---
title: "浏览器录音转文字：MediaRecorder 录音、转 WAV、调用 API | BroadRouter"
description: "用 MediaRecorder 录制麦克风，把 WebM 或 Safari 的 MP4 转成 16 kHz WAV，再通过一个保管密钥的小服务端发送到语音转文字 API。"
url: https://broadrouter.com/zh/blog/record-browser-audio-transcription-api/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/record-browser-audio-transcription-api/)（2026-11-15 更新）。

# 浏览器录音并发送到语音转文字 API

BroadNet Inference 团队 · 阅读约 6 分钟 · 发布于 2026-11-15

用 getUserMedia 和 MediaRecorder 录音，用 isTypeSupported 选格式，并丢弃空数据块。如果 API 只接受 WAV 或 MP3，就在浏览器里解码录音并编码为 16 kHz 单声道 WAV，或者上传后在服务端用 ffmpeg 转换。无论哪种方式，都通过你自己的后端发送，API 密钥永远不进浏览器。

## 要点

-   浏览器录制的是压缩格式：Chrome 输出 WebM（Opus），WebKit 文档说明 Safari 输出 MP4（AAC）。OpenAI 两种都接受；BroadNet 等只接受 WAV 或 MP3 的 API 需要先转换。
-   getUserMedia 只能在安全上下文（HTTPS 或 localhost）中使用。其他情况下 navigator.mediaDevices 为 undefined，调用前要先检查。
-   16 kHz 单声道 16 位 WAV 每秒 32,000 字节。BroadNet 的 26,214,400 字节上限大约能装 13 分 39 秒，更长的音频需要切分。
-   decodeAudioData 需要完整文件，并会重采样到所属上下文的采样率，所以用 16,000 Hz 的 OfflineAudioContext 就能顺便完成重采样。
-   永远不要在页面里直接调用转写 API。把音频 POST 到你的服务端，在那里检查大小和类型，再由服务端加上密钥。

**本页内容**

1.  浏览器录出来的是什么格式？
2.  如何从麦克风录音？
3.  如何在浏览器里把录音转成 WAV？
4.  如何改在服务端转换？
5.  如何让 API 密钥不进浏览器？
6.  我们是怎么测试的？
7.  费用是多少？
8.  BroadNet Inference 适合什么场景

在网页应用里录一段语音，大约只要三十行 JavaScript。麻烦从发送文件开始：浏览器录的是 WebM 或 MP4，API 却要别的格式；iPhone 把一段静音转写成“Thank you”；而你照抄的教程把 API 密钥直接写进了页面。本文搭建完整链路并逐段测试：录音、转成 WAV、检查大小，再通过一个小服务端转发。

示例针对只接受 WAV 或 MP3 的 API。BroadNet Inference 就是其中之一：它的文档列出 WAV（`audio/wav`）或 MP3（`audio/mpeg`），每个文件最大 26,214,400 字节。如果你的 API 接受 WebM，跳过转换步骤，其余照用即可。OpenAI 的语音转文字指南列出 flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav 和 webm，最大 25 MB。

## 浏览器录出来的是什么格式？

`MediaRecorder` 会录制浏览器自选的压缩格式，除非你指定一个它支持的格式。用 `MediaRecorder.isTypeSupported()` 逐个询问，取第一个匹配项：

| 类型字符串 | 常见浏览器 |
| --- | --- |
| `audio/webm;codecs=opus` | Chrome、Edge、Firefox |
| `audio/mp4` | Safari（[WebKit 文档说明为 MP4 加 AAC](https://webkit.org/blog/11353/mediarecorder-api/)）；在我们的测试中 Chromium 也报告支持 |
| `audio/ogg;codecs=opus` | Firefox |

2026-11-15 在无头 Chromium 中，`isTypeSupported` 对 WebM/Opus 和 MP4 返回 true，对 Ogg/Opus 返回 false。请把这张表当作起点，而不是保证。MDN 指出，`true` 只表示浏览器原则上能录制该类型；资源不足时录制仍可能失败。创建录音器后务必读取 `recorder.mimeType`，并用它来标注上传文件，而不是用你请求的类型。

