1、你是打算自己研发能在H5在线实时语音聊天功能的产品吗？这个大可不必，首先，技术要过硬，其次耗费时间长。如果是公司要用的话，建议直接和第三方服务商合作，比如 即构科技。
创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站建设、网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的南山网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
2、找到php的音频转换工具，基于html5开发的android和ios的app应用上实现语音聊天功能也就理论上打通了。
3、WebSockets：WebSockets是HTML5标准中新增的一种协议，可以实现基于浏览器的实时双向通信。使用Java开发WebSockets可以实现跨平台、跨浏览器的聊天功能，但需要掌握WebSocket协议的相关概念和使用方式。
4、目前这个功能据说只有google的chrome 11+浏览器支持。具体实现：添加了指定属性的文本输入框。
5、实现语音输入 input type=text x-webkit-speech / 只要在input元素上加上x-webkit-speech属性就可以了。
6、浏览器提供的功能，比如chrome，如果没有提供的话就不能用。具体实现的细节主要是chrome的离线语音识别引擎。调用系统api，浏览器是个app，可以访问所有底层的api，只要系统提供就可以实现。
具体实现：添加了指定属性的文本输入框。如：input x-webkit-speech /，即可看到如下效果：如果想指定语言类别，还可以增加lang属性，如：inputx-webkit-speech lang=zh-CN/。
使用YQ5969，这个语音识别技术可以支持本地和云端识别不同需求。5米内本地识别率 93%以上，云端识别率97%。YQ5969语音识别技术语言模型是用来计算一个句子出现概率的概率模型。
实现语音输入 input type=text x-webkit-speech / 只要在input元素上加上x-webkit-speech属性就可以了。
语言模型。语言模型对系统所针对的语言进行建模。理论上，包括正则语言，上下文无关文法在内的各种语言模型都可以作为语言模型，但目前各种系统普遍采用的还是基于统计的N元文法及其变体。解码器。
YQ5969语音识别技术语言模型是用来计算一个句子出现概率的概率模型。它主要用于决定哪个词序列的可能性更大，或者在出现了几个词的情况下预测下一个即将出现的词语的内容。
它是一种自然语言处理技术，可以将语音信号转换成文本，从而实现人机交互。语音识别技术的原理是：首先，将语音信号转换成数字信号，然后，通过语音识别算法，将数字信号转换成文本。
语音识别技术，目标是将人类的语音中的词汇内容转换为计算机可读的输入。
