识别用户的手写内容

借助手写识别 API，您可以在手写输入中实时识别文字。

Christian Liebel

Thomas Steiner

什么是手写识别 API？

借助手写识别 API，您可以将用户的手写内容（手写）转换为文本。某些操作系统早已包含此类 API，借助这项新功能，您的 Web 应用终于可以使用此功能了。转化会直接在用户设备上进行，即使在离线模式下也能正常运行，而无需添加任何第三方库或服务。

此 API 实现了所谓的“在线”或近乎实时的识别。这意味着，系统会在用户绘制手写内容时捕获和分析单个笔触，从而识别手写输入内容。与光学字符识别 (OCR) 等“离线”流程（其中仅知道最终产品）相比，在线算法可以提供更高的精确度，因为它们会利用其他信号（例如单个墨水笔画的时间顺序和压力）来进行处理。

Handwriting Recognition API 的建议用例

用例示例包括：

• 记事应用，用户希望捕获手写记事并将其转换为文本。
• 表单应用，用户可以因时间限制而使用触控笔或手指输入。
• 需要填写字母或数字的游戏，例如填字游戏、猜谜游戏或数独游戏。

当前状态

手写识别 API 从 (Chromium 99) 开始提供。

如何使用手写识别 API

功能检测

通过检查导航器对象上是否存在 createHandwritingRecognizer() 方法来检测浏览器支持情况：

if ('createHandwritingRecognizer' in navigator) {
  // 🎉 The Handwriting Recognition API is supported!
}

核心概念

无论输入方式（鼠标、触控、触控笔）如何，手写识别 API 都可以将手写输入转换为文本。该 API 包含四个主要实体：

1. 点表示指针在特定时间的位置。
2. 笔触由一个或多个点组成。当用户放下指针（即点击鼠标主按钮，或者用钢笔/手指轻触屏幕）时，开始记录笔画，并在用户再次抬起指针时结束笔触记录。
3. 绘制由一个或多个笔画组成。实际识别发生在此级别。
4. 识别器已配置为使用预期的输入语言。它用于创建应用了识别器配置的绘图实例。

这些概念会以特定接口和字典的形式实现，我很快就会介绍。

创建识别器

如需识别手写输入的文本，您需要通过调用 navigator.createHandwritingRecognizer() 并向其传递约束条件来获取 HandwritingRecognizer 的实例。约束条件决定了应使用的手写识别模型。目前，您可以按偏好顺序指定语言列表：

const recognizer = await navigator.createHandwritingRecognizer({
  languages: ['en'],
});

注意：ChromeOS 上的当前实现一次只能识别一种语言。它仅支持英语 (en) 和用于识别划线等手势的手势模型 (zxx-x-gesture)。

当浏览器可以执行您的请求时，该方法会返回一个 promise，由 HandwritingRecognizer 实例进行解析。否则，它会拒绝该 promise 并返回错误，并且手写识别功能将不可用。因此，您可能需要先查询识别器对特定识别功能的支持情况。

查询识别器支持

通过调用 navigator.queryHandwritingRecognizerSupport()，您可以检查目标平台是否支持您打算使用的手写识别功能。在以下示例中，开发者：

• 想要检测英语文本
• 获取可能性较低的备选预测结果（如果有）
• 访问分割结果，即识别出的字符，包括构成这些字符的点和笔画

const { languages, alternatives, segmentationResults } =
  await navigator.queryHandwritingRecognizerSupport({
    languages: ['en'],
    alternatives: true,
    segmentationResult: true,
  });

console.log(languages); // true or false
console.log(alternatives); // true or false
console.log(segmentationResult); // true or false

该方法会返回一个 promise，由结果对象解析。如果浏览器支持开发者指定的功能，则其值将设置为 true。否则，该值将设置为 false。您可以使用这些信息在应用中启用或停用某些功能，或者调整查询并发送新的查询。

注意：由于存在数字“指纹”收集问题，您无法请求列出受支持的功能（例如特定语言），并且如果您发送的功能查询过多，浏览器可能会请求用户许可或完全拒绝您的请求。

开始绘图

在应用中，您应提供一个输入区域，供用户进行手写输入。出于性能方面的原因，建议您借助画布对象来实现此操作。本文不涉及此部分的确切实现，但您可以参阅演示，了解具体实现方式。

