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。 一些操作系统早就包含了此类 API，而借助这项新功能，您的 Web 应用终于可以使用此功能了。转换直接在用户设备上进行，即使在离线模式下也可以进行，所有这一切均无需添加任何第三方库或服务。

此 API 实现所谓的“在线”或近乎实时的识别。这意味着，当用户通过捕获和分析单次笔画绘制时，系统会识别手写输入。与光学字符识别 (OCR) 等仅知道最终成品的“离线”过程相反，在线算法由于其他信号（例如单个墨水笔画的时间顺序和压力）而可以提供更高的准确度。

手写识别 API 的推荐用例

应用示例包括：

• 记事应用，用户希望捕获手写记事并将其翻译为文本。
• 由于时间限制，用户可以使用触控笔或手指输入的表单应用。
• 要求填入字母或数字的游戏，例如填字游戏、字谜或数独游戏。

当前状态

手写识别 API 从 (Chromium 99) 开始。

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，检测浏览器支持情况：

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

核心概念

无论使用哪种输入方法（鼠标、触摸、笔），手写识别 API 都会将手写输入转换为文本。该 API 有四个主要实体：

1. 点表示指针在特定时间的位置。
2. 一个描边，包含一个或多个点。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. 一个绘图由一个或多个笔画组成。实际识别发生在此级别。
4. 为识别器配置了预期的输入语言。它用于创建应用了识别器配置的绘图实例。

这些概念以特定的接口和字典的形式实现，我稍后将介绍这些内容。

创建识别器

如需识别手写输入中的文本，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。限制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)。

当浏览器可以满足您的请求时，该方法会返回使用 HandwritingRecognizer 实例进行解析的 promise。否则，它将拒绝 promise 并报错，且将不提供手写识别功能。因此，您可能需要先查询识别器对特定识别特征的支持。

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
• 获得其他预测（如果有）的可能性较低
• 获得对分割结果的访问权限，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

该方法会返回使用结果对象解析的 promise。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，将设置为 false。您可以使用此信息来启用或停用应用中的某些功能，也可以调整查询并发送新功能。

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

在您的应用中，您应该提供一个输入区域，用户可在此输入手写条目。出于性能方面的考虑，建议借助画布对象来实现此方法。此部分的具体实现不在本文讨论范围之内，但您可以参阅演示，了解具体实现方法。

如需开始新绘图，请对识别器调用 startDrawing() 方法。该方法接受包含不同提示的对象来微调识别算法。所有提示都是可选的：

• 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)
• 前面的文本 (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可识别字符（“字形”）列表 (graphemeSet)

手写识别 API 能够很好地处理指针事件，这些事件提供了一个抽象接口，以使用来自任何指控设备的输入。指针事件参数包含所使用的指针类型。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，系统会在手写区域首次发生 pointerdown 事件时自动创建用于手写识别的绘图。由于 pointerType 可能为空或设置为专有值，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形集，系统会以静默方式忽略它们。

添加描边

pointerdown 事件也是开始新描边的正确位置。为此，请创建一个新的 HandwritingStroke 实例。此外，您还应存储当前时间，作为后续添加到该时间的点作为参考点：

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

添加点

创建描边后，您应直接向其添加第一个点。您稍后将添加更多点，因此最好在单独的方法中实现点创建逻辑。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笔触。

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“向下”状态（例如，在没有按鼠标按钮的情况下在屏幕上移动光标时），也可以引发该事件。以下示例中的事件处理脚本会检查是否存在进行中的描边，并向其添加新的点。

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() 方法为绘图添加描边。以下示例还会重置 activeStroke，因此 pointermove 处理程序不会向已完成的描边添加点。

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

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。以下示例会在每个已完成的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提供可能的匹配选项，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割结果，我们将在下一部分中讨论这些内容。

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在画布上追踪识别出的字形。

全面识别

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

网页组件 <handwriting-textarea> 实现了能够进行手写识别的渐进式增强编辑控件。点击编辑控件右下角的按钮，即可激活绘图模式。完成绘制后，网络组件将自动开始识别，并将识别出的文本添加回编辑控件。如果手写识别 API 完全不受支持，或者平台不支持所请求的功能，“修改”按钮将会隐藏。不过，基本编辑控件仍可作为 <textarea> 使用。

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 上的演示来试用该组件。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。

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。它仅适用于通过 HTTPS 传送的网站，并且只能从顶级浏览上下文中调用。

透明度

系统不会显示手写识别功能是否已启用的指示。为防止数字“指纹”收集，浏览器采取了一些应对措施，例如在检测到可能存在滥用行为时向用户显示权限提示。

权限保留

手写识别 API 目前不显示任何权限提示。因此，权限不需要以任何方式持久保留。

反馈

Chromium 团队希望了解您使用手写识别 API 的体验。

向我们介绍 API 设计

API 是否有什么无法按预期运行？或者，您是否缺少实现自己的想法所需的方法或属性？如果您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，或添加您对现有问题的看法。

报告实现存在的问题

您是否发现了 Chromium 实现方面的错误？或者，实现是否与规范不同？ 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？您的公开支持可帮助 Chromium 团队确定功能的优先级，并向其他浏览器供应商展示支持这些功能的重要性。

请在 WICG Discourse 会话中说明您打算如何使用它。使用 # 标签 #HandwritingRecognition 向 @ChromiumDev 发送一条 Twitter 微博，告诉我们您使用它的地点和方式。

实用链接

• 解说
• 规范草稿
• GitHub 代码库
• ChromeStatus
• Chromium 错误
• TAG 审核
• 有意进行原型设计
• WebKit-Dev 线程
• Mozilla 标准立场

致谢

本文由 Joe Medley、Honglin Yu 和 Jiewei Qian 审核。主打图片，作者是 Samir Bouaked，在 Unsplash 网站上。