웹 스피치 API

1. 소개

이 섹션은 비규범적입니다.

웹 스피치 API는 웹 브라우저에서 일반적인 음성 인식 또는 스크린 리더 소프트웨어를 사용할 때 일반적으로 제공되지 않는 음성 입력 및 텍스트-투-스피치 출력 기능을 웹 개발자가 제공할 수 있도록 하는 것을 목표로 합니다. API 자체는 기본 음성 인식 및 합성 구현에 대해 중립적이며 서버 기반 및 클라이언트 기반/내장형 인식과 합성 모두를 지원할 수 있습니다. 이 API는 짧은(원샷) 음성 입력과 연속적인 음성 입력을 모두 가능하게 하도록 설계되었습니다. 음성 인식 결과는 각 가설에 대한 기타 관련 정보와 함께 가설 목록으로 웹 페이지에 제공됩니다.

이 명세는 HTML Speech Incubator Group Final Report에 정의된 API의 부분집합입니다. 해당 보고서는 표준화 문서가 아니므로 전적으로 정보 제공용입니다. 그 보고서의 모든 부분은 이 문서와 관련하여 정보 참고 자료로 간주될 수 있으며, 이 문서에 대한 배경 설명을 제공합니다. 이 명세는 해당 보고서의 완전 기능 부분집합입니다. 구체적으로, 이 부분집합은 기본 전송 프로토콜과 제안된 HTML 마크업 추가를 제외하고, 자바스크립트 API의 단순화된 부분집합을 정의합니다. 이 부분집합은 Incubator Group Final Report의 대부분의 사용 사례와 샘플 코드를 지원합니다. 이 부분집합은 향후 마크업, API 또는 기본 전송 프로토콜에 대한 추가 표준화를 배제하지 않으며, 실제로 Incubator 보고서는 향후 작업을 위한 잠재적 로드맵을 정의합니다.

2. 사용 사례

이 섹션은 비규범적입니다.

이 명세는 Incubator Report의 섹션 4에 정의된 다음 사용 사례를 지원합니다.

• 음성 웹 검색
• 음성 명령 인터페이스
• 개방형 대화의 연속 인식
• 시각적 UI가 필요하지 않을 때 동작하는 음성 UI
• 음성 활동 감지
• 시각적 피드백을 제공하기 위한 합성의 시간적 구조
• 헬로 월드
• 음성 번역
• 음성 지원 이메일 클라이언트
• 대화형 시스템
• 다중 모달 상호작용
• 음성 기반 운전 안내
• 다중 모달 비디오 게임
• 다중 모달 검색

API를 최소화하기 위해, 이 명세는 다음 사용 사례를 직접적으로 지원하지 않습니다. 이는 향후 API 확장으로 지원을 추가하는 것을 배제하지 않으며, 실제로 Incubator 보고서는 이를 위한 로드맵을 제공합니다.

• 재인식

3. 보안 및 개인정보 보호 고려사항

1. 사용자 에이전트는 명시적이고 충분히 설명된 사용자 동의가 있을 때만 음성 입력 세션을 시작해야 합니다. 사용자 동의는 예를 들어 다음을 포함할 수 있습니다:
   • 명확한 그래픽 표시로 음성 입력을 시작함을 보여주는 가시적 음성 입력 요소에 사용자가 클릭하는 경우
   • start() 호출의 결과로 표시되는 권한 프롬프트를 수락하는 경우
   • 이 웹 페이지에 대해 항상 음성 입력을 허용하도록 이전에 부여된 동의
2. 사용자 에이전트는 오디오가 녹음되고 있을 때 사용자에게 명확한 표시를 제공해야 합니다.
   • 그래픽 사용자 에이전트에서는 이것이 브라우저 크롬의 일부로 사용자 에이전트가 표시하는 필수 알림이고 웹 페이지에서 접근할 수 없어야 합니다. 예를 들어 브라우저 크롬/주소 표시줄의 맥동/깜박이는 녹음 아이콘, 상태 표시줄의 표시, 음성 알림 등 사용자에게 관련 있고 접근 가능한 어떤 것이 될 수 있습니다. 이 UI 요소는 또한 사용자가 녹음을 중지할 수 있도록 해야 합니다.
     
   • 음성 전용 사용자 에이전트에서는 표시가 예를 들어 음성 입력 요소의 레이블을 시스템이 말한 다음 짧은 삑 소리를 내는 형태일 수 있습니다.
3. 사용자 에이전트는 또한 처음으로 음성 입력이 사용될 때 사용자가 그것이 무엇인지, 필요할 경우 음성 녹음을 비활성화하기 위해 개인 정보 설정을 어떻게 조정할 수 있는지 알려주기 위한 보다 긴 설명을 제공할 수 있습니다.
4. 핑거프린팅 위험을 완화하기 위해, 사용자 에이전트는 MediaStreamTrack에서 음성 인식을 수행할 때 음성 인식을 개인화해서는 안됩니다.

3.1. 구현 시 고려사항

이 섹션은 비규범적입니다.

1. 말로 입력하는 비밀번호는 보안 관점에서 문제가 될 수 있지만, 비밀번호를 말할지 여부는 사용자 스스로 결정할 문제입니다.
2. 음성 입력은 잠재적으로 사용자를 도청하는 데 사용될 수 있습니다. 악의적인 웹페이지는 입력 요소를 숨기거나 녹음을 중지한 것처럼 사용자에게 믿게 만들면서 계속해서 녹음하도록 하는 등의 속임수를 사용할 수 있습니다. 또한 입력 요소를 다른 것으로 보이도록 스타일링하여 사용자를 속여 클릭하게 할 수도 있습니다. 파일 입력 요소를 스타일링한 예는 https://www.quirksmode.org/dom/inputfile.html에서 볼 수 있습니다. 위의 권고 사항은 이러한 공격 위험을 줄이기 위한 것입니다.

4. API 설명

이 섹션은 규범적입니다.

4.1. SpeechRecognition 인터페이스

음성 인식 인터페이스는 주어진 인식을 제어하기 위한 스크립트 가능한 웹 API입니다.

SpeechRecognition 내부 슬롯은 다음 항목들로 구성된다:

[[started]]

음성 인식이 시작되었는지를 나타내는 불리언 플래그입니다. 초기 값은 false입니다.

[[processLocally]]

인식이 로컬에서 수행되어야 하는지를 나타내는 불리언 플래그로, MUST로 로컬에서 수행되어야 함을 나타냅니다. 초기 값은 false입니다.

[[phrases]]

컨텍스트 바이어싱을 위한 구문 목록을 나타내는 ObservableArray 형식의 SpeechRecognitionPhrase 객체들입니다. 초기 값은 새로운 빈 ObservableArray입니다.

[SecureContext, Exposed=Window]
interface SpeechRecognition : EventTarget {
    constructor();

    // recognition parameters
    attribute SpeechGrammarList grammars;
    attribute DOMString lang;
    attribute boolean continuous;
    attribute boolean interimResults;
    attribute boolean unspokenPunctuation;
    attribute unsigned long maxAlternatives;
    attribute boolean processLocally;
    attribute ObservableArray<SpeechRecognitionPhrase> phrases;

    // methods to drive the speech interaction
    undefined start();
    undefined start(MediaStreamTrack audioTrack);
    undefined stop();
    undefined abort();
    static Promise<SpeechRecognitionAvailabilityStatus> available(SpeechRecognitionOptions options);
    static Promise<boolean> install(SpeechRecognitionOptions options);

    // event methods
    attribute EventHandler onaudiostart;
    attribute EventHandler onsoundstart;
    attribute EventHandler onspeechstart;
    attribute EventHandler onspeechend;
    attribute EventHandler onsoundend;
    attribute EventHandler onaudioend;
    attribute EventHandler onresult;
    attribute EventHandler onnomatch;
    attribute EventHandler onerror;
    attribute EventHandler onstart;
    attribute EventHandler onend;
};

enum SpeechRecognitionQuality {
  "command",
  "dictation",
  "conversation"
};

dictionary SpeechRecognitionOptions {
  required sequence<DOMString> langs;
  boolean processLocally = false;
  SpeechRecognitionQuality quality = "command";
};

enum SpeechRecognitionErrorCode {
    "no-speech",
    "aborted",
    "audio-capture",
    "network",
    "not-allowed",
    "service-not-allowed",
    "language-not-supported",
    "phrases-not-supported"
};

enum SpeechRecognitionAvailabilityStatus {
    "unavailable",
    "downloadable",
    "downloading",
    "available"
};

[SecureContext, Exposed=Window]
interface SpeechRecognitionErrorEvent : Event {
    constructor(DOMString type, SpeechRecognitionErrorEventInit eventInitDict);
    readonly attribute SpeechRecognitionErrorCode error;
    readonly attribute DOMString message;
};

dictionary SpeechRecognitionErrorEventInit : EventInit {
    required SpeechRecognitionErrorCode error;
    DOMString message = "";
};

// Item in N-best list
[SecureContext, Exposed=Window]
interface SpeechRecognitionAlternative {
    readonly attribute DOMString transcript;
    readonly attribute float confidence;
};

// A complete one-shot simple response
[SecureContext, Exposed=Window]
interface SpeechRecognitionResult {
    readonly attribute unsigned long length;
    getter SpeechRecognitionAlternative? item(unsigned long index);
    readonly attribute boolean isFinal;
    readonly attribute double speechStartTime;
    readonly attribute double speechEndTime;
};

// A collection of responses (used in continuous mode)
[SecureContext, Exposed=Window]
interface SpeechRecognitionResultList {
    readonly attribute unsigned long length;
    getter SpeechRecognitionResult? item(unsigned long index);
};

