uni-app 本身不支持语音转文字，必须依赖微信原生录音上传+后端云ASR（如百度、腾讯、讯飞）实现；小程序无法离线识别，需严格遵循音频格式（pcm/wav、16kHz、单声道）、权限配置、token鉴权及限流处理等要求。
直接说结论：uni-app 本身不提供语音转文字（ASR）能力，必须依赖微信原生 API 或第三方云服务（如百度、腾讯、讯飞）完成识别，且小程序端无法纯前端离线识别。
关键判断是：你选的方案，决定了开发复杂度、识别质量、网络依赖和平台兼容性。别指望写个 uni.speechToText() 就能跑通。
用微信原生 API + 后端 ASR 是最轻量的起步方案
微信小程序提供了 wx.getRecorderManager 和 wx.uploadFile，但没有内置识别能力。所谓“微信原生方案”，其实是用它的录音 + 文件上传能力，把音频发给后端 ASR 接口（比如你自己搭的百度/腾讯识别服务）。
- 录音必须用
format: 'pcm'或'wav'，sampleRate: 16000，单声道 —— 这是绝大多数云 ASR 的硬性要求，mp3格式会被拒绝或识别率暴跌 - 临时文件路径（
res.tempFilePath）不能直接传给后端；需用wx.getFileSystemManager().readFile读成base64，或用wx.uploadFile直传二进制流 - 微信自己的
https://api.weixin.qq.com/cv/speechrecognition/v1接口已下线或限频极严，**不要依赖它**；实际项目中基本都走自建中转服务 - 真机调试时，iOS 可能因麦克风被其他 App 占用导致
onStart不触发，需加兜底提示和重试逻辑
集成百度语音识别 SDK 要分清运行环境
百度提供两种接入方式：Web API（HTTP）和原生插件（Android/iOS），但微信小程序不能直接用原生插件，必须走 API 中转。
- 在小程序里调用百度 API，需先用
uni.request向你的后端服务（或直连百度 OAuth 接口）获取access_token，再拼到https://vop.baidu.com/server_api请求中 - 音频数据必须是
pcm格式、16bit、小端序，且长度不能超 60 秒（短语音接口限制）；超过得切片 + 多次请求 + 合并结果 - 百度返回的
result是数组（如["你好", "今天天气怎么样"]），不是字符串，别直接.join('')就完事 —— 需要判空、去重、处理标点缺失 - 如果用
@dcloudio/uni-plugin-baiduspeech插件，它只支持 App 端（Android/iOS），对小程序无效；插件市场里标“小程序可用”的多数是伪封装，实际仍是走 HTTP
腾讯云/讯飞 SDK 在 uni-app 里要用“桥接”方式
这些厂商的官方 SDK 都不支持直接在 uni-app 的 JS 层调用。所谓“集成”，本质是：用原生代码写一个中间层，暴露简单 JS 接口给 uni-app 调用。
- Android 端需在
main/AndroidManifest.xml显式声明RECORD_AUDIO权限；iOS 端要在Info.plist加NSMicrophoneUsageDescription字符串，否则真机静默失败 - 讯飞的流式识别需要持续推送 PCM 数据块（每块 200–400ms），uni-app 的
onStop是录音结束才触发，无法满足 —— 必须改用onFrameRecorded（仅 Android 支持）或自研音频采集逻辑 - 腾讯云的
cos-wx-sdk-v5是对象存储 SDK，不是 ASR SDK；想用腾讯 ASR，得调它的https://asr.tencentcloudapi.com接口，走标准 POST + 签名 - 所有云服务的免费额度都有“并发数”或“QPS”限制（如腾讯云默认 5 QPS），用户密集点击“说话”按钮时，容易触发限流返回
FailedOperation.LimitExceeded
真正容易被忽略的点是：语音识别不是“按下说话、松开出字”这么线性。 录音起止时机、网络抖动重试、长句断句、标点补全、方言适配、错误码映射（比如百度的 error_no: 20001 表示音频格式错，不是网络错），这些细节堆起来，才是落地的门槛。别卡在第一步“怎么开始录音”，要提前想好第七步“用户听不清识别结果时，怎么一键重试并保留上下文”。