如需开始新绘制，请对识别器调用 startDrawing() 方法。此方法接受包含不同提示的对象，以微调识别算法。所有提示均为选填：

• 输入的文本类型：文本、电子邮件地址、数字或单个字符 (recognitionType)
• 输入设备的类型：鼠标、触控或触控笔输入 (inputType)
• 前文 (textContext)
• 应返回的概率更低的替代预测数量 (alternatives)
• 用户最有可能输入的用户可识别字符（“字形”）的列表 (graphemeSet)

手写识别 API 与指针事件配合使用效果非常好，指针事件提供了一个抽象接口，用于使用来自任何指针设备的输入。指针事件参数包含所用指针的类型。这意味着，您可以使用指针事件自动确定输入类型。在以下示例中，当手写区域上首次发生 pointerdown 事件时，系统会自动创建用于手写识别的绘制操作。由于 pointerType 可能为空或设为专有值，因此我引入了一致性检查，以确保仅为绘图的输入类型设置受支持的值。

let drawing;
let activeStroke;

canvas.addEventListener('pointerdown', (event) => {
  if (!drawing) {
    drawing = recognizer.startDrawing({
      recognitionType: 'text', // email, number, per-character
      inputType: ['mouse', 'touch', 'pen'].find((type) => type === event.pointerType),
      textContext: 'Hello, ',
      alternatives: 2,
      graphemeSet: ['f', 'i', 'z', 'b', 'u'], // for a fizz buzz entry form
    });
  }
  startStroke(event);
});

注意：ChromeOS 上的当前实现尚不支持字符集，系统会静默忽略它们。

添加描边

pointerdown 事件也是开始新笔触的合适位置。为此，请创建一个新的 HandwritingStroke 实例。此外，您应将当前时间存储为添加到其后的点的参考点：

function startStroke(event) {
  activeStroke = {
    stroke: new HandwritingStroke(),
    startTime: Date.now(),
  };
  addPoint(event);
}

添加一个点

创建笔触后，您应直接向其添加第一个点。由于您稍后还会添加更多积分，因此最好在单独的方法中实现积分创建逻辑。在以下示例中，addPoint() 方法根据参考时间戳计算已用时间。时间信息是可选的，但可以提高识别质量。然后，它会从指针事件中读取 X 和 Y 坐标，并将相应点添加到当前描边。

function addPoint(event) {
  const timeElapsed = Date.now() - activeStroke.startTime;
  activeStroke.stroke.addPoint({
    x: event.offsetX,
    y: event.offsetY,
    t: timeElapsed,
  });
}

当指针在屏幕上移动时，系统会调用 pointermove 事件处理脚本。这些点也需要添加到描边中。如果指针未处于“按下”状态，例如在未按下鼠标按钮的情况下在屏幕上移动光标时，系统也可能会触发此事件。以下示例中的事件处理脚本会检查是否存在有效的笔触，并向其添加新点。

canvas.addEventListener('pointermove', (event) => {
  if (activeStroke) {
    addPoint(event);
  }
});

识别文字

当用户再次抬起指针时，您可以通过调用其 addStroke() 方法将笔触添加到绘制内容中。以下示例还会重置 activeStroke，因此 pointermove 处理脚本不会向已完成的笔画添加点。

注意：如有必要，您还可以使用绘图的 getStrokes() 方法列出所有笔触，并使用 removeStroke() 方法从绘图中移除特定笔触。

接下来，是时候通过对绘图调用 getPrediction() 方法来识别用户的输入了。识别过程通常不到几百毫秒，因此您可以根据需要重复运行预测。以下示例会在每次完成笔画后运行新的预测。

canvas.addEventListener('pointerup', async (event) => {
  drawing.addStroke(activeStroke.stroke);
  activeStroke = null;

  const [mostLikelyPrediction, ...lessLikelyAlternatives] = await drawing.getPrediction();
  if (mostLikelyPrediction) {
    console.log(mostLikelyPrediction.text);
  }
  lessLikelyAlternatives?.forEach((alternative) => console.log(alternative.text));
});