// A full response, which could be interim or final, part of a continuous response or not
[SecureContext, Exposed=Window]
interface SpeechRecognitionEvent : Event {
    constructor(DOMString type, SpeechRecognitionEventInit eventInitDict);
    readonly attribute unsigned long resultIndex;
    readonly attribute SpeechRecognitionResultList results;
};

dictionary SpeechRecognitionEventInit : EventInit {
    unsigned long resultIndex = 0;
    required SpeechRecognitionResultList results;
};

// The object representing a speech grammar. This interface has been deprecated and exists in this spec for the sole purpose of maintaining backwards compatibility.
[Exposed=Window]
interface SpeechGrammar {
    attribute DOMString src;
    attribute float weight;
};

// The object representing a speech grammar collection. This interface has been deprecated and exists in this spec for the sole purpose of maintaining backwards compatibility.
[Exposed=Window]
interface SpeechGrammarList {
    constructor();
    readonly attribute unsigned long length;
    getter SpeechGrammar? item(unsigned long index);
    undefined addFromUri(DOMString src,
                    optional float weight = 1.0);
    undefined addFromString(DOMString string,
                    optional float weight = 1.0);
};

// The object representing a phrase for contextual biasing.
[SecureContext, Exposed=Window]
interface SpeechRecognitionPhrase {
    constructor(DOMString phrase, optional float boost = 1.0);
    readonly attribute DOMString phrase;
    readonly attribute float boost;
};

4.1.1. SpeechRecognition 속성

grammars attribute, of type SpeechGrammarList

grammars 속성은 이 인식에 대해 활성화된 문법을 나타내는 SpeechGrammar 객체들의 컬렉션을 저장합니다. 이 속성은 아무 동작도 하지 않으며 이 명세에 존재하는 것은 이전 호환성을 유지하기 위한 유일한 목적입니다.

lang attribute, of type DOMString

이 속성은 유효한 BCP 47 언어 태그를 사용하여 요청의 인식 언어를 설정합니다. [BCP47] 설정되지 않은 경우 스크립트에서 가져올 때 unset 상태로 남지만, 기본적으로 html 문서 루트 요소 및 관련 계층의 언어를 사용하도록 기본값이 적용됩니다. 이 기본값은 입력 요청이 인식 서비스에 연결을 열 때 계산되어 사용됩니다.

continuous attribute, of type boolean

continuous 속성이 false로 설정되면, 사용자 에이전트는 인식 시작에 대한 응답으로 하나의 최종 결과를 초과하여 반환해서는 안됩니다. 예를 들어 단일 턴 상호작용 패턴의 경우입니다. continuous 속성이 true로 설정되면, 사용자 에이전트는 인식 시작에 대한 응답으로 여러 연속 인식을 나타내는 0개 이상의 최종 결과를 반환해야 합니다. 예를 들어 받아쓰기의 경우입니다. 기본값은 false여야 합니다. 이 속성 설정은 임시 결과(interim results)에는 영향을 주지 않습니다.

interimResults attribute, of type boolean

임시 결과가 반환되는지 여부를 제어합니다. true로 설정되면 임시 결과가 반환되어야 합니다. false로 설정되면 임시 결과는 반환되어서는 안 됩니다. 기본값은 false여야 합니다. 이 속성 설정은 최종 결과에는 영향을 주지 않습니다.

unspokenPunctuation 속성, 타입은 boolean

이 속성은 음성 인식 엔진이 사용자가 구두점 명령을 명시적으로 말할 필요 없이, 자연스러운 휴지, 문법 구조, 운율을 기반으로 마침표, 쉼표, 물음표 같은 구두점을 자동으로 추론하고 삽입할지 여부를 제어한다. 기본값은 false여야 한다.

maxAlternatives 속성, 타입은 unsigned long

이 속성은 결과마다 SpeechRecognitionAlternative의 최대 개수를 설정한다. 기본값은 1이다.

processLocally 속성, 타입은 boolean

이 속성이 true로 설정되면, 음성 인식 프로세스가 사용자의 장치에서 로컬로 MUST 수행되어야 한다는 요구사항을 나타낸다. false로 설정되면, 사용자 에이전트는 로컬 처리와 원격 처리 중 하나를 선택할 수 있다. 기본값은 false이다.

processLocally가 false이면 사용자 음성 데이터가 처리를 위해 원격 서버로 전송될 수 있습니다. 사용자 에이전트는 음성 처리 위치를 사용자에게 투명하게 알리는 것이 좋습니다(SHOULD; 클라우드 기반 구현과 온디바이스 구현 참조).

processLocally의 값과 관계없이, 구현은 이 API를 통해 얻은 사용자 음성 입력으로 온디바이스 음성 인식 모델을 학습하거나 미세 조정해서는 안 됩니다(MUST NOT). 모델이 나중에 참조할 수 있는 방식으로 음성 입력을 저장하는 것(예: 현재 세션 밖이나 출처를 넘나드는 개인화)도 금지됩니다(사용자 입력 및 음성 데이터 참조).

온디바이스 음성 인식을 기반 운영체제가 제공하는 모델이나 기능에 위임할 때, 사용자 에이전트는 모델 동작을 덜 통제할 수 있더라도 이 명세의 모든 개인정보 보호 및 보안 요구 사항을 반드시 충족해야 합니다(MUST; 운영체제가 제공하는 모델 참조).

phrases 속성, 타입은 ObservableArray<SpeechRecognitionPhrase>

phrases 속성은 문맥적 편향에 사용될 SpeechRecognitionPhrase 객체의 목록을 제공한다. 이는 ObservableArray이며, JavaScript Array처럼 수정할 수 있다(예: push() 사용).

getter 단계는 [[phrases]]의 값을 반환하는 것이다.

그룹은 WebRTC가 오디오 소스 선택 및 원격 인식기 지정에 사용될 수 있는지 여부를 논의했습니다. 관련 스레드는 Interacting with WebRTC, the Web Audio API and other external sources입니다.

4.1.2. SpeechRecognition 메서드

start() 메서드

기기의 마이크에서 직접 음성 인식 프로세스를 시작한다. 호출되면 다음 단계를 실행한다:

1. requestMicrophonePermission을 true로 설정된 불리언 변수라고 하자.

2. requestMicrophonePermission을 사용하여 세션 시작 알고리즘을 실행한다.

start(MediaStreamTrack audioTrack) 메서드

MediaStreamTrack을 사용하여 음성 인식 프로세스를 시작한다. 호출되면 다음 단계를 실행한다:

1. audioTrack을 첫 번째 인수라고 하자.

2. audioTrack의 kind 속성이 "audio"가 아니라면, InvalidStateError를 발생시키고 이 단계를 중단한다.

3. audioTrack의 readyState 속성이 "live"가 아니라면 InvalidStateError를 발생시키고 이 단계를 중단한다.

4. requestMicrophonePermission을 false라고 하자.

5. 다음을 실행합니다: 세션 시작 알고리즘, 인수는 requestMicrophonePermission 및 audioTrack입니다.

stop() 메서드

stop 메서드는 인식 서비스에 더 이상의 오디오 수신을 중지하고, 이 인식을 위해 이미 수신한 오디오만 사용하여 결과를 반환하도록 시도하라는 지시를 나타낸다. stop 메서드의 일반적인 사용 사례는 무전기와 유사하게 최종 사용자가 종료 시점을 지정하는 웹 애플리케이션일 수 있다. 최종 사용자는 시스템에 말하기 위해 스페이스 바를 누른 채 유지할 수 있으며, 스페이스 바를 누를 때 start 호출이 발생하고 스페이스 바를 놓으면 시스템이 더 이상 사용자의 음성을 듣지 않도록 stop 메서드가 호출된다. stop 메서드가 호출된 후에는 음성 서비스가 추가 오디오를 수집해서는 안 되며 사용자의 음성을 계속 듣고 있어서도 안 된다. 음성 서비스는 이 인식을 위해 이미 수집한 오디오를 기반으로 인식 결과(또는 nomatch)를 반환하려고 시도해야 한다. 이미 중지되었거나 중지 중인 객체에서 stop 메서드가 호출되면(즉, 해당 객체에서 start가 호출된 적이 없거나, end 또는 error 이벤트가 발생했거나, 이전에 stop이 호출된 경우), 사용자 에이전트는 해당 호출을 무시해야 한다.

abort() 메서드

abort 메서드는 즉시 듣기와 인식을 중지하고 어떠한 정보도 반환하지 않은 채 시스템이 완료되도록 요청한다. abort 메서드가 호출되면 음성 서비스는 인식을 중지해야 한다. 사용자 에이전트는 음성 서비스가 더 이상 연결되어 있지 않게 되면 end 이벤트를 발생시켜야 한다. 이미 중지되었거나 중단 중인 객체에서 abort 메서드가 호출되면(즉, 해당 객체에서 start가 호출된 적이 없거나, end 또는 error 이벤트가 발생했거나, 이전에 abort가 호출된 경우), 사용자 에이전트는 해당 호출을 무시해야 한다.

available(SpeechRecognitionOptions options) 메서드

available 메서드는 요청된 quality 수준을 포함하여 SpeechRecognitionOptions 인수와 일치하는 인식 가용성을 나타내는 SpeechRecognitionAvailabilityStatus 이행되는 Promise를 반환한다. 이 메서드에 대한 접근은 "on-device-speech-recognition" 정책 제어 기능에 의해 제한되며, 이 기능의 기본 허용 목록은 'self'이다.

