こんにちは、フリーランスエンジニアの太田雅昭です。
Chrome 拡張に音声入力を付けようとして、webkitSpeechRecognition が「エラーも出さずに認識結果だけ返さない」状態にはまりました。原因は 2026 年 6 月末リリースの Chrome 150 が入れた仕様変更で、修正は 1 行です。同じ症状を踏む人が世界中にいるはずなので記録しておきます。
TL;DR
Chrome 150 で SpeechRecognitionOptions に quality プロパティが追加され、デフォルトが "command"(スマートホーム向けの限定語彙モード) になりました。quality を指定していない既存コードはこのモードに落ち、自由文の発話に対して onresult が interim 含め一切発火しなくなります。
const rec = new webkitSpeechRecognition();
rec.lang = "en-US";
rec.interimResults = true;
rec.quality = "dictation"; // ← これを足すだけで直る
rec.start();Chrome 149 以前には quality プロパティ自体が無いので、この代入は無害な expando になるだけ。分岐なしで常に設定して問題ありません。
症状
エラーはでません。イベントを全部購読すると、こうなります:
onstart
onaudiostart
onsoundstart ← 音は検出されている
onspeechstart ← 発話としても検出されている
onspeechend
onsoundend
onaudioend
(このまま何も起きない。回によっては onerror: no-speech)マイクのキャプチャも VAD(発話検出)も完全に動いているのに、onresult だけがゼロ件。interimResults: true なら本来は話している最中から途中経過が流れ続けるので、これは明確な異常です。
MDN の公式デモ(speech-color-changer)も、執筆時点の Chrome 150 では同じ理由で動きません。「自分のコードが悪いのでは」と疑って公式デモで確認しに行くと、公式デモも死んでいるので「環境が壊れた」と誤診するコースが完成しています。私は完走しました。
quality の 3 段階
仕様の explainer から:
| 値 | 想定用途 |
|---|---|
"command"(デフォルト) | 短いフレーズ・限定語彙(スマートホーム操作など) |
"dictation" | 連続発話・一般語彙(SMS・メール入力など) |
"conversation" | 複数話者・雑音耐性(会議・字幕など) |
デフォルトが最も制限の強い "command" である点、そして Intent to Ship に「web-platform-tests でのカバレッジなし」と明記されたまま全ユーザーに有効化された点が、この破壊的挙動の背景です。ディクテーション用途のコードは全員 "dictation" の明示が必要になりました。
最小再現コード
ボタン 2 つで「未指定 vs dictation」を比較できるページを置いておきます:
blog-examples/2026/07-24-web-speech-quality-chrome150
おまけ: Chrome 拡張でマイクを使うときの権限の落とし穴
本題の調査中に確定させた、拡張 × マイクの権限モデルも書き残しておきます。
- content script から getUserMedia / SpeechRecognition を呼ぶと、マイク許可は「閲覧中サイトのオリジン」に付きます。 ユーザーから見ると「そのニュースサイトがマイクを要求してきた」ように見え、サイトごとに許可が必要。
- 拡張ページを iframe で埋め込んでも回避できません。 マイクは delegated permission(許可はトップレベルオリジンが保持し、iframe は
allow属性で借りるだけ)なので、埋め込み先サイトごとに許可が要ります。拡張オリジンの iframe にも特例はありません(実機確認済み)。 - 正解は offscreen document です。 拡張のオプションページ(トップレベルの
chrome-extension://タブ)で一度 getUserMedia を通すと、許可は拡張オリジンに記録される。offscreen document は同じ拡張オリジンなので、以後どのサイトを見ていてもプロンプトなしで getUserMedia できます。offscreen 自身は許可プロンプトを出せないので、「オプションページで 1 回許可」の導線が必須。 - SpeechRecognition は Chrome 135+ なら
start(mediaStreamTrack)でトラックを直接渡せます。 認識器が内部で getUserMedia を呼ばなくなるため、offscreen 内でも完結します。offscreen で getUserMedia →rec.start(track)+quality: "dictation"の組み合わせが、実機(Chrome 150)で end-to-end 動作しました。
定番の音声入力拡張が「オプションページでマイクを 1 回許可すれば全サイトで使える」構造になっているのは、この 3 + 4 の形です。