Мова в текст

Визначення

Перетворення мовлення на текст (STT) – це процес автоматичного перетворення розмовної мови на письмовий текст за допомогою моделей штучного інтелекту. Він тісно пов’язаний з ASR.

Мета

Мета полягає в тому, щоб зробити розмовний контент доступним та придатним для пошуку. Він широко використовується в транскрипції, спеціальних можливостях та цифрових помічниках.

Значення

• Підтримує доступність для користувачів з вадами слуху.
• Надає стенограми зустрічей та лекцій.
• Точність залежить від акцентів та шумових умов.
• Використовується майже у всіх голосових застосунках.

Як це працює

1. Захоплення вхідного аудіо.
2. Попередня обробка та нормалізація аудіосигналу.
3. Застосовуйте моделі ASR для розпізнавання слів.
4. Вихідний текст транскрипції.
5. Перевірте або виправте за потреби під наглядом людини.

Приклади (реальний світ)

• API перетворення мовлення в текст Google Cloud.
• Служби мовлення Microsoft Azure.
• Транскрипт зустрічі Otter.ai.

Література / Додаткова література

• Автоматичне розпізнавання мовлення — NIST.
• ISO/IEC 15938-4: Опис мультимедійного контенту.
• Юрафскі та Мартін. Обробка мовлення та мови.
• Що таке технологія перетворення мови в текст і як вона працює