Web Speech APIを調査する

[stat-ki]

調査経過

反復的にリクエストする方法について

• continuous プロパティーを利用する。
• onresult メソッド中で再度、startメソッドを呼び出す。 上記の２つの方法があり、どちらでも要件は満たしているが、リファレンスでは後者を推奨している。

文章の区切りについて

どこまでを一つの発言とするかについては、API側で判断する。レスポンスについて、句読点などの処理についても可能であれば対応していきたい。

相槌など文字数の制約について

「あー」や「うん」といった相槌、また発言ではなくとも、文字起こしされてしまったものに関しては記録しないようにする。そのためにひとまず、２〜３字以下のレスポンスについては無視するようにしていく。

マイクアクセスについて

バックグランドでの実行、または別タブでの開いている状態においても認識をする。ただし、ブラウザの問題で、HTTPSでないとマイクアクセスが許可されないため、本番環境はHTTPS化が必須。

サーバーサイドとの連携について

このAPIはクライアントサイドでしか動かすことができないため、DB操作などサーバーサイドとの連携について、検討する必要がある。処理の流れとして、 リクエスト→ユーザー情報やタイムスタンプを付与し、レスポンスを反映→会議終了ボタンをクリック（ここまでクライアント側）→ページ内要素を取得し、DB操作を行う といった流れで考えているが、要検討である。

リファレンス

使用方法（日本語） 仕様書（英語）