## 如何从麦克风录音？

两条浏览器规则决定了代码的写法。第一，`getUserMedia` 只存在于[安全上下文](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia)中：HTTPS、`localhost` 或 `file:` URL。从其他主机通过普通 HTTP 访问时，`navigator.mediaDevices` 是 `undefined`，调用它会抛出 `TypeError`，而不是请求权限。第二，用户必须授权，拒绝时会抛出 `NotAllowedError`。两种情况都要给出用户能据此操作的提示。

```js
// record.js: record from the microphone, return a 16 kHz mono WAV Blob.
const TYPES = ["audio/webm;codecs=opus", "audio/mp4", "audio/ogg;codecs=opus"];

export async function startRecording() {
  if (!navigator.mediaDevices?.getUserMedia) {
    throw new Error("Microphone access needs HTTPS (or localhost).");
  }
  const stream = await navigator.mediaDevices.getUserMedia({ audio: true });
  const mimeType = TYPES.find((t) => MediaRecorder.isTypeSupported(t));
  const rec = new MediaRecorder(stream, mimeType ? { mimeType } : {});
  const chunks = [];
  rec.ondataavailable = (e) => { if (e.data.size > 0) chunks.push(e.data); };
  rec.start(1000); // a chunk every second, so a crash loses at most one second
  return () => new Promise((resolve) => {
    rec.onstop = () => {
      stream.getTracks().forEach((t) => t.stop()); // turn the mic indicator off
      resolve(new Blob(chunks, { type: rec.mimeType }));
    };
    rec.stop();
  });
}
```

其中三个细节来自真实的 bug 报告：

-   **丢弃空数据块。** 在 OpenAI 论坛一个关于 iPhone 上 MediaRecorder 的帖子里，一位开发者发现 iOS 上 `dataavailable` 会携带空数据触发，过滤掉这些块后问题解决。另一位开发者用 timeslice 启动录音（`start(1000)`）解决了同样的症状。
-   **停止音轨。** 停止录音器并不会释放麦克风。不调用 `getTracks().forEach(t => t.stop())`，浏览器会一直显示录音指示。
-   **不要靠数块数来计时。** MDN 提醒，timeslice 间隔并不精确，在 Safari 暂停麦克风或 Android Chrome 锁屏时还会被拉长。如果要显示时长或限制时长，请自己维护计时器。

## 如何在浏览器里把录音转成 WAV？

Web Audio API 能解码浏览器录制的任何格式。MDN 中的两点让这件事很简单：`decodeAudioData` 只能处理完整文件，不能处理片段，所以要在 `stop()` 之后解码；并且它会把解码后的音频重采样到所属上下文的采样率。因此，以 16,000 Hz 创建的 `OfflineAudioContext` 直接返回 16 kHz 的采样，不需要额外的重采样代码。它的构造函数接受 3,000 到 768,000 Hz 之间的任意采样率。

```js
export async function toWav16k(blob) {
  // decodeAudioData needs the whole file and resamples to the context's rate.
  const ctx = new OfflineAudioContext(1, 1, 16000);
  const audio = await ctx.decodeAudioData(await blob.arrayBuffer());
  return encodeWav(mixDown(audio), 16000);
}

export function mixDown(audio) {
  const out = new Float32Array(audio.length);
  for (let c = 0; c < audio.numberOfChannels; c++) {
    const ch = audio.getChannelData(c);
    for (let i = 0; i < out.length; i++) out[i] += ch[i] / audio.numberOfChannels;
  }
  return out;
}

export function encodeWav(samples, rate) {
  const buf = new ArrayBuffer(44 + samples.length * 2);
  const v = new DataView(buf);
  const str = (o, s) => [...s].forEach((ch, i) => v.setUint8(o + i, ch.charCodeAt(0)));
  str(0, "RIFF"); v.setUint32(4, 36 + samples.length * 2, true); str(8, "WAVE");
  str(12, "fmt "); v.setUint32(16, 16, true); v.setUint16(20, 1, true); // PCM
  v.setUint16(22, 1, true); v.setUint32(24, rate, true);                // mono
  v.setUint32(28, rate * 2, true); v.setUint16(32, 2, true); v.setUint16(34, 16, true);
  str(36, "data"); v.setUint32(40, samples.length * 2, true);
  for (let i = 0; i < samples.length; i++) {
    const s = Math.max(-1, Math.min(1, samples[i]));
    v.setInt16(44 + i * 2, s < 0 ? s * 0x8000 : s * 0x7fff, true);
  }
  return new Blob([buf], { type: "audio/wav" });
}
```

