumulada, não incremental: é o texto inteiro da captura até ali, revisado conforme os resultados provisórios firmam. Não concatene você mesmo.
4. Instanciar o reconhecedor nativo ou chamar o start() dele pode lançar de forma síncrona (por uma restrição da Permissions-Policy, ou pelo InvalidStateError do Chrome quando já há uma captura em andamento); o createSpeechRecognizer captura isso e avisa por onError e onEnd em vez de deixar escapar.