SuperAPI AI 工具集

speech-recognition

智能体与模型

查看项目

更新于 10-16 00:29

技能介绍

用途:在实现或审查任何需要支持语音输入、语音控制的界面时应用本技能,覆盖听写、语音点击语法、Dragon NaturallySpeaking、Voice Control 等场景。语音识别解释词语和命令,与说话人识别不同。语音用户不一定看得见界面,不应假设其能看到标签、覆盖层、指针或焦点指示。

主要能力与规则:可见标签必须包含在无障碍名称中(WCAG 2.5.3),可见词应连续且按顺序出现,隐藏上下文宜放在可见标签之后;重复控件(如多个“编辑”“删除”)应通过更具体的可见文本或在其后追加隐藏上下文来区分,而不是替换或重排可见标签;纯图标控件仍需无障碍名称(WCAG 4.1.2);使用原生语义(如 button 而非带 onclick 的 div),并保证键盘可操作;文本输入不能只依赖 keydown,应响应 input 事件与提交时的当前值,接受听写、粘贴、自动补全;拖拽、路径手势和精确空间交互需提供直接替代(如“上移/下移”按钮、滑块配数字输入);焦点、滚动与覆盖层需保证焦点可见且不被遮挡(WCAG 2.4.11);状态、结果和错误需以可见文本和程序化方式暴露(如 aria-expanded、role=status);标签、符号与本地化需一致翻译。

使用方式:与 keyboard/SKILL.md 一起加载,语音工具常依赖键盘和指针模拟,键盘要求是基础而非替代。按静态检查、键盘基础测试、各支持环境的语音输入测试进行验证,并记录实际测试环境(产品与版本、操作系统、浏览器、语言、模式、视口与缩放)。

适用场景:为行动、力量、灵活性受限者,重复性劳损、疼痛、震颤或疲劳者,以及偏好语音输入或结合屏幕阅读器、放大镜、开关使用的用户提供支持。

限制:不同语音产品、平台、语言和版本在按名称激活、名称/编号覆盖层、重复名称消歧、键盘/指针模拟、iframe 与 shadow DOM 处理上存在差异,不应在项目标准中写入固定命令短语或兼容性声明;自动化检查无法确认语音产品是否真正识别标签,也无法判断任务总体难度,需结合真实语音用户测试。具体支持的产品与版本信息暂未提供。