语音跟读 - 声控提词器

语音跟读做了什么

语音跟读在你念的时候听着，让文稿跟上你。你慢下来它就慢，你停下来回答一个问题它就 停，你接着往下念它就从那儿继续。

页面加载时它是关的，一直关到你按下控件栏里的麦克风按钮为止。在那之前没有任何东西 在听；打开它的那一刻，就是浏览器向你要麦克风权限的那一刻。我们不会在浏览器那个弹 窗前面再加一个自己的弹窗——你按下开关，本身就已经是你在要这个功能。

推动文稿的是匹配，不是音量。它取你刚说完的几个词，在阅读线前方的那一小段文字里 找，找到就把文稿移到那里。文稿里没有的话不会让文稿动：一声咳嗽、跟举灯的人说的一 句闲话、识别错的一个词，都不会。它宁可等着，也不会猛地跳一下。

你的音频去了哪里

语音识别是浏览器的，不是我们的。你在哪个浏览器里，决定了音频是留在你的机器上，还 是交给那个浏览器的厂商去转成文字。开关旁边的那行字，在你打开任何东西之前就写明了 你走的是哪一条。第一条路上写的是：

语音识别在你的设备上进行，音频不会上传。

第二条路上写的是：

你的浏览器无法在本机进行语音识别。开启后，音频会发送给你的浏览器厂商转写。

只要浏览器能在设备上识别，我们就请它这么做。第一次打开语音跟读时，这可能意味着要 下载一个语言包；语言包装好之后，识别就发生在你自己的机器上。浏览器做不到的时候 ——今天是 Safari 和 iOS——音频会交给浏览器厂商转写，适用该厂商的条款。

两条路都一样：我们不接收、不存储、也不转发你的音频。我们根本不在这条路上。你的麦 克风对着你的浏览器讲话，浏览器交给我们的是文字。

那行字常驻在开关旁边，因为没有别的地方会说这件事。浏览器的权限弹窗问的是「这个网 站能不能用麦克风」，它不会说音频之后去了哪儿；而苹果自己的指引，就是把解释这件事 的责任放在网站身上，而不是系统身上。

有两句话我们不会写，因为在某些浏览器上它们是假的：这里的识别并不总是在本机，语音 跟读也并不总是能离线用。在本机那条路上、语言包下载完之后，这两句都成立；在厂商那 条路上，两句都不成立——转写发生在别处，要联网才到得了。

哪些浏览器能用

截至 2026 年 8 月 27 日：

• Chrome，桌面版和 Android 版，可用。语音识别从 Chrome 25 起就带前缀存在，从 Chrome 139 起可以在设备上跑，而这正是我们优先请求的那条路。
• Safari 可用：Mac 上从 14.1 起，iOS 上从 14.5 起，走的是厂商那条路。苹果究竟是在 设备上转写还是在服务器上转写，取决于设备和它的设置，网站看不到实际走的是哪种， 所以这一页不假装知道。
• Edge 有这个接口，但用起来不可靠。不管你请求哪种语言，它常常在识别刚开始的那一刻 就失败。真发生时，文稿会退回固定速度滚动，并且会说出来。
• Firefox，桌面版和 Android 版，都不向网站开放这个功能。它从第 22 版起就是默认关闭 发布的。
• Opera 不支持。
• 三星浏览器从第 4 版起支持。

caniuse 给语音识别的数字是全球浏览器使用量的 87.55%，其中含部分支持。这个数字里有 两个缺口跟这里有关：Firefox，以及你手上碰巧是哪一版的 Edge。

我们不会跟你说「所有现代浏览器都支持」。大牌里就有一个不支持，而第一个用 Firefox 打开这一页的人就能当场戳穿。

厂商那条路还得联网才能工作。只有本机那条路能离线跑，而且要等它的语言包下载完。

用不了的时候会怎样

三种状态，不是两种。

能用。开关在那儿，是关着的。你打开它，浏览器向你要麦克风，你自己决定。

这里用不了。按钮还在原处，标成不可用，下面一行字说明这个浏览器做不了语音识 别，文稿将按固定速度滚动。我们不把按钮藏起来。一个页面描述了某个功能，你却在产品 里到处都找不到它，那这次访问就被一个从没打算兑现的承诺花掉了。不可用的按钮仍然能 用键盘走到，仍然有焦点框，而那行解释是挂在按钮上的、不是飘在旁边的，所以读屏软件 会连着控件一起把解释念出来。

跑着跑着坏了。识别可以明明存在，却在启动的那一刻失败。Edge 就经常这样；而麦 克风被拒绝、或者连接掉了，在哪个浏览器上都会这样。语音跟读会自己关掉，固定速度接 管，控件栏说明文稿已回到固定速度。它是出声说，而不是只换一个颜色——因为在那一刻你 看的是阅读线，不是控件栏。

第三种状态正是「问一句浏览器支不支持」不够用的原因。Edge 会回答支持，然后失败；所 以失败必须在它发生的地方被接住，并且用你看得见的东西回应。

它听的是哪种语言

语音跟读向识别器请求的是页面当前的语言，并且是在那一刻去问你的浏览器能不能做这门 语言，而不是去查一张我们自己维护的表。Chrome 没有公布它的识别器支持哪些语言，而带 本机模型的语言集合会不打招呼地变。一张写在我们代码里的表，几个月内就会过期，而且 会错得很笃定。

这里有两份名单容易被混为一谈：这个网站的界面有哪些语言，和你的浏览器能转写哪些语 言，来自不同的地方，也不是同一个集合。哪一份都推不出另一份。

你到底需不需要它

大部分读稿并不需要它。按你自己的每分钟词数设一个固定速度，才是这里的主路， 提词器就是围着它做的。语音跟读值回票价的场合，是节奏不由你定的时候：一场随时 有人插话的访谈，一个要等编译跑完的演示，一条中途停下来挪灯、然后从这一段重来的 录制。

它也是要付代价的。它要一个麦克风、一个安静到浏览器识别器听得清的房间，在多数浏览 器上还要联网。固定速度这些都不要，而舞台上的时长估算和 文稿计时器都是从它来的。

这也不是什么稀有功能。截至 2026 年 8 月 27 日， VoicePrompter 和 SolPrompter 都免费、免注册地跟读语音。这一个的特别之处 更窄，也更容易核对：你不叫它，它就不开；只要浏览器给得出本机那条路，它就走本机； 在你打开之前它就告诉你走的是哪条路；它放弃的时候会说出来。

常见问题

Firefox 里能用吗？ 不能。Firefox 不向网站开放语音识别。提词器在那里照样能用，只是文稿按固定速度滚。

我的声音会被上传吗？ 取决于你的浏览器，所以开关在你打开之前就写明了。能在设备上识别的浏览器，音频留在 设备上；Safari 和 iOS 上，音频交给浏览器厂商转写。我们从不接收它。

必须允许麦克风吗？ 必须。否则语音跟读听不见你。拒绝是很正常的回答，拒绝之后文稿按固定速度走。

它会录下什么吗？ 不会。这里没有任何东西录音或录像。识别器把语音变成文字，文字推动文稿。

录到一半它停了会怎样？ 文稿回到你设的速度，控件栏会说明这件事，不用你自己去猜。