교차 출처 핑거프린팅과 사이트 간 공모를 방지하기 위해, 사용자 에이전트는 저장소 키별로 온디바이스 언어 팩 가용성을 반드시 분할해야 합니다(MUST). processLocally가 true일 때는 사용자 기기의 실제 언어 팩이 "available" 또는 "downloading" 상태이더라도, 기본적으로 available()에서 "downloadable"을 반환하여 현재 다운로드 상태를 반드시 마스킹해야 합니다(MUST; 가용성 알고리즘의 이 단계 및 다운로드 상태 마스킹 참조). 이 다운로드 마스킹 상태는 각 (options, 저장소 키) 튜플마다 설정됩니다(구체적으로는 주어진 저장소 키에 대해 options의 langs에 있는 언어별로 및 quality별로 설정하며 processLocally는 무시함). 사용자 에이전트는 해당 키 안의 웹 페이지가 주어진 옵션으로 install()를 명시적으로 호출하고, 그 호출이 다운로드를 성공적으로 시작하거나 진행 중인 다운로드에 참여하거나 true로 이행한 후에만 특정 (options, 저장소 키) 튜플의 상태를 "unmasked"로 설정해야 합니다(MUST; 언어 팩이 준비되었음을 나타내며 install()의 이 단계 참조). 구현은 해당 저장소 키의 다른 저장소가 지워질 때마다 저장소 키 기반의 다운로드 마스킹 상태도 반드시 지워지도록 해야 합니다(MUST).

사용자 에이전트는 available()로 언어 팩이 "available"인지 판정할 때, 단일 사용자 에이전트 버전과 조합될 수 있는 온디바이스 모델 버전 수를 제한하는 것이 좋습니다(SHOULD). 예를 들어 모델 업데이트를 사용자 에이전트 업데이트에 연결하거나, 사용자 에이전트 업데이트 후 최소 버전 기준 미만의 이미 다운로드된 모델을 무시하고 새 버전에 대해 대신 "downloadable"을 보고할 수 있습니다(모델 버전 참조).

호출되면 다음 단계를 실행한다:

1. promise를 새 프로미스라고 하자.

2. options 및 promise를 사용하여 가용성 알고리즘을 실행한다.

3. promise를 반환한다.

install(SpeechRecognitionOptions options) 메서드

install 메서드는 options.langs에 지정된 모든 언어에 대해 요청한 quality 수준 하한과 일치하는 음성 인식 언어 팩의 설치를 시도합니다. boolean으로 이행되는 Promise를 반환합니다. 요청되고 지원되는 언어의 모든 설치 시도가 성공하거나 해당 언어가 이미 설치되어 있으면 프로미스는 true로 이행됩니다. options.langs가 비어 있거나 요청한 언어 중 지원되지 않는 언어가 있거나 지원되는 언어의 설치 시도 중 하나라도 실패하면 프로미스는 false로 이행됩니다. 이 호출이 다운로드를 시작하게 되지만 호출하는 Window에 일시적 활성화가 없으면 프로미스는 NotAllowedError로 거부됩니다. 이 메서드에 대한 접근은 기본 허용 목록이 'self'인 "on-device-speech-recognition" 정책 제어 기능에 의해 제한됩니다.

호출되면 다음 단계를 실행한다:

1. promise를 새로운 프로미스로 둡니다.

2. 만약 현재 설정 객체의 관련 전역 객체의 연결된 Document가 완전히 활성 상태가 아니라면, promise를 InvalidStateError로 거부하고, 이 단계들을 중단한 후 promise를 반환합니다.

3. 만약 langs 가 options에서 빈 시퀀스라면, promise를 false로 이행하고, 이 단계들을 중단한 후 promise를 반환합니다.

4. lang가 langs 에 포함된 options의 언어 중 유효한 [BCP47] 언어 태그가 아닌 것이 하나라도 있으면, promise를 SyntaxError로 거부하고, 이 단계들을 중단한 후 promise를 반환합니다.

5. lang에 대한 기기 내 음성 인식 언어 팩이 langs 에 지정된 options의 언어 중 하나라도 지원되지 않으면, promise를 false로 이행하고, 이 단계들을 중단한 후 promise를 반환합니다.

6. options에 대한 available()가 "downloadable"로 이행될 경우(options의 processLocally가 true인 것으로 평가), 즉 호출하는 웹 페이지가 관찰할 수 있는 범위에서 이 호출이 다운로드를 시작할 경우:

   1. 현재 설정 객체의 관련 전역 객체에 일시적 활성화가 없으면 NotAllowedError로 promise를 거부하고, 이 단계를 중단한 뒤 promise를 반환합니다.

   2. 현재 설정 객체의 관련 전역 객체를 인수로 하여 사용자 활성화를 소비합니다.

   참고: available()에는 다운로드 마스킹 상태 규칙이 적용되므로, 이 검사는 실제 다운로드 상태가 아니라 마스킹된 가용성 상태를 기준으로 합니다. 따라서 install()에 일시적 활성화가 필요한지 여부는 여전히 마스킹된 웹 페이지에 실제 다운로드 상태를 드러내지 않습니다.

7. 병렬로 다음 단계들을 실행합니다:

   1. 사용자 에이전트는 온디바이스 음성 인식 언어 팩을 다운로드할 명시적 권한을 사용자에게 요청할 수 있습니다(MAY). 또한 암묵적인 신호(예: 관찰된 악용 패턴; 설치 시의 제약 참조)나 저장 공간 압박을 근거로 다운로드 시작을 거부할 수 있습니다(MAY). 저장 공간 압박이 발생하면 사용자 에이전트는 온디바이스 음성 인식의 유용성과 언어 팩이 차지하는 디스크 공간 사이의 균형을 맞추는 것이 좋습니다(SHOULD; 새 다운로드를 거부하거나 다른 방법으로 공간을 확보할 수 있으나 아래의 축출 요구 사항의 적용을 받음; 언어 팩의 디스크 공간 참조). 또한 사용자를 이러한 결정에 참여시킬 수 있습니다(MAY; 예: 다운로드 시 권한 프롬프트나 다운로드한 언어 팩 관리용 브라우저 UI). 다운로드가 허용되지 않으면 관련 전역 객체의 작업 큐에 작업을 큐에 추가하여 promise를 false로 이행하고, 이 단계를 중단합니다.

   2. options의 langs에 있는 각 lang에 대해, 요청한 quality 수준 하한에 맞는 lang의 온디바이스 음성 인식 언어 팩 다운로드를 시작합니다(이미 설치되었거나 다운로드 중인 경우 제외).

   3. options의 langs에 있는 모든 lang에 대해 다운로드가 성공적으로 시작되었거나 언어 팩이 이미 설치되었거나 다운로드 중이면, (options, 저장소 키)의 다운로드 마스킹 상태를 "unmasked"로 설정합니다.

   4. options의 langs가 지정한 모든 언어의 다운로드가 성공하거나 실패할 때까지 기다립니다. 사용자 에이전트는 개인정보 보호에 도움이 된다고 판단하면, 언어 팩이 이미 있더라도 즉시 이행하지 않고 다운로드를 인위적으로 가장할 수 있습니다(MAY; 예: promise를 이행하기 전에 지연 추가; 민감한 언어 정보 참조). 이러한 가장 다운로드 중에는 사용자 에이전트가 해당 저장소 키의 가용성 상태를 반드시 "downloading"으로 보고해야 합니다(MUST). 또한 해당 저장소 키에서 관찰할 수 있는 다른 용도에서도 언어 팩을 아직 설치되지 않은 것으로 취급해야 합니다. 여기에는 세션 시작 알고리즘 및 가용성 알고리즘의 processLocally가 false인 분기가 포함되며, 웹 페이지가 인위적인 지연과 실제 다운로드를 구별하지 못하도록 합니다.

   5. 이 모든 언어의 다운로드가 성공했다면 result를 true로, 그렇지 않으면 result를 false로 설정합니다.

   6. 작업을 큐에 추가하여 관련 전역 객체의 작업 큐에서 promise를 result로 이행하도록 합니다.

      참고: Promise가 false로 이행되어도 구체적인 실패 원인을 나타내지는 않습니다. 사용자 에이전트는 더 자세한 실패 정보를 개발자 도구 콘솔 메시지에 제공하는 것이 권장됩니다. 그러나 이러한 자세한 오류 정보는 스크립트에 노출되지 않습니다.

8. promise를 반환합니다.

   이 알고리즘은 options의 processLocally 값을 사용하지 않습니다. install()는 항상 온디바이스 언어 팩을 대상으로 하므로, 위의 가용성 검사에서는 그 값을 true로 취급합니다.

요청한 문서가 파괴되거나 다른 곳으로 탐색되면 사용자 에이전트는 표준 자원 관리 정책에 따라 진행 중인 언어 팩 다운로드를 취소할 수 있습니다(MAY). 단, 다른 저장소 키에서 관찰할 수 있는 가용성 상태를 변경해서는 안 됩니다(예: 다른 저장소 키도 기다리는 기반 다운로드는 취소하지 않음; 다운로드 취소 참조).

사용자 에이전트는 웹 페이지가 다운로드한 언어 팩의 축출을 제어할 수 있는 시스템을 구현하지 않는 것이 좋습니다(SHOULD NOT). 여기에는 이후 추가 다운로드 같은 간접 트리거도 포함됩니다(예: 웹 페이지가 유발한 저장 공간 압박에 대한 할당량 기반 또는 최근 최소 사용 방식의 축출; 다운로드 데이터 축출 참조). 사용자가 제어하는 동작(예: 브라우저 설정 UI)에 대응하는 축출은 허용됩니다.