为什么选 16 kHz 单声道：这是 BroadNet 自己的 ffmpeg 示例使用的设置（`-ar 16000 -ac 1`），能保留语音频段，字节数只有 48 kHz 的三分之一。立体声会让体积翻倍，而对单人语音没有任何好处。取舍详见[采样率](https://broadrouter.com/zh/glossary/sample-rate/)。

体积计算很重要，因为 WAV 是未压缩的。每秒 16,000 个采样、每个 2 字节，即每秒 32,000 字节。加上 44 字节文件头，BroadNet 的 26,214,400 字节上限能容纳 819 秒，约 13 分 39 秒。更长的录音，要么到上限时停止录音，要么像[转写长音频文件](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)那样在服务端切分。[音频切分工具](https://broadrouter.com/tools/audio-splitter-ffmpeg/)会帮你写好 ffmpeg 命令。

在浏览器中转换会消耗用户的 CPU 和内存，整段解码后的音频以 32 位浮点数驻留在内存里。几分钟的语音消息没问题；长录音则应上传压缩文件，在服务端转换。

## 如何改在服务端转换？

把压缩录音原样发送，让 ffmpeg 来处理。页面代码更少，上传更小，结果一样：

```bash
ffmpeg -i in.webm -ar 16000 -ac 1 out.wav
```

把上传内容写入临时文件，而不是通过管道喂给 ffmpeg。MP4 文件可能把索引放在末尾，ffmpeg 从管道读取时不一定能读到。[WhatsApp 语音消息指南](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)对 `.ogg` 文件用的也是同一条命令。

## 如何让 API 密钥不进浏览器？

在页面和 API 之间放一个小端点。它接收录音，必要时转换，检查大小，从环境变量读取密钥并转发。Node 18 及以上版本内置了 `fetch`、`FormData` 和 `Blob`，所以不需要任何依赖包：

```js
// server.mjs: POST /transcribe with the recording as the body. The key stays here.
import http from "node:http";
import { execFile } from "node:child_process";
import { mkdtemp, writeFile, readFile, rm } from "node:fs/promises";
import { tmpdir } from "node:os";
import { join } from "node:path";
import { promisify } from "node:util";

const API = process.env.BROADNET_BASE_URL ?? "https://inference.broadnet.ai/v1";
const KEY = process.env.BROADNET_API_KEY;
const FFMPEG = process.env.FFMPEG ?? "ffmpeg";
const MAX = 26_214_400; // BroadNet's per-file cap in bytes
const run = promisify(execFile);

async function readBody(req, limit) {
  const parts = []; let n = 0;
  for await (const c of req) { n += c.length; if (n > limit) throw Object.assign(new Error("too large"), { code: 413 }); parts.push(c); }
  return Buffer.concat(parts);
}

async function toWav(bytes) {
  // Temp files, not pipes: an MP4 from Safari can keep its index at the end.
  const dir = await mkdtemp(join(tmpdir(), "rec-"));
  try {
    await writeFile(join(dir, "in"), bytes);
    await run(FFMPEG, ["-v", "error", "-i", join(dir, "in"), "-ar", "16000", "-ac", "1", join(dir, "out.wav")]);
    return await readFile(join(dir, "out.wav"));
  } finally { await rm(dir, { recursive: true, force: true }); }
}

http.createServer(async (req, res) => {
  const reply = (code, obj) => { res.writeHead(code, { "content-type": "application/json" }); res.end(JSON.stringify(obj)); };
  if (req.method !== "POST" || req.url !== "/transcribe") return reply(404, { error: "not found" });
  try {
    const type = (req.headers["content-type"] ?? "").split(";")[0];
    let body = await readBody(req, 4 * MAX);
    if (type !== "audio/wav" && type !== "audio/mpeg") {
      try { body = await toWav(body); }
      catch { return reply(400, { error: "Could not read the recording." }); }
    }
    if (body.length > MAX) return reply(413, { error: "Recording too long; split it first." });
    const form = new FormData();
    form.append("model", "broadnet/cohere-transcribe-arabic");
    form.append("language", "ar");
    form.append("file", new Blob([body], { type: type === "audio/mpeg" ? "audio/mpeg" : "audio/wav" }),
      type === "audio/mpeg" ? "audio.mp3" : "audio.wav");
    const r = await fetch(`${API}/audio/transcriptions`, {
      method: "POST", headers: { Authorization: `Bearer ${KEY}` }, body: form,
    });
    const data = await r.json();
    return r.ok ? reply(200, { text: data.text }) : reply(r.status, { error: data });
  } catch (e) {
    return reply(e.code === 413 ? 413 : 500, { error: String(e.message ?? e) });
  }
}).listen(process.env.PORT ?? 8787);
```

