辨識使用者(')；手寫功能

您可以使用手寫辨識 API，在使用者輸入手寫文字時即時辨識文字。

Christian Liebel

Thomas Steiner

什麼是手寫辨識 API？

您可以使用手寫辨識 API，將使用者的手寫字轉換為文字。部分作業系統早已納入這類 API，有了這項新功能，您的網頁應用程式終於可以使用這項功能。轉換會直接在使用者的裝置上進行，即使在離線模式也能運作，而且不需要新增任何第三方程式庫或服務。

這個 API 實作所謂的「線上」或近乎即時辨識。也就是說，系統會在使用者書寫時，擷取並分析單一筆劃，藉此辨識手寫輸入內容。與「離線」程序 (例如光學字元辨識 (OCR)) 相比，雖然只有最終產品可供參考，但由於線上演算法可利用額外信號 (例如個別墨水筆劃的時間序列和壓力)，因此準確度更高。

建議的手寫辨識 API 用途

用法範例包括：

• 筆記應用程式，使用者可在其中記錄手寫筆記，並將其轉換為文字。
• 表單應用程式，使用者可因時間限制使用手寫筆或手指輸入內容。
• 需要填入字母或數字的遊戲，例如填字遊戲、猜謎遊戲或數獨遊戲。

目前狀態

手寫辨識 API 可透過 (Chromium 99) 使用。

如何使用手寫辨識 API

特徵偵測

檢查瀏覽器是否支援 createHandwritingRecognizer() 方法，方法如下：

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

核心概念

無論輸入方式為何 (滑鼠、觸控、觸控筆)，手寫辨識 API 都會將手寫輸入內容轉換為文字。API 包含四個主要實體：

1. 點代表指標在特定時間點的位置。
2. 筆劃包含一或多個點。當使用者將指標向下移動 (例如點選主要滑鼠按鈕，或使用觸控筆或手指輕觸螢幕)，筆劃會開始記錄，並在使用者將指標向上移回時結束。
3. 繪圖包含一或多個筆劃。實際的辨識作業會在這個層級進行。
4. 辨識器已設定為使用預期的輸入語言。用於建立繪圖的例項，並套用辨識器設定。

這些概念會以特定介面和字典的形式實作，我稍後會介紹這些概念。

建立辨識器

如要從手寫輸入內容辨識文字，您必須呼叫 navigator.createHandwritingRecognizer() 並將限制條件傳遞給 navigator.createHandwritingRecognizer()，藉此取得 HandwritingRecognizer 的例項。限制會決定應使用的手寫辨識模型。目前，您可以依偏好順序指定語言清單：

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

注意：ChromeOS 目前的實作方式一次只能辨識一種語言。這項功能僅支援英文 (en) 和手勢模型 (zxx-x-gesture)，用於辨識手勢 (例如劃掉字詞)。

當瀏覽器可以執行您的要求時，這個方法會傳回 HandwritingRecognizer 例項解析的承諾。否則，系統會拒絕承諾並傳回錯誤，且無法使用手寫辨識功能。因此，建議您先查詢辨識器是否支援特定辨識功能。

查詢辨識器支援

您可以呼叫 navigator.queryHandwritingRecognizerSupport()，檢查目標平台是否支援您要使用的手寫辨識功能。在以下範例中，開發人員：

• 想要偵測英文文字
• 取得替代字詞，較不可能的預測 (如有)
• 取得分割結果 (即已辨識的字元)，包括組成這些字元的點和筆劃

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

這個方法會傳回使用結果物件解決的承諾。如果瀏覽器支援開發人員指定的功能，其值就會設為 true。否則會設為 false。您可以利用這些資訊在應用程式中啟用或停用特定功能，或是調整查詢並傳送新的查詢。

注意：基於數位指紋採集方面的疑慮，您無法要求一份支援的功能清單 (例如特定語言)。此外，如果您傳送的功能查詢過多，瀏覽器可能會要求取得使用者權限或完全拒絕您的要求。

開始繪圖

在應用程式中，您應該提供使用者以手寫輸入內容的輸入區域。基於效能考量，建議您使用畫布物件實作此功能。這部分的確切實作方式不在本文的討論範圍內，但您可以參考示範，瞭解如何進行。

如要開始新的繪圖，請在辨識器上呼叫 startDrawing() 方法。這個方法會使用包含不同提示的物件，精細調整辨識演算法。所有提示皆為選填：

• 輸入的文字類型：文字、電子郵件地址、數字或個別字元 (recognitionType)
• 輸入裝置類型：滑鼠、觸控或觸控筆輸入 (inputType)
• 上方文字 (textContext)
• 應傳回的替代預測次數 (alternatives)
• 使用者最有可能輸入的可識別字元 (「圖形」) 清單 (graphemeSet)

手寫辨識 API 很適合搭配指標事件使用，這類事件提供抽象介面，可從任何指標裝置取用輸入內容。指標事件引數包含所用指標的類型。也就是說，您可以使用指標事件自動判斷輸入類型。在下列範例中，系統會在手寫區域首次發生 pointerdown 事件時，自動建立手寫辨識繪圖。由於 pointerType 可能為空白或設為專屬值，因此我引入了一致性檢查，確保繪圖輸入類型只設定支援的值。

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 目前的實作方式尚不支援字元集，因此會自動略過。

新增筆劃

pointerdown 事件也是開始新的筆觸的正確位置。如要這麼做，請建立新的 HandwritingStroke 例項。此外，您應將目前的時間儲存為參考點，以便後續加入的點：