4.1.3. SpeechRecognitionAvailabilityStatus 열거형 값

이 SpeechRecognitionAvailabilityStatus 열거형은 음성 인식 기능의 이용 가능 여부를 나타냅니다. 이 열거형의 값은 다음과 같습니다:

"unavailable"

지정된 언어 및 처리 방식에 대해 음성 인식을 사용할 수 없음을 나타냅니다. 만약 processLocally 의 options 값이 true이면, 해당 언어의 기기 내 음성 인식을 사용자 에이전트가 지원하지 않음을 의미합니다. 만약 processLocally 의 options 값이 false이면, 지정된 언어 중 하나 이상에 대해 로컬 및 원격 음성 인식을 모두 사용할 수 없음을 의미합니다.

"downloadable"

지정된 언어에 대한 기기 내 음성 인식을 사용자 에이전트가 지원하지만 아직 설치되지 않았음을 나타냅니다. install() 메서드를 사용하여 설치할 수 있습니다. 이 상태는 주로 processLocally 의 options 값이 true인 경우와 관련이 있습니다.

"downloading"

지정된 언어에 대한 기기 내 음성 인식 기능이 현재 다운로드 중임을 나타냅니다. 이 상태는 주로 processLocally 의 options 값이 true인 경우와 관련이 있습니다.

"available"

지정된 모든 언어와 주어진 처리 방식에 대해 음성 인식을 사용할 수 있음을 나타냅니다. 만약 processLocally 의 options 값이 true이면, 기기 내 음성 인식이 설치되어 사용할 준비가 되었음을 의미합니다. 만약 processLocally 의 options 값이 false이면, 음성 인식(로컬 또는 원격)을 사용할 수 있음을 의미합니다.

4.1.4. SpeechRecognitionQuality 열거형 값

SpeechRecognitionQuality 열거형은 음성 인식 모델에 대해 요청된 의미적 능력 및 품질 수준 하한을 나타낸다. 그 값은 다음과 같다:

"command"

수준 1: 짧은 구문, 단일 화자, 제한된 어휘(예: 스마트 홈 또는 간단한 앱을 위한 음성 명령).

"dictation"

수준 2: 연속 음성, 보통 수준의 배경 소음, 단일 주 화자(예: SMS/Email 같은 긴 형식의 텍스트 입력).

"conversation"

수준 3: 다중 화자, 복잡한 어휘, 높은 소음 허용도(예: 회의 전사 및 연속 자막).

availability algorithm에 options와 promise가 전달되면, 사용자 에이전트는 다음 단계를 실행해야 합니다:

1. 만약 현재 설정 객체의 관련 전역 객체의 연결된 Document가 완전히 활성 상태가 아니라면, promise를 InvalidStateError 로 거부하고 이 단계들을 중단합니다.

2. langs를 langs 에 지정된 options의 값으로 둡니다.

3. langs에 포함된 lang 중 유효한 [BCP47] 언어 태그가 아닌 것이 하나라도 있으면, promise를 SyntaxError 로 거부하고 이 단계들을 중단합니다.

4. processLocally 의 options 값이 false이면:

   1. langs가 빈 시퀀스이면, status를 unavailable로 둡니다.

   2. 그렇지 않고 langs의 모든 language에 대해 음성 인식을 사용할 수 있으면 status를 available로 설정합니다. 이 인식은 원격일 수 있으며, 호출자의 저장소 키에 대해 다운로드 마스킹 상태가 "unmasked"이면 온디바이스일 수도 있습니다.

   3. 그렇지 않으면, status를 unavailable로 둡니다.

5. processLocally 의 options 값이 true이면:

   1. langs가 빈 시퀀스이면, status를 unavailable로 둡니다.
   2. 그렇지 않으면:
      1. finalStatus를 available로 둡니다.
      2. langs에 포함된 각 language에 대해:
         1. currentLanguageStatus를 선언합니다.
         2. options에서 요청한 quality에 맞는 language의 온디바이스 음성 인식 모델이 설치되어 있고(모델 버전 제한 고려), 호출자의 저장소 키에 대해 the install() algorithm에 따른 가장 다운로드가 진행 중이지 않으면 currentLanguageStatus를 available로 설정합니다.
         3. 그렇지 않고 options에서 요청한 quality에 맞는 language의 온디바이스 음성 인식 모델이 다운로드 중이면(호출자의 저장소 키에 대해 the install() algorithm에 따라 수행하는 가장 다운로드 포함), currentLanguageStatus를 downloading으로 설정합니다.
         4. 그렇지 않고 사용자 에이전트가 options에서 요청한 quality에 맞는 language의 온디바이스 음성 인식을 지원하지만 아직 설치하지 않았으면 currentLanguageStatus를 downloadable로 설정합니다.
         5. 그렇지 않으면(language에 대한 기기 내 음성 인식이 지원되지 않는 경우), currentLanguageStatus를 unavailable로 설정합니다.
         6. currentLanguageStatus가 available 또는 downloading이고, (options, 저장소 키)의 다운로드 마스킹 상태가 language에 대해 "unmasked"가 아니면 currentLanguageStatus를 downloadable로 설정합니다.
         7. currentLanguageStatus가 finalStatus보다 아래의 순서가 지정된 목록 [{{SpeechRecognitionAvailabilityStatus/available}}, {{SpeechRecognitionAvailabilityStatus/downloading}}, {{SpeechRecognitionAvailabilityStatus/downloadable}}, {{SpeechRecognitionAvailabilityStatus/unavailable}}], 에서 뒤에 있다면, finalStatus를 currentLanguageStatus로 설정합니다.
      3. status를 finalStatus로 둡니다.

6. 작업을 큐에 추가하여 관련 전역 객체의 작업 큐에서 다음 단계를 실행하도록 합니다:

   • promise를 status로 이행합니다.

세션 시작 알고리즘이 requestMicrophonePermission 및 audioTrack(제공된 경우)를 인수로 호출되면, 사용자 에이전트가 반드시 실행해야 하는 것은 다음 단계입니다:

1. 만약 현재 설정 객체의 관련 전역 객체의 연결된 Document가 완전히 활성화된 상태가 아니면, InvalidStateError를 던지고 이 단계를 중단합니다.

2. 만약 [[started]]가 true이고, error 이벤트나 end 이벤트가 해당 객체에서 발생하지 않았다면, InvalidStateError를 던지고 이 단계를 중단합니다.

3. 만약 this.phrases의 length가 0보다 크고 사용자 에이전트가 문맥 편향을 지원하지 않는다면:

   1. 작업을 큐에 추가합니다. 이 작업에서는 이벤트를 발생시키며, 이벤트 이름은 error이고 대상은 this이며 SpeechRecognitionErrorEvent를 사용합니다. 이때 해당 error 속성을 phrases-not-supported로 초기화하고, 해당 message 속성을 그 이유를 자세히 설명하는 구현 정의 문자열로 설정합니다.

   2. 이 단계를 중단합니다.

4. this.[[processLocally]]의 값과 관계없이, 사용자 에이전트는 호출자의 저장소 키에 대해 다운로드 마스킹 상태가 "unmasked"가 아닌 온디바이스 언어 팩을 로컬 음성 인식에 사용할 수 없는 것으로 반드시 취급해야 합니다(MUST). this.[[processLocally]]가 true이거나, 사용자 에이전트가 그 밖의 이유로 로컬 음성 인식을 시도하는 경우(예: 원격 음성 인식을 지원하지 않거나 사용하지 않을 때):

   1. 사용자 에이전트가 this.lang에 대해 로컬 음성 인식을 사용할 수 없다고 판단하는 경우(호출자의 저장소 키에 대해 다운로드 마스킹 상태가 "unmasked"가 아니거나, 이미 설치되었던 언어 팩이 축출되어 더 이상 사용할 수 없는 경우 포함; 다운로드 마스킹 요구 사항 및 아래의 축출 후 실패 처리 요구 사항 참조), 또는 다른 이유(예: 자원 고갈 방지)로 로컬 처리를 수행할 수 없는 경우:

      1. this에 error라는 이름의 이벤트를 발생시키기 위해(이벤트 발생) 작업을 큐에 추가합니다. SpeechRecognitionErrorEvent를 사용하고, error 속성은 service-not-allowed로 초기화하며, message 속성은 이유를 자세히 설명하는 구현 정의 문자열로 설정합니다. 이 문자열은 호출자의 저장소 키에 대해 다운로드 마스킹 상태가 "unmasked"가 아닌 언어 팩이 설치되었는지 또는 다운로드 중인지 절대로 드러내서는 안 됩니다(MUST NOT).

      2. 이 단계를 중단합니다.

5. [[started]]를 true로 설정합니다.

6. 만약 requestMicrophonePermission이 true이고 사용 권한 요청의 결과가 "microphone"에 대해 "denied"라면:

   1. 작업을 큐에 추가합니다. 이 작업에서는 이벤트를 발생시키며, 이벤트 이름은 error이고 대상은 this이며 SpeechRecognitionErrorEvent를 사용합니다. 이때 해당 error 속성을 not-allowed로 초기화하고, 해당 message 속성을 그 이유를 자세히 설명하는 구현 정의 문자열로 설정합니다.

   2. 이 단계를 중단합니다.

7. 오디오 소스에서 오디오를 소비하기 시작하며(소스는 MediaStreamTrack 이 제공되었다면 해당 트랙, 그렇지 않으면 마이크), 인식 서비스가 아직 준비되지 않았다면 프레임을 버퍼링합니다. 이로써 인식 세션의 세션 오디오 타임라인이 설정되며, 이는 경과한 오디오 시간을 초 단위로 측정합니다. 처음 소비된 오디오 프레임에서 0.0으로 시작하며, 이후 소비되는 각 오디오 프레임의 지속 시간만큼 증가합니다.