页面随后发送 WAV 或原始录音：

```js
const stop = await startRecording();
// ...later, when the user taps Stop:
const raw = await stop();
const wav = await toWav16k(raw);          // or send `raw` and let the server convert
const r = await fetch("/transcribe", { method: "POST", headers: { "content-type": wav.type }, body: wav });
const { text } = await r.json();
```

改写时值得保留的几点：

-   **始终传 `language`。** BroadNet 的文档说明，否则阿拉伯语可能被音译成拉丁字母返回。阿拉伯语模型用 `ar`，或者换成 `broadnet/cohere-transcribe`，并为它支持的 14 种语言之一传入正确的代码。
-   **返回笼统的错误信息。** 我们测试代理的第一版直接回显了 ffmpeg 的错误，其中包含服务器上的文件路径。上面的代码改为返回 “Could not read the recording.”。
-   **部署前加上认证和限流。** 否则任何找到 `/transcribe` 的人都能花你的余额。其余内容见 [LLM API 密钥安全](https://broadrouter.com/zh/blog/llm-api-key-security/)，BroadNet 的密钥还可以用 [IP 白名单](https://broadrouter.com/zh/guides/api-keys-ip-allow-lists/)加以限制。
-   **拒绝几乎无声的片段。** 论坛上关于虚构出“Thank you”或“Bye”的报告，涉及的都是静音或损坏的录音。付费转写前先检查时长（WAV 字节数 ÷ 32,000），条件允许的话再检查信号电平。

## 我们是怎么测试的？

没有使用 BroadNet 密钥。2026-11-15，我们用上面的代码对一个本地模拟的 `/v1/audio/transcriptions` 进行了测试：

1.  **在 Node 中测试编码器。** 对一段 1 秒、440 Hz、含两个削波采样的正弦音调运行 `encodeWav`，得到 32,044 字节。Python 的 `wave` 模块读出 1 个声道、16,000 Hz、2 字节采样、16,000 帧；ffmpeg 识别为 `pcm_s16le, 16000 Hz, mono`。削波采样输出为 32767 和 −32768。
2.  **在 Chromium 中测试浏览器链路。** Playwright 启动带虚拟麦克风的无头 Chromium。`startRecording` 以 `audio/webm;codecs=opus` 录制了 3 秒（40,563 字节），`toWav16k` 将其转为 96,044 字节的 WAV：3.0 秒、16 kHz、单声道。
3.  **代理。** WAV 和原始 WebM 都返回 200。模拟服务每次都收到了 `Bearer` 认证、阿拉伯语模型 ID、`language=ar` 和一个 16 kHz 单声道 `audio/wav` 文件；WebM 由服务端的 ffmpeg 转换。26,214,401 字节的 WAV 得到 413，没有调用上游。非音频的请求体得到 400。
4.  **非安全来源。** 通过本机局域网地址以普通 HTTP 加载时，页面报告 `isSecureContext` 为 false，`startRecording` 抛出的是我们写的 HTTPS 提示，而不是 `TypeError`。