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

新增地點

建立筆劃後，請直接為其新增第一個點。由於您之後會新增更多點數，因此在個別方法中實作點數建立邏輯會比較合理。在以下範例中，addPoint() 方法會根據參考時間戳記計算經過的時間。時間資訊為選用項目，但可改善辨識品質。接著，它會從指標事件讀取 X 和 Y 座標，並將該點新增至目前的筆劃。

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

當指標在螢幕上移動時，系統會呼叫 pointermove 事件處理常式。這些點也必須新增至筆劃。如果游標未處於「向下」狀態，也可以觸發事件，例如在未按下滑鼠按鈕的情況下，在螢幕上移動游標。以下範例中的事件處理常式會檢查是否有有效的筆劃，並為其新增新點。

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

辨識文字

當使用者再次放開指標時，您可以呼叫其 addStroke() 方法，在繪圖中加入筆劃。以下範例也會重設 activeStroke，因此 pointermove 處理常式不會為完成的筆劃新增點。

注意：如有需要，您也可以使用繪圖的 getStrokes() 方法列出所有筆劃，並使用 removeStroke() 方法從繪圖中移除特定筆劃。

接著，請在繪圖上呼叫 getPrediction() 方法，以便識別使用者的輸入內容。辨識作業通常會在幾百毫秒內完成，因此您可以視需要重複執行預測作業。以下範例會在每個完成的筆劃後執行新的預測作業。

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));
});

這個方法會傳回承諾，並以預測結果陣列解析，並依預測結果的可能性排序。元素數量取決於您傳遞至 alternatives 提示的值。您可以使用這個陣列，向使用者顯示可能的符合項目，讓他們選取所需選項。或者，您也可以直接採用最可能的預測結果，這也是我在範例中採用的方式。

預測物件包含辨識的文字和選用的區隔結果，我會在下一個章節討論這項結果。

區隔結果的詳細洞察

如果目標平台支援，預測結果物件也可能會包含區隔結果。這是一個陣列，其中包含所有已辨識的手寫區段，以及已辨識的使用者可辨識字元 (grapheme) 與其在已辨識文字中的位址 (beginIndex、endIndex)，以及所產生的筆劃和點。

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);
      });
    },
  );
}

您可以利用這項資訊，再次追蹤畫布上已辨識的構字元。

完成辨識

辨識完成後，您可以對 HandwritingDrawing 呼叫 clear() 方法，並在 HandwritingRecognizer 上呼叫 finish() 方法以釋出資源：

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

示範

網路元件 <handwriting-textarea> 實作漸進式強化的編輯控制項，可辨識手寫字跡。只要按一下編輯控制項右下角的按鈕，即可啟用繪圖模式。完成繪圖後，網頁元件會自動啟動辨識功能，並將辨識到的文字新增至編輯控制項。如果系統完全不支援手寫辨識 API，或是平台不支援所要求的功能，編輯按鈕就會隱藏。但基本編輯控制項仍可做為 <textarea> 使用。

網路元件提供屬性和屬性，用於從外部定義辨識行為，包括 languages 和 recognitiontype。您可以透過 value 屬性設定控制項的內容：

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

如要瞭解值的任何變更，您可以監聽 input 事件。

您可以使用這個 Glitch 上的示範試用元件。此外，請務必查看原始碼。如要在應用程式中使用控制項，請從 npm 取得。

安全性和權限

Chromium 團隊根據「控制強大網路平台功能的存取權」一文中定義的核心原則，設計並實作手寫辨識 API，包括使用者控制、透明度和人體工學。

使用者控制項

使用者無法關閉手寫辨識 API。這項功能僅適用於透過 HTTPS 提交的網站，且只能從頂層瀏覽內容中呼叫。

透明度

系統不會顯示是否啟用手寫辨識功能。為避免數位指紋採集，瀏覽器會實作對應措施，例如在偵測到可能的濫用行為時，向使用者顯示權限提示。

權限持續性

手寫辨識 API 目前不會顯示任何權限提示。因此，權限不需要以任何方式保留。

意見回饋

Chromium 團隊希望瞭解您使用手寫辨識 API 的體驗。

請與我們分享 API 設計

API 是否有任何部分無法正常運作？還是你還需要實現想法或屬性呢？對於安全性模型有疑問或意見嗎？在對應的 GitHub 存放區中提出規格問題，或在現有問題中加入您的想法。

回報導入問題

您發現 Chromium 實作錯誤嗎？或者實作方式與規格不同？請前往 new.crbug.com 回報錯誤。請務必盡可能提供詳細資訊，並在「Components」方塊中輸入 Blink>Handwriting，以便重現問題。Glitch 可讓您輕鬆快速地分享重現內容。

顯示 API 支援

您是否打算使用手寫辨識 API？您的公開支援服務有助於 Chromium 團隊優先開發特定功能，並向其他瀏覽器廠商說明支援這些功能的重要性。

請在 WICG Discourse 討論串中分享您打算如何使用這項功能。請使用主題標記 #HandwritingRecognition 向 @ChromiumDev 發送推文，告訴我們你在何處使用這項功能，以及使用方式。

實用連結

• 說明
• 規格草稿
• GitHub 存放區
• ChromeStatus
• Chromium 錯誤
• TAG 審查
• 意圖製作原型
• WebKit-Dev 執行緒
• Mozilla 標準立場

特別銘謝

本文件由 Joe Medley、Honglin Yu 和 Jiewei Qian 審查。