8. 시스템이 음성 인식을 위한 청취를 성공적으로 시작하면, 작업을 큐에 추가하여 이벤트를 발생시킵니다. 이벤트 이름은 start이고 대상은 this입니다.

이미 설치된 언어 팩이 사용 중일 가능성이 있거나 사용 가능할 것으로 예상되는 상황에서 축출되면(예: 사용자 조작 또는 극심한 저장 공간 압박), 모델이 메모리에 남아 있는 동안 현재 또는 후속 세션이 계속 동작할 수 있습니다(MAY). 축출된 언어 팩을 더 이상 사용할 수 없게 되면 이를 사용하려는 시도(예: lang을 해당 언어로, processLocally를 true로 설정하고 start() 호출)는 정상적으로 실패 처리되는 것이 좋습니다(SHOULD). 예를 들어 available()는 "downloadable"(더 이상 지원하지 않으면 "unavailable")을 반환하고, start()는 service-not-allowed(더 이상 지원하지 않으면 language-not-supported) 같은 적절한 오류 코드가 있는 SpeechRecognitionErrorEvent를 발생시킬 수 있습니다(언어 팩의 디스크 공간 참조).

사용자 에이전트는 한 웹 페이지의 온디바이스 음성 인식 사용이 다른 페이지의 API 사용, 다른 페이지의 전반적인 동작 또는 전체 시스템 안정성을 지나치게 방해하지 않도록 하는 것이 좋습니다(SHOULD; 예: 요청 대기열, 속도 제한, 악용 행위 탐지; 런타임 공유 자원 참조). 자원 고갈이나 불안정성을 방지하기 위해 필요하면 사용자 에이전트는 음성 인식 작업을 실패시킬 수 있습니다(MAY; 예: service-not-allowed로 SpeechRecognitionErrorEvent 발생). 온디바이스 음성 인식 세션에는 processLocally 아래의 사용자 입력 보존 규칙과 운영체제 제공 모델 규칙도 적용됩니다.

4.1.5. SpeechRecognition 이벤트

음성 인식 이벤트에는 DOM Level 2 Event Model이 사용됩니다. 이벤트 리스너 등록에는 EventTarget 인터페이스의 메서드를 사용해야 합니다. SpeechRecognition 인터페이스에는 각각의 이벤트 타입별로 하나의 이벤트 핸들러를 등록할 수 있는 편의 속성도 포함되어 있습니다. 이 이벤트들은 버블링되지 않으며 취소할 수 없습니다.

이 모든 이벤트에 대해, DOM Level 2 Event 인터페이스에 정의된 timeStamp 속성은 이벤트 객체가 나타내는 실세계 이벤트가 발생한 시각을 최대한 정확히 나타내도록 설정되어야 합니다. 이 타임스탬프는 사용자 에이전트의 시간 기준이어야 하며, 원격 인식 서비스 등 타 머신에서 발생한 이벤트라도 마찬가지입니다(예: speechend 이벤트가 원격 speech endpointer에서 발생한 경우).

아래에 명시된 경우를 제외하고, 이벤트들의 순서는 정의되지 않습니다. 예를 들어 일부 구현에서는 오디오 감지기가 클라이언트이고 음성 감지기가 서버인 경우, audioend가 speechstart나 speechend보다 먼저 발생할 수 있습니다.

audiostart event

사용자 에이전트가 오디오를 캡처하기 시작할 때 발생합니다.

soundstart event

일부 소리(음성일 수도 있음)가 감지될 때 발생합니다. 이 이벤트는 (예: 클라이언트 측 에너지 감지기를 사용하여) 짧은 지연 시간으로 발생해야 합니다. audiostart 이벤트는 항상 soundstart 이벤트 전에 발생해야 합니다.

speechstart event

음성 인식에 사용할 음성이 시작될 때 발생합니다. audiostart 이벤트는 항상 speechstart 이벤트 전에 발생해야 합니다.

speechend event

음성 인식에 사용할 음성이 끝날 때 발생합니다. speechstart 이벤트는 항상 speechend 전에 발생해야 합니다.

soundend event

소리가 더 이상 감지되지 않을 때 발생합니다. 이 이벤트는 (예: 클라이언트 측 에너지 감지기를 사용하여) 짧은 지연 시간으로 발생해야 합니다. soundstart 이벤트는 항상 soundend 이벤트 전에 발생해야 합니다.

audioend event

사용자 에이전트가 오디오 캡처를 완료했을 때 발생합니다. audiostart 이벤트는 항상 audioend 이벤트 전에 발생해야 합니다.

result event

음성 인식기가 결과를 반환할 때 발생합니다. 이벤트는 SpeechRecognitionEvent 인터페이스를 사용해야 합니다. audiostart 이벤트는 항상 result 이벤트 전에 발생해야 합니다.

nomatch event

음성 인식기가 신뢰 임계값을 충족하거나 초과하는 인식 가설 없이 최종 결과를 반환할 때 발생합니다. 이벤트는 SpeechRecognitionEvent 인터페이스를 사용해야 합니다. 이벤트의 results 속성에는 신뢰 임계값 미만의 음성 인식 결과가 포함되어 있거나 null일 수 있습니다. audiostart 이벤트는 항상 nomatch 이벤트 전에 발생해야 합니다.

error event

음성 인식 오류가 발생할 때 발생합니다. 이벤트는 SpeechRecognitionErrorEvent 인터페이스를 사용해야 합니다.

start event

인식 서비스가 인식을 위해 오디오 듣기를 시작하면 발생합니다.

end event

서비스가 연결이 끊어질 때 발생합니다. 이 이벤트는 종료의 사유와 상관없이 세션이 종료될 때 항상 생성되어야 합니다.

4.1.6. SpeechRecognitionErrorEvent

SpeechRecognitionErrorEvent 인터페이스는 error 이벤트에 사용됩니다.

error attribute, type: SpeechRecognitionErrorCode (readonly)

errorCode는 어떤 문제가 발생했는지를 나타내는 열거형입니다. 값은 다음과 같습니다:

"no-speech"

음성이 감지되지 않았습니다.

"aborted"

음성 입력이 중단되었습니다(예: 일부 사용자 에이전트 UI에서 사용자가 음성 입력을 취소).

"audio-capture"

오디오 캡처에 실패했습니다.

"network"

인식 완료에 필요한 네트워크 통신이 실패했습니다.

"not-allowed"

보안, 개인정보 또는 사용자 설정상의 이유로 사용자 에이전트가 어떤 음성 입력도 허용하지 않습니다.

"service-not-allowed"

사용자 에이전트가 웹 애플리케이션이 요청한 음성 서비스는 허용하지 않으나, 어떤 음성 서비스는 허용할 수 있습니다(지원되지 않아서, 또는 보안, 개인정보, 사용자 설정의 이유 등).

"language-not-supported"

해당 언어가 지원되지 않습니다.

"phrases-not-supported"

음성 인식 모델이 컨텍스트 바이어싱 구문을 지원하지 않습니다.

message attribute, type: DOMString (readonly)

message의 내용은 구현에 따라 다릅니다. 이 속성은 주로 디버깅용이며, 개발자가 자신의 애플리케이션 UI에 직접 사용하는 것은 권장하지 않습니다.

4.1.7. SpeechRecognitionAlternative

SpeechRecognitionAlternative은 n-best 목록에서 사용되는 응답의 단순한 뷰를 나타냅니다.

transcript attribute, 타입 DOMString, readonly

transcript 문자열은 사용자가 말한 원시 단어를 나타냅니다. 연속 인식의 경우, 인접한 SpeechRecognitionResult의 연결 결과가 세션의 올바른 전사문(transcript)이 되도록 앞뒤 공백을 필요에 따라 반드시 포함해야 합니다.

confidence attribute, 타입 float, readonly

confidence는 인식 결과가 올바르다는 것을 인식 시스템이 얼마나 신뢰하는지를 0과 1 사이의 숫자로 나타냅니다. 값이 클수록 시스템의 신뢰도가 더 높음을 의미합니다.

그룹에서는 confidence가 음성 인식 엔진 독립적으로 명시될 수 있는지, 그리고 confidence threshold나 nomatch가 포함될 필요가 있는지 논의했습니다. 이는 다이얼로그 API가 아니기 때문입니다. 관련 논의는 Confidence property 스레드를 참고하세요.

4.1.8. SpeechRecognitionResult

SpeechRecognitionResult 객체는 한 번의 인식 매치 결과 하나를 나타내며, 연속 인식의 한 작은 부분일 수도 있고 비연속 인식의 전체 반환 결과일 수도 있습니다.

length 속성, 자료형: unsigned long, 읽기 전용

long 속성은 항목 배열에 표현된 n-best 대안의 수를 나타냅니다.

item(index) 게터

item 게터는 n-best 값 배열의 index 위치에 있는 SpeechRecognitionAlternative를 반환합니다. index가 length보다 크거나 같으면 null을 반환합니다. 사용자 에이전트는 반드시 length 속성이 배열의 요소 수로 설정되도록 보장해야 합니다. 사용자 에이전트는 반드시 n-best 목록이 신뢰도가 증가하지 않는 순서로 정렬되도록 보장해야 합니다(각 요소의 신뢰도는 반드시 앞선 요소들의 신뢰도보다 작거나 같아야 합니다).

isFinal 속성, 자료형: boolean, 읽기 전용

final boolean 값을 반드시 true로 설정해야 하는 경우는 음성 서비스가 이 특정 index 값을 반환하는 마지막 경우일 때입니다. 값이 false이면, 이는 아직 변경될 수 있는 중간 결과를 나타냅니다.

speechStartTime 속성, 자료형: double, 읽기 전용

double 값입니다. 이 인식 결과에 해당하는 음성 구간의 시작을 오프셋으로 나타내며, 단위는 초이고 기준은 세션 오디오 타임라인입니다.

speechEndTime 속성, 자료형: double, 읽기 전용

double 값입니다. 이 인식 결과에 해당하는 음성 구간의 끝을 오프셋으로 나타내며, 단위는 초이고 기준은 세션 오디오 타임라인입니다.

speechStartTime 및 speechEndTime 은 세션 오디오 타임라인상의 오프셋이며, 시스템 시계의 측정값이 아닙니다. 따라서 오디오 출력 지연이나 오디오 장치 시계와 시스템 시계 사이의 드리프트에 영향을 받지 않으며, 인식이 실시간으로 실행되든 실시간보다 빠르게 실행되든 동일합니다. 이 값들의 정밀도는 구현에서 정의합니다.