我们没有测试 Safari 或 Firefox，也没有做真实转写。上线前请在真实 iPhone 上试一试。

## 费用是多少？

BroadNet 按音频分钟计费：Transcribe Arabic 为 $0.0042，多语言模型为 $0.002。一小时阿拉伯语语音消息为 $0.25。两者都可以用 $5 的初始额度，大约够转写 1,190 分钟阿拉伯语。按你自己的用量估算，请用[语音转文字费用计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)。[阿拉伯语语音转文字 API 选购指南](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)对各家供应商做了比较。

## BroadNet Inference 适合什么场景

BroadRouter 是 BroadNet 自己的网站。BroadNet Inference 转写上传的文件：WAV 或 MP3，每个文件一个请求，JSON 响应中包含文本。它的文档没有提供实时或流式转写、时间戳或说话人标签。如果你的应用需要在用户说话时就显示文字，请选择提供流式语音 API 的供应商。对于语音消息、笔记和表单这类先录完再发送的场景，上面的上传流程就够了。接入步骤见[阿拉伯语语音转文字 API 指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)，字段说明见 [API 参考](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-record-browser-audio-transcription-api&utm_content=body)。其隐私声明表示不保留音频和转写文本。

相关免费工具（英文）

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[WAV](https://broadrouter.com/zh/glossary/wav/)

WAV（Waveform Audio File Format，又称 WAVE）是建立在微软与 IBM 的 RIFF 格式之上的音频容器。它通常存放未压缩的线性 PCM 样本，因此大小可以预测：每秒字节数 = 采样率 × 每样本字节数 × 声道数。

[Ogg Opus](https://broadrouter.com/zh/glossary/ogg-opus/)

Ogg Opus 是用 Opus 编解码器（RFC 6716）编码、存放在 Ogg 容器（RFC 7845）中的音频。它专为低码率下的语音和实时交互音频设计，也是 WhatsApp 语音消息使用的格式，文件通常为 .ogg 或 .opus。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[说话人分离（speaker diarization）](https://broadrouter.com/zh/glossary/diarization/)

说话人分离是把一段录音按说话人切分成片段的任务，回答“谁在何时说话”。它给每段语音打上 SPEAKER\_00 这样的匿名说话人标签，通常与转写文本结合，显示每句话是谁说的。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[IP 白名单（IP allow list）](https://broadrouter.com/zh/glossary/ip-allow-list/)

IP 白名单是一种安全控制：只接受来自列出的 IP 地址或 CIDR 网段的请求，拒绝其他所有请求。用在 API 上，它能限制密钥泄露造成的损失，因为密钥在不在列表中的网络上无法使用。

## 常见问题

### MediaRecorder 录出来的 WebM 能直接发给语音转文字 API 吗？

只有 API 接受 WebM 时才行。OpenAI 的转写端点在支持格式中列出了 webm 和 mp4。BroadNet 只接受 WAV 和 MP3，所以要先转换：在浏览器里用 Web Audio API，或在服务端用 ffmpeg -i in.webm -ar 16000 -ac 1 out.wav。

### 为什么 getUserMedia 报 navigator.mediaDevices 是 undefined？

因为页面不是安全上下文。MDN 说明 getUserMedia 只能在 HTTPS、localhost 或 file URL 下使用。从其他主机通过普通 HTTP 访问时，navigator.mediaDevices 根本不存在。请用 HTTPS 提供页面；开发时用 localhost 即可。

### 25 MB 的上传限制能装多长的 WAV 录音？

16 kHz 单声道 16 位 WAV 每秒 32,000 字节，外加 44 字节文件头。BroadNet 的 26,214,400 字节上限约能容纳 819 秒，也就是 13 分 39 秒。MP3 或更低采样率能装更多；更长的音频请切成几段。