此方法会返回一个 promise，并通过一组按概率排序的预测结果进行解析。元素数量取决于您传递给 alternatives 提示的值。您可以使用此数组向用户显示可能的匹配选项，并让用户选择一个选项。或者，您也可以直接使用最有可能的预测，就像我在本示例中所做的那样。

预测对象包含识别出的文本和可选的分段结果，我将在下一部分中对此进行讨论。

包含细分结果的详细数据分析

如果目标平台支持，则预测对象还可以包含细分结果。这是一个包含所有已识别的手写区段的数组，其中包含识别出的用户可识别字符 (grapheme) 及其在识别出的文本中的位置 (beginIndex, endIndex) 以及创建该手写区的笔画和点。

if (mostLikelyPrediction.segmentationResult) {
  mostLikelyPrediction.segmentationResult.forEach(
    ({ grapheme, beginIndex, endIndex, drawingSegments }) => {
      console.log(grapheme, beginIndex, endIndex);
      drawingSegments.forEach(({ strokeIndex, beginPointIndex, endPointIndex }) => {
        console.log(strokeIndex, beginPointIndex, endPointIndex);
      });
    },
  );
}

您可以使用这些信息再次跟踪画布上识别出的字符图元。

完成识别

完成识别后，您可以通过对 HandwritingDrawing 调用 clear() 方法并在 HandwritingRecognizer 上调用 finish() 方法释放资源：

drawing.clear();
recognizer.finish();

演示

网络组件 <handwriting-textarea> 实现了可识别手写内容的逐步增强型编辑控件。点击编辑控件右下角的按钮，即可启用绘制模式。当您完成绘制后，Web 组件会自动开始识别，并将识别出的内容添加回编辑控件。如果系统完全不支持手写识别 API，或者平台不支持请求的功能，系统会隐藏“修改”按钮。但基本编辑控件仍可用作 <textarea>。

Web 组件提供了用于从外部定义识别行为的属性，包括 languages 和 recognitiontype。您可以通过 value 属性设置控件的内容：

<handwriting-textarea languages="en" recognitiontype="text" value="Hello"></handwriting-textarea>

如需了解该值的任何更改，您可以监听 input 事件。

您可以使用 Glitch 上的此演示试用该组件。此外，请务必查看源代码。如需在应用中使用该控件，请从 npm 获取该控件。

安全与权限

Chromium 团队根据控制对强大的 Web 平台功能的访问权限（包括用户控制、透明度和人体工程学）中定义的核心原则设计和实现了手写识别 API。

用户控制

用户无法关闭手写识别 API。此 API 仅适用于通过 HTTPS 提供的网站，并且只能从顶级浏览上下文调用。

透明度

系统不会指明手写识别功能是否处于启用状态。为了防止数字“指纹”收集，浏览器会采取相应对策，例如在检测到可能的滥用行为时向用户显示权限提示。

权限持久性

手写识别 API 目前不会显示任何权限提示。因此，无需以任何方式保留权限。

反馈

Chromium 团队希望了解您使用 Handwriting Recognition API 的体验。

请向我们说明 API 设计

API 是否存在某些方面未按预期运行？或者，您是否缺少实现想法所需的方法或属性？对安全模型有疑问或意见？在相应的 GitHub 代码库中提交规范问题，或在现有问题中添加您的想法。

报告实现方面的问题

您是否发现了 Chromium 实现方面的错误？或者实现方式是否与规范不同？ 在 new.crbug.com 上提交 bug。请务必提供尽可能多的详情以及有关重现的简单说明，并在组件框中输入 Blink>Handwriting。Glitch 非常适用于分享轻松快速的重现问题。

表示对 API 的支持

您打算使用手写识别 API 吗？您的公开支持有助于 Chromium 团队确定功能的优先级，并向其他浏览器供应商表明支持这些功能的重要性。

在 WICG Discourse 会话中分享您打算如何使用该工具。使用 # 标签 #HandwritingRecognition 向 @ChromiumDev 发送一条推文，告诉我们您在何处以及如何使用它。

实用链接

• 说明
• 规范草稿
• GitHub 代码库
• ChromeStatus
• Chromium bug
• 代码审核
• 意图到原型
• WebKit-Dev 线程
• Mozilla 标准位置

致谢

本文档由 Joe Medley、Honglin Yu 和 Jiewei Qian 审核。