4.1.9. SpeechRecognitionResultList

SpeechRecognitionResultList 객체는 연속 인식의 전체 반환 결과를 나타내는 일련의 인식 결과를 보유합니다. 비연속 인식의 경우 단일 값만 보유합니다.

length attribute, 타입 unsigned long, readonly

length 속성은 item 배열에 몇 개의 결과가 포함되어 있는지 나타냅니다.

item(index) getter

item getter는 result 값 배열에서 index 위치의 SpeechRecognitionResult를 반환합니다. index가 length보다 크거나 같으면 null을 반환합니다. 사용자 에이전트는 length 속성이 배열의 요소 개수와 항상 같도록 보장해야 합니다.

4.1.10. SpeechRecognitionEvent

SpeechRecognitionEvent는 임시 또는 최종 결과에 변화가 있을 때마다 발생하는 이벤트입니다.

resultIndex attribute, 타입 unsigned long, readonly

resultIndex는 "results" 배열에서 변경된 가장 낮은 인덱스를 설정합니다.

results attribute, 타입 SpeechRecognitionResultList, readonly

이 세션의 현재 모든 인식 결과 배열입니다. 즉, 반환된 모든 최종 결과에 이어 모든 임시 결과에 대한 현 시점 최고의 가설이 오게 됩니다. 이는 0개 이상의 최종 결과와 그 다음 0개 이상의 임시 결과로 구성되어야 합니다. 이후 SpeechRecognitionResultEvent가 발생할 때마다, 임시 결과는 더 새로운 임시 결과나 최종 결과로 덮어써지거나, (배열의 마지막 위치라면) 삭제될 수 있습니다(배열 길이가 줄어드는 경우). 최종 결과는 덮어써지거나 제거되어서는 안 됩니다. resultIndex보다 작은 인덱스의 모든 항목은 마지막 SpeechRecognitionResultEvent 발생 시점 배열과 동일해야 합니다. resultIndex 이상 인덱스에 해당하는 항목(이전 이벤트의 배열에 있었다면)은 모두 삭제되고 새로운 결과로 덮어쓰여야 합니다. "results" 배열 길이는 늘거나 줄 수 있으나, resultIndex보다 작아서는 안 됩니다. resultIndex가 results.length와 같으면 새 결과가 반환되지 않으며, 이는 배열 길이가 줄어들며 하나 또는 그 이상의 임시 결과가 제거되는 경우에 발생할 수 있습니다.

4.1.11. SpeechRecognitionPhrase

SpeechRecognitionPhrase 객체는 컨텍스트 바이어싱을 위한 구문을 나타내며 다음 내부 슬롯을 가집니다:

[[phrase]]

boost될 텍스트 문자열을 나타내는 DOMString입니다. 초기값은 null입니다. 빈 값은 허용되지만, 음성 인식 모델에서는 무시되어야 합니다.

[[boost]]

이 구문이 음성 인식 모델에서 아는 것보다 웹사이트에서 얼마나 더 자주 등장할 것으로 생각하는지를 자연로그로 근사한 float입니다. boost 값은 [0.0, 10.0] 범위 내의 float이어야 하며, 지정하지 않으면 기본값은 1.0입니다. boost가 0.0이면 전혀 boost되지 않음을 의미하고, boost가 높을수록 해당 구문이 더 많이 나타날 확률이 커집니다. boost를 10.0으로 설정하는 것은 매우 드문 경우여야 하며, 이는 극단적으로 나타날 확률이 높다고 간주됨을 뜻합니다.

SpeechRecognitionPhrase(phrase, boost) constructor

이 생성자가 호출되면 다음 단계를 실행합니다:

1. boost가 0.0보다 작거나 10.0보다 크면 SyntaxError를 던지고 중단합니다.

2. phr을 SpeechRecognitionPhrase 타입 새로운 객체로 만듭니다.

3. phr의 [[phrase]] 에 phrase 값을 설정합니다.

4. phr의 [[boost]] 에 boost 값을 설정합니다.

5. phr을 반환합니다.

phrase attribute, 타입 DOMString, readonly

이 속성은 [[phrase]] 값을 반환합니다.

boost attribute, 타입 float, readonly

이 속성은 [[boost]] 값을 반환합니다.

4.1.12. SpeechGrammar

SpeechGrammar 객체는 문법(grammar)에 대한 컨테이너를 나타냅니다.

문법 지원은 더 이상 권장되지 않으며 제거되었습니다. 문법 객체는 이전 버전과의 호환성을 위해 명세에 남아있을 뿐, 음성 인식에는 영향을 주지 않습니다.

이 구조는 다음 속성을 가집니다:

src attribute, 타입 DOMString

필수 src 속성은 해당 문법의 URI입니다.

weight attribute, 타입 float

옵션 weight 속성은 이 문법을 사용할 때 음성 인식 서비스가 적용해야 하는 비중을 조절합니다. 기본적으로 문법의 weight는 1입니다. weight 값이 높을수록 문법의 비중이 높고, 낮을수록 비중이 약해집니다.

4.1.13. SpeechGrammarList

SpeechGrammarList 객체는 SpeechGrammar 객체 집합을 나타냅니다. 이 구조는 다음 속성을 가집니다:

문법 지원은 더 이상 권장되지 않으며 제거되었습니다. 문법 객체는 이전 버전과의 호환성을 위해 명세에 남아있을 뿐, 음성 인식에는 영향을 주지 않습니다.

length attribute, 타입 unsigned long, readonly

length 속성은 현재 배열에 포함된 문법의 개수를 나타냅니다.

item(index) getter

item 게터는 문법 배열에서 index 위치에 있는 SpeechGrammar를 반환하며, index가 length 속성의 값보다 크거나 같으면 null을 반환한다. 사용자 에이전트는 length 속성의 값이 배열의 요소 수로 설정되도록 해야 한다. 사용자 에이전트는 인덱스의 오름차순이 문법이 배열에 추가된 순서와 일치하도록 해야 한다.

addFromURI(src, weight) 메서드

이 메서드는 URI를 기반으로 grammmars 배열에 문법을 추가합니다. 문법의 URI는 src 매개변수로 지정하며, 이는 문법의 URI를 나타냅니다. 일부 서비스는 URI로 지정할 수 있는 내장 문법을 지원할 수도 있습니다. weight 매개변수는 다른 문법과 비교해 이 문법의 상대적인 비중을 나타냅니다.

addFromString(string, weight) method

이 메서드는 텍스트 기반으로 grammars 배열에 문법을 추가합니다. 문법의 내용은 string 매개변수로 지정합니다. 이 내용은 SpeechGrammar 객체를 만들 때 data: URI로 인코딩되어야 합니다. weight 매개변수는 다른 문법과 비교해 이 문법의 상대적인 비중을 나타냅니다.

4.2. SpeechSynthesis 인터페이스

SpeechSynthesis 인터페이스는 텍스트를 음성으로 변환하는 출력을 제어하는 스크립트 기반 웹 API입니다.

[Exposed=Window]
interface SpeechSynthesis : EventTarget {
    readonly attribute boolean pending;
    readonly attribute boolean speaking;
    readonly attribute boolean paused;

    attribute EventHandler onvoiceschanged;

    undefined speak(SpeechSynthesisUtterance utterance);
    undefined cancel();
    undefined pause();
    undefined resume();
    sequence<SpeechSynthesisVoice> getVoices();
};

partial interface Window {
    [SameObject] readonly attribute SpeechSynthesis speechSynthesis;
};

[Exposed=Window]
interface SpeechSynthesisUtterance : EventTarget {
    constructor(optional DOMString text);

    attribute DOMString text;
    attribute DOMString lang;
    attribute SpeechSynthesisVoice? voice;
    attribute float volume;
    attribute float rate;
    attribute float pitch;

    attribute EventHandler onstart;
    attribute EventHandler onend;
    attribute EventHandler onerror;
    attribute EventHandler onpause;
    attribute EventHandler onresume;
    attribute EventHandler onmark;
    attribute EventHandler onboundary;
};

[Exposed=Window]
interface SpeechSynthesisEvent : Event {
    constructor(DOMString type, SpeechSynthesisEventInit eventInitDict);
    readonly attribute SpeechSynthesisUtterance utterance;
    readonly attribute unsigned long charIndex;
    readonly attribute unsigned long charLength;
    readonly attribute float elapsedTime;
    readonly attribute DOMString name;
};

dictionary SpeechSynthesisEventInit : EventInit {
    required SpeechSynthesisUtterance utterance;
    unsigned long charIndex = 0;
    unsigned long charLength = 0;
    float elapsedTime = 0;
    DOMString name = "";
};

enum SpeechSynthesisErrorCode {
    "canceled",
    "interrupted",
    "audio-busy",
    "audio-hardware",
    "network",
    "synthesis-unavailable",
    "synthesis-failed",
    "language-unavailable",
    "voice-unavailable",
    "text-too-long",
    "invalid-argument",
    "not-allowed",
};