### 为什么 iPhone 上空录音会转写出“Thank you”或“Bye”？

OpenAI 论坛上的开发者反馈，静音或损坏的录音会被转写出简短的虚构句子，并把 iOS 上的问题追溯到空的 dataavailable 数据块；过滤掉 size 为 0 的块、并用 timeslice 启动录音后问题解决。上传前先检查时长。

### 浏览器应该直接调用转写 API 吗？

不应该。前端代码里的任何东西，包括 API 密钥，用户都能看到。把音频 POST 到你自己的端点，由它检查大小和类型、从环境变量读取密钥，再转发出去。

## 继续阅读

-   [转写超过 25 MB 的长音频：切分、发送、拼接](https://broadrouter.com/zh/blog/transcribe-long-audio-files-api/)
-   [Whisper API 替代方案：什么时候该换，怎么测试](https://broadrouter.com/zh/blog/whisper-api-alternative/)
-   [多语言语音转文字 API：14 种语言，一个端点](https://broadrouter.com/zh/blog/multilingual-speech-to-text-api/)
-   [大模型 API 密钥安全：存储、轮换与 IP 白名单](https://broadrouter.com/zh/blog/llm-api-key-security/)
-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)
-   [企业语音消息转文字：把 WhatsApp 和 Telegram 语音变成工单](https://broadrouter.com/zh/blog/voice-notes-to-text-for-business/)
-   [BroadNet 的 GPU 硬件与推理部署方式（据 BroadNet 自述）](https://broadrouter.com/zh/blog/broadnet-gpu-fleet-and-serving/)
-   [缓存大模型 API 响应以降低成本：用 Python 实现精确匹配缓存](https://broadrouter.com/zh/blog/cache-llm-responses-cut-cost/)
-   [指南：用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)
-   [指南：用 OpenAI Node.js SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-node-sdk/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-record-browser-audio-transcription-api&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference API 参考：WAV（audio/wav）或 MP3（audio/mpeg），最大 26,214,400 字节，始终传 language，JSON 响应含 text（2026-11-15 核对）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-record-browser-audio-transcription-api&utm_content=sources)
-   [MDN，MediaDevices.getUserMedia()：仅限安全上下文、需用户授权、NotAllowedError（2026-11-15 核对）](https://developer.mozilla.org/en-US/docs/Web/API/MediaDevices/getUserMedia)
-   [MDN，MediaRecorder.isTypeSupported()：返回 true 不保证录制一定成功（2026-11-15 核对）](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/isTypeSupported_static)
-   [MDN，MediaRecorder dataavailable 事件：timeslice、stop() 与不精确的间隔（2026-11-15 核对）](https://developer.mozilla.org/en-US/docs/Web/API/MediaRecorder/dataavailable_event)
-   [MDN，BaseAudioContext.decodeAudioData()：重采样到上下文采样率，仅支持完整文件（2026-11-15 核对）](https://developer.mozilla.org/en-US/docs/Web/API/BaseAudioContext/decodeAudioData)
-   [MDN，OfflineAudioContext() 构造函数：sampleRate 范围 3,000 到 768,000 Hz（2026-11-15 核对）](https://developer.mozilla.org/en-US/docs/Web/API/OfflineAudioContext/OfflineAudioContext)
-   [WebKit 博客，MediaRecorder API：Safari 录制 H.264 视频和 AAC 音频的 MP4，格式可在运行时检测（2026-11-15 核对）](https://webkit.org/blog/11353/mediarecorder-api/)
-   [OpenAI 语音转文字指南：flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav 和 webm，文件最大 25 MB（2026-11-15 核对）](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [OpenAI 开发者社区，“MediaRecorder API w/ Whisper not working on mobile browsers”，2024 年 7 月至 12 月（2026-11-15 核对）](https://community.openai.com/t/mediarecorder-api-w-whisper-not-working-on-mobile-browsers/866019)
