前几天试着做了一下web的语音识别服务，发现里面还是有不少坑的，因此想写一下web语音识别现状，并对几个语音识别框架作简要分析。
annyang
如果在 GitHub 上搜索 Speech recognition ，最受欢迎的前端语音识别库就是 annyang，这个仓库有5.1k star，看着这么多star想着这个语音识别库一定非常好用，于是我就开始了 annyang 的爬坑之旅。
首先我在前面先说一下 annyang 这个语音识别库的问题，主要有两点：
- 对于三大浏览器，只兼容
Chrome浏览器，不兼容IE和火狐 - 需要翻墙才能使用
总的来说 annyang 的文档写的还算详细，照着文档一步一步做也能做出理想的效果，但是由于其以上两个问题，因此放弃了对这个框架的进一步探索。
接下来我就探索了一下，为什么这个库会有这样的问题：
首先第一点，annyang 是基于 H5 的 Speech Recognition API，下面这张图说明了这个API的兼容性：
可以看到，大部分浏览器都不支持 Speech Recognition。
接着我们来看一下 MDN 官方文档上怎么说
大概意思是说 Speech Recognition 基于一个识别引擎，这个识别引擎我们推测是Chrome的，因此这就说明了Speech Recognition 只有翻墙才能使用。
因此基于 Speech Recognition 的语音识别我们是无法采用的。
接下来看一下国内的语音识别服务。
腾讯语音识别
国内的语音识别服务都不是直接的语音识别，怎么说呢，就是需要你上传音频文件到它的指定接口，然后将音频文件的内容识别出来。因此我们就需要改变一下语音识别策略，首先在前端我们需要将用户说的话给录下来，然后生成音频文件传给腾讯服务的接口，但是呢，由于浏览器存在同源策略，我们不能直接将音频文件传给腾讯的接口，所以我们需要一个中间层来帮助我们转发请求，所以现在语音识别的基础流程是：
- 前端生成音频文件传给后台
- 后台接受音频文件转发给腾讯语音识别
api - 腾讯语音识别
api返回结果给后台 - 后台返回结果给前端
这里的后台我用的是NodeJS，但是在用腾讯语音识别时，首先需要接口鉴权，我们看一下接口鉴权的具体内容：
看到这些我内心是崩溃的，感觉超级麻烦。但是最后还是照着做了，做了之后就各种鉴权有问题，然后纠结了半天，换成了科大讯飞的语音识别。
科大讯飞语音识别
我选的是科大讯飞的语音听写api，然后也是要接口认证，当然，认证过程没有腾讯那么麻烦，但是也是不少坑，我最终也是掉进去了走不出来。
最后我终于想到了百度语音识别，然后开始了最后的尝试。
百度语音识别
首先说明一下，百度语音识别是及其友好的，没有上面的那些授权认证什么的，如果是用NodeJS写后台的话，只需要通过 npm 安装 baidu-aip-sdk 即可调用相应的语音服务。这里在官方文档上有一个demo。同时大家也可以参考一下我做的一个完整的前后台语音识别demo。
因此最终我选择了百度语音识别，因为其他两个弄了半天也没弄好。
所以我建议大家如果用NodeJS来做后台的话，可以优先选择百度语音识别。