[Exposed=Window]
interface SpeechSynthesisErrorEvent : SpeechSynthesisEvent {
    constructor(DOMString type, SpeechSynthesisErrorEventInit eventInitDict);
    readonly attribute SpeechSynthesisErrorCode error;
};

dictionary SpeechSynthesisErrorEventInit : SpeechSynthesisEventInit {
    required SpeechSynthesisErrorCode error;
};

[Exposed=Window]
interface SpeechSynthesisVoice {
    readonly attribute DOMString voiceURI;
    readonly attribute DOMString name;
    readonly attribute DOMString lang;
    readonly attribute boolean localService;
    readonly attribute boolean default;
};

4.2.1. SpeechSynthesis 속성

pending 속성, 타입은 boolean, readonly

이 속성은 전역 SpeechSynthesis 인스턴스의 큐에 아직 발화가 시작되지 않은 utterance가 있으면 true이다.

speaking 속성, 타입은 boolean, readonly

이 속성은 utterance가 발화 중이면 true이다. 구체적으로, utterance의 발화가 시작되었고 발화가 아직 완료되지 않은 경우이다. 이는 전역 SpeechSynthesis 인스턴스가 일시정지 상태인지 여부와는 독립적이다.

paused 속성, 타입은 boolean, readonly

이 속성은 전역 SpeechSynthesis 인스턴스가 일시정지 상태일 때 true이다. 이 상태는 큐에 무엇이 있는지 여부와는 독립적이다. 새 창에 대한 전역 SpeechSynthesis 인스턴스의 기본 상태는 일시정지되지 않은 상태이다.

4.2.2. SpeechSynthesis 메서드

speak(utterance) 메서드

이 메서드는 SpeechSynthesisUtterance 객체 utterance를 전역 SpeechSynthesis 인스턴스의 큐 마지막에 추가합니다. SpeechSynthesis 인스턴스의 일시정지(paused) 상태는 변경하지 않습니다. 인스턴스가 일시정지 상태라면 그대로 유지됩니다. 일시정지 상태가 아니고 큐에 다른 발화가 없다면, 이 발화는 즉시 말해집니다. 그렇지 않으면 큐의 기존 발화가 모두 끝난 후에 말하기가 시작됩니다. 이 메서드 호출 후 end 또는 error 이벤트 발생 전 SpeechSynthesisUtterance 객체에 변경을 가하면, 그 변경이 실제 음성 출력을 변경할지 여부는 정의되지 않으며, 변경이 오류로 이어질 수 있습니다. SpeechSynthesis 객체는 해당 SpeechSynthesisUtterance 객체를 독점적으로 소유하게 됩니다. speak()의 인수로 다른 SpeechSynthesis 객체에 전달하면 예외가 발생해야 합니다. (예: 동일 출처에서 두 프레임이 각각 SpeechSynthesis 객체를 소유할 수 있음.)

cancel() 메서드

이 메서드는 큐에 있는 모든 발화를 제거합니다. 현재 말하고 있는 발화가 있으면 즉시 말하기가 중지됩니다. 이 메서드는 SpeechSynthesis 인스턴스의 일시정지 상태를 변경하지 않습니다.

pause() 메서드

이 메서드는 전역 SpeechSynthesis 인스턴스를 일시정지(paused) 상태로 만듭니다. 현재 발화가 진행 중이라면, 그 시점에서 멈춥니다. (이미 일시정지 상태인 경우 호출해도 아무런 동작을 하지 않습니다.)

resume() 메서드

이 메서드는 전역 SpeechSynthesis 인스턴스를 비일시정지 상태로 만듭니다. 발화가 진행 중이었다면, 멈춘 지점부터 이어서 말합니다. 아니라면 큐의 다음 발화(있다면)가 말해집니다. (이미 비일시정지 상태일 때 호출해도 아무 동작을 하지 않습니다.)

getVoices() 메서드

이 메서드는 사용 가능한 음성 목록을 반환합니다. 어떤 음성이 사용 가능한지는 사용자 에이전트마다 다릅니다. 사용 가능한 음성이 없거나, 사용 가능한 음성 목록이 아직 정해지지 않았다면(예: 서버 기반 합성, 비동기 결정), 이 메서드는 길이가 0인 SpeechSynthesisVoiceList를 반환해야 합니다.

4.2.3. SpeechSynthesis 이벤트

voiceschanged 이벤트

getVoices 메서드가 반환하는 SpeechSynthesisVoiceList의 내용이 변경될 때 발생합니다. 예: 서버 기반 합성의 경우 목록이 비동기로 정해지거나, 클라이언트 음성이 설치/제거될 때 등.

4.2.4. SpeechSynthesisUtterance 속성

text 속성, 타입 DOMString

이 속성은 합성되고 말해질 발화의 텍스트를 지정합니다. 일반 텍스트나 완전하고 올바르게 작성된 SSML 문서일 수 있습니다. [SSML] 합성 엔진이 SSML을 지원하지 않거나 일부 태그만 지원하는 경우, 사용자 에이전트 또는 합성 엔진은 지원하지 않는 태그를 제거하고 텍스트만 말해야 합니다. 텍스트의 최대 길이가 있을 수 있으며, 예를 들어 32,767자로 제한될 수 있습니다.

lang 속성, 타입 DOMString

이 속성은 유효한 BCP 47 언어 태그를 사용하여 이 발화의 합성 언어를 지정합니다. [BCP47] 설정되지 않으면 스크립트에서 불러올 때 remains unset로 남지만, html 문서 루트 요소와 계층의 언어를 기본값으로 사용합니다. 이 기본값은 입력 요청이 인식 서비스에 연결을 열 때 계산되어 사용됩니다.

voice 속성, 타입 SpeechSynthesisVoice, nullable

이 속성은 웹 애플리케이션이 사용하고자 하는 음성 합성 voice를 지정합니다. SpeechSynthesisUtterance 객체가 생성될 때 이 속성은 반드시 null로 초기화되어야 합니다. speak() 메서드를 호출할 때 이 속성이 getVoices()가 반환한 SpeechSynthesisVoice 중 하나로 설정되어 있으면, 그 voice를 사용해야 합니다. speak() 메서드 호출 시 설정되지 않았거나 null이면, 사용자 에이전트의 기본 voice를 사용해야 합니다. 기본 voice는 현재 언어(아래 lang 참고)를 지원해야 하며, 로컬 또는 원격 합성 서비스일 수 있으며, 사용자 에이전트의 설정 인터페이스를 통해 최종 사용자의 선택을 반영할 수도 있습니다.

volume 속성, 타입 float

이 속성은 발화의 볼륨 크기를 지정합니다. 0~1 사이의 값이며, 0이 최소, 1이 최대이고 기본값은 1입니다. SSML 사용 시, 이 값은 마크업의 prosody 태그에 의해 덮어써질 수 있습니다.

rate 속성, 타입 float

이 속성은 발화의 속도를 지정합니다. 해당 voice의 기본 속도에 대한 상대값입니다. 1은 기본 속도(보통 일반 말하기 속도), 2는 두 배, 0.5는 절반 속도를 의미합니다. 0.1 미만 또는 10 초과 값은 엄격히 허용하지 않으며, 엔진/voice가 허용하는 속도 범위는 더 제한적일 수 있습니다. 예를 들어, 3 초과 값을 줘도 실제로는 3배까지만 말할 수도 있습니다. SSML 사용 시, 이 값은 마크업의 prosody 태그에 의해 덮어써질 수 있습니다.

pitch 속성, 타입 float

이 속성은 발화의 높낮이(pitch)를 지정합니다. 0~2 사이의 값이며, 0이 가장 낮고 2가 가장 높으며, 1은 기본 값입니다. 엔진마다 허용 범위는 다를 수 있습니다. SSML 사용 시, 이 값은 마크업의 prosody 태그에 의해 덮어써질 수 있습니다.

4.2.5. SpeechSynthesisUtterance 이벤트

이 이벤트들은 모두 SpeechSynthesisEvent 인터페이스를 사용해야 하며, error 이벤트만은 SpeechSynthesisErrorEvent 인터페이스를 사용해야 합니다. 이 이벤트들은 버블링되지 않고 취소할 수 없습니다.

start 이벤트

이 발화가 말하기를 시작할 때 발생합니다.

end 이벤트

이 발화가 다 말해졌을 때 발생합니다. 이 이벤트가 발생하면, error 이벤트는 이 발화에 대해 절대 발생하지 않습니다.

error 이벤트

이 발화를 성공적으로 말하지 못한 오류가 발생할 때 발생합니다. error 이벤트가 발생하면, end 이벤트는 이 발화에 대해 절대 발생하지 않습니다.

pause 이벤트

이 발화가 진행 중 일시정지되면 발생합니다.

resume 이벤트

이 발화가 일시정지 후 다시 재생될 때 발생합니다. 전역 SpeechSynthesis 인스턴스가 일시정지 상태에서 큐에 발화를 추가한 뒤 resume을 호출했을 때는 resume 이벤트가 아니라 start 이벤트만 발생합니다.

mark 이벤트

말하기가 SSML의 "mark" 태그에 기록한 이름에 도달했을 때 발생합니다. [SSML] 음성 합성 엔진이 이 이벤트를 제공하면 반드시 발생해야 합니다.

boundary 이벤트

말하기가 단어 혹은 문장 경계에 도달했을 때 발생합니다. 음성 합성 엔진이 이 이벤트를 제공하면 반드시 발생해야 합니다.

