Introducing the HTML5 Web Speech API

Introducción práctica de Alex Libby, ingeniero front-end británico y autor de numerosos libros de Apress, a la Web Speech API del navegador. Esta API tiene dos partes: SpeechRecognition, que convierte la voz en texto, y SpeechSynthesis, que lee texto en voz alta. Con ellas se puede añadir entrada y salida por voz a sitios y aplicaciones web y depender menos del teclado. Está pensada para desarrolladores web que ya saben JavaScript y quieren incorporar funciones de voz rápido. Solo hace falta un editor de texto y un navegador compatible.

Los primeros capítulos explican cómo poner en marcha ambas API, sus opciones de configuración y cómo adaptarlas a cada proyecto. También tratan la experiencia de usuario en interfaces de voz, la gestión de errores y la seguridad (permisos de micrófono, contexto seguro), y un capítulo aparte se ocupa del soporte en dispositivos móviles. Luego combina reconocimiento y síntesis para construir un chatbot conversacional. El resto del libro son proyectos que mezclan la API con otras herramientas y servicios, como la API de búsqueda de restaurantes de Zomato. Un apéndice recoge la referencia de la API.

La mayor parte del libro se aprende construyendo, y ese es su mayor acierto: muestra casos de uso concretos en lugar de quedarse en la teoría. Antes de empezar conviene saber dos cosas. El reconocimiento de voz sigue funcionando de forma desigual según el navegador (va mejor en Chrome y otros basados en Chromium y es limitado en Firefox). Y algunos servicios externos que usan los proyectos, como la API pública de Zomato, han cambiado o dejaron de estar disponibles, así que habrá que adaptarlos a alternativas actuales. Es una buena puerta de entrada a las interfaces de voz en la web, pero no trata servicios de voz en la nube ni modelos propios de reconocimiento.