Tale til tekst

Definisjon

Tale-til-tekst (STT) er prosessen med å konvertere talespråk til skriftlig tekst automatisk ved hjelp av AI-modeller. Det er nært knyttet til ASR.

Formål

Hensikten er å gjøre muntlig innhold tilgjengelig og søkbart. Det er mye brukt innen transkripsjon, tilgjengelighet og digitale assistenter.

Viktigheten

• Støtter tilgjengelighet for hørselshemmede brukere.