4.2.6. SpeechSynthesisEvent 속성

utterance 속성, 타입 SpeechSynthesisUtterance, readonly

이 이벤트를 유발한 SpeechSynthesisUtterance를 포함합니다.

charIndex 속성, 타입 unsigned long, readonly

이 속성은 음성 엔진이 현재 말하고 있는 위치에 가장 근접한 0 기반(Zero-based) 문자 인덱스를 나타냅니다. charIndex가 단어 경계(이전 단어 끝, 다음 단어 시작 등)와 정확히 일치할 것이라는 보장은 없으며, 단지 charIndex 앞의 텍스트는 이미 말해졌고 그 뒤의 텍스트는 아직 말해지지 않았음을 의미합니다. 지원하지 않는 엔진의 경우 0을 반환합니다.

charLength 속성, 타입 unsigned long, readonly

이 속성은 해당 이벤트에 맞는 말해지는 텍스트(단어나 문장)의 길이를 나타냅니다. 이 값은 해당 이벤트의 charIndex부터의 문자 수입니다. 엔진이 지원하거나 판단 가능하다면 이 값을 반환하고, 아니라면 0을 반환합니다.

elapsedTime 속성, 타입 float, readonly

이 속성은 해당 이벤트가 발생한 시점을 이 발화가 말하기를 시작한 시간(초)으로부터 경과한 시간(초)로 나타냅니다. 엔진이 지원하거나 사용자 에이전트가 알 수 있다면 이 값을 반환하고, 아니라면 0을 반환합니다.

name 속성, 타입 DOMString, readonly

mark 이벤트에서는 SSML의 mark 요소 name 속성값(마커 이름)을 나타냅니다. [SSML] boundary 이벤트에서는 "word" 또는 "sentence"와 같이 이벤트를 유발한 경계 종류를 나타냅니다. 그 외 이벤트에서는 ""을 반환해야 합니다.

4.2.7. SpeechSynthesisErrorEvent 속성

SpeechSynthesisErrorEvent는 SpeechSynthesisUtterance error 이벤트에 사용되는 인터페이스입니다.

error 속성, 타입 SpeechSynthesisErrorCode, readonly

errorCode는 어떤 오류가 발생했는지 나타내는 열거형입니다. 값은 다음과 같습니다:

"canceled"

cancel 메서드 호출로 SpeechSynthesisUtterance가 말하기를 시작하기 전에 큐에서 제거되었습니다.

"interrupted"

cancel 메서드 호출로 말하기가 시작된 이후 완료 되기 전에 발화가 중단되었습니다.

"audio-busy"

현재 사용자 에이전트가 오디오 출력장치에 접근할 수 없어 작업을 완료할 수 없습니다. (예: 사용자가 다른 앱을 닫아야 할 수 있음.)

"audio-hardware"

현재 사용자 에이전트가 오디오 출력장치를 인식할 수 없어 작업을 완료할 수 없습니다. (예: 사용자가 스피커를 연결하거나 시스템 설정을 해야 할 수 있음.)

"network"

필요한 네트워크 통신이 실패하여 작업을 완료할 수 없습니다.

"synthesis-unavailable"

현재 사용할 수 있는 합성 엔진이 없습니다. (예: 엔진 설치/설정 필요)

"synthesis-failed"

합성 엔진 오류로 작업에 실패하였습니다.

"language-unavailable"

SpeechSynthesisUtterance의 lang에 지정된 언어에 맞는 voice가 없습니다.

"voice-unavailable"

SpeechSynthesisUtterance voice 속성에 지정된 voice가 없습니다.

"text-too-long"

SpeechSynthesisUtterance text 속성 내용이 너무 길어 합성할 수 없습니다.

"invalid-argument"

SpeechSynthesisUtterance의 rate, pitch, volume 속성 값이 합성 엔진에서 지원하지 않습니다.

"not-allowed"

현재 컨텍스트에서 사용자 에이전트나 시스템에서 합성 실행이 허용되지 않았습니다.

4.2.8. SpeechSynthesisVoice 속성

voiceURI 속성, 타입은 DOMString, readonly

voiceURI 속성은 이 음성에 대한 음성 합성 음성과 음성 합성 서비스의 위치를 지정한다. voiceURI는 일반 URI이므로, 사용자 에이전트에 의미가 있는 URN을 사용하거나 사용자 에이전트가 로컬 서비스로 인식하는 URL을 지정함으로써 로컬 또는 원격 서비스를 가리킬 수 있다는 점에 유의한다.

name 속성, 타입은 DOMString, readonly

이 속성은 음성을 나타내는 사람이 읽을 수 있는 이름이다. 반환되는 모든 이름이 고유하다는 보장은 없다.

lang 속성, 타입은 DOMString, readonly

이 속성은 음성의 언어를 나타내는 BCP 47 언어 태그이다. [BCP47]

localService 속성, 타입은 boolean, readonly

이 속성은 로컬 음성 합성기가 제공하는 음성에 대해서는 true이고, 원격 음성 합성 서비스가 제공하는 음성에 대해서는 false이다. (이는 원격 서비스가 추가 지연, 대역폭 또는 비용을 의미할 수 있고 로컬 음성이 더 낮은 품질을 의미할 수 있기 때문에 유용할 수 있지만, 이러한 의미 중 어느 것도 참이라는 보장은 없다.)

default 속성, 타입은 boolean, readonly

이 속성은 언어당 최대 하나의 음성에 대해 true이다. 각 언어마다 다른 기본값이 있을 수 있다. 기본 음성이 어떻게 결정되는지는 사용자 에이전트에 의존한다.

5. 예시

이 섹션은 비규범적입니다.

5.1. 음성 인식 예시

<script type="text/javascript">
  var recognition = new SpeechRecognition();
  recognition.onresult = function(event) {
    if (event.results.length > 0) {
      q.value = event.results[0][0].transcript;
      q.form.submit();
    }
  }
</script>

<form action="https://www.example.com/search">
  <input type="search" id="q" name="q" size=60>
  <input type="button" value="말하기 시작" onclick="recognition.start()">
</form>

<script type="text/javascript">
  var recognition = new SpeechRecognition();
  recognition.maxAlternatives = 10;
  recognition.onresult = function(event) {
    if (event.results.length > 0) {
      var result = event.results[0];
      for (var i = 0; i < result.length; ++i) {
        var text = result[i].transcript;
        select.options[i] = new Option(text, text);
      }
    }
  }

  function start() {
    select.options.length = 0;
    recognition.start();
  }
</script>

<select id="select"></select>
<button onclick="start()">말하기 시작</button>

<textarea id="textarea" rows=10 cols=80></textarea>
<button id="button" onclick="toggleStartStop()"></button>

<script type="text/javascript">
  var recognizing;
  var recognition = new SpeechRecognition();
  recognition.continuous = true;
  reset();
  recognition.onend = reset;

  recognition.onresult = function (event) {
    for (var i = event.resultIndex; i < event.results.length; ++i) {
      if (event.results[i].isFinal) {
        textarea.value += event.results[i][0].transcript;
      }
    }
  }

  function reset() {
    recognizing = false;
    button.innerHTML = "말하기 시작";
  }

  function toggleStartStop() {
    if (recognizing) {
      recognition.stop();
      reset();
    } else {
      recognition.start();
      recognizing = true;
      button.innerHTML = "말하기 중지";
    }
  }
</script>

<button id="button" onclick="toggleStartStop()"></button>
<div style="border:dotted;padding:10px">
  <span id="final_span"></span>
  <span id="interim_span" style="color:grey"></span>
</div>

<script type="text/javascript">
  var recognizing;
  var recognition = new SpeechRecognition();
  recognition.continuous = true;
  recognition.interimResults = true;
  reset();
  recognition.onend = reset;

  recognition.onresult = function (event) {
    var final = "";
    var interim = "";
    for (var i = 0; i < event.results.length; ++i) {
      if (event.results[i].isFinal) {
        final += event.results[i][0].transcript;
      } else {
        interim += event.results[i][0].transcript;
      }
    }
    final_span.innerHTML = final;
    interim_span.innerHTML = interim;
  }

  function reset() {
    recognizing = false;
    button.innerHTML = "말하기 시작";
  }

  function toggleStartStop() {
    if (recognizing) {
      recognition.stop();
      reset();
    } else {
      recognition.start();
      recognizing = true;
      button.innerHTML = "말하기 중지";
      final_span.innerHTML = "";
      interim_span.innerHTML = "";
    }
  }
</script>

5.2. 음성 합성 예시

<script type="text/javascript">
  speechSynthesis.speak(new SpeechSynthesisUtterance('Hello World'));
</script>

<script type="text/javascript">
  var u = new SpeechSynthesisUtterance();
  u.text = 'Hello World';
  u.lang = 'en-US';
  u.rate = 1.2;
  u.onend = function(event) { alert('Finished in ' + event.elapsedTime + ' seconds.'); }
  speechSynthesis.speak(u);
</script>

감사의 글

Adam Sobieski (Phoster) Björn Bringert (Google) Charles Pritchard Dominic Mazzoni (Google) Gerardo Capiel (Benetech) Jerry Carter Kagami Sascha Rosylight Marcos Cáceres (Mozilla) Nagesh Kharidi (Openstream) Olli Pettay (Mozilla) Peter Beverloo (Google) Raj Tumuluri (Openstream) Satish Sampath (Google)

또한, HTML Speech Incubator Group의 구성원과 본 명세 기반을 만든 최종 보고서에 감사드립니다.