使用键盘麦克风在（ipad/移动设备）上听写后保存用于填充文本框的语音

Posted 2023-05-06

【中文标题】使用键盘麦克风在（ipad/移动设备）上听写后保存用于填充文本框的语音

【英文标题】：Save speach used to fill a textbox after dictating on (ipad/mobile device) with keyboard-microphone

【发布时间】：2021-12-02 15:58:54

【问题描述】：

通过在浏览器中单击 ipad 或移动设备上的文本框，键盘会出现在屏幕上。这里可以选择麦克风直接用我们的声音将文本口述到输入框中，而无需直接写。

因为语音转换并不总是完美的，我们希望将语音本身的音频保存在我们的服务器上，以便在文本不够清晰时使用。

是否可以从 ipad/mobile 检索并保存在我们的服务器上，用于在 out textbox 中写入文本的语音音频？

我知道我可以编写 javascript 代码来将语音转换为文本并直接录制语音，但我们想知道是否可以获取用于设备使用的语音到文本转换的音频（作为文件）填充文本框。

换句话说，当我使用设备键盘的麦克风进行口授时，设备是否允许进行覆盖的页面以文件的形式访问音频？

【参考方案1】：

因为您也标记了这个 android，而不是在那个操作系统上。键盘是它自己的应用程序，它自己处理语音输入。无法访问其他应用的文件。

如果您想在本机应用程序中执行此操作，请设置您自己的麦克风按钮并使用语音转文本服务，该服务将返回一系列可能的输入和概率。在浏览器中，您很不走运，因为无法访问该服务。

出于几个原因，所有这些无论如何都是一个有争议的问题

很少有人使用语音输入。我最后的数字数据是旧的，但当我在一家键盘公司工作时，它已经不受欢迎了，我们可以选择移除键。 上传这些文件将是一个巨大的隐私问题。看看大约一年前的一场风暴，当时发现谷歌/亚马逊出于同样的原因做了同样的事情。在他们的情况下，这是一个更大的交易，因为它是后台处理，但用户可能仍然不满意。 除非您在研究人员身上花费数百万美元，否则您不会比现有解决方案做得更好。这种软件不容易编写，即使是拥有庞大团队的 Google 和 Nuance（为 Siri 提供支持的 Dragon 的所有者，或者至少做到了）也不是一个完全解决的问题。为什么你认为你会做得更好？除非您打算手动收听它们。在这种情况下，下一点就更大了。 好的，所以您上传了文件并找到了更好的解决方案 - 您将如何处理它？不知何故更改用户在 20 分钟前输入的文本？您将如何做到这一点并拥有一个有意义的 UX 流程？