Vorbire către text

Definiție

Transformarea vorbirii în text (STT) este procesul de conversie automată a limbajului vorbit în text scris folosind modele de inteligență artificială. Este strâns legată de conversia vorbirii în text (ASR).

Scop

Scopul este de a face conținutul vorbit accesibil și ușor de căutat. Este utilizat pe scară largă în transcriere, accesibilitate și asistenți digitali.

Importanță

• Sprijină accesibilitatea utilizatorilor cu deficiențe de auz.
• Oferă transcrieri pentru întâlniri și prelegeri.
• Precizia depinde de accente și de condițiile de zgomot.
• Folosit în aproape toate aplicațiile acționate vocal.

Cum funcționează

1. Captură intrare audio.
2. Preprocesarea și normalizarea semnalului audio.
3. Aplicați modele ASR pentru a recunoaște cuvinte.
4. Transcrierea textului de ieșire.
5. Revizuiți sau corectați sub supraveghere umană, dacă este necesar.

Exemple (din lumea reală)

• API-ul Google Cloud Speech-to-Text.
• Servicii de vorbire Microsoft Azure.
• Transcrierea întâlnirilor Otter.ai.

Referințe/Lecturi suplimentare

• Recunoaștere automată a vorbirii — NIST.
• ISO/IEC 15938-4: Descrierea conținutului multimedia.
• Jurafsky și Martin. Prelucrarea vorbirii și limbajului.
• Ce este tehnologia Speech-To-Text și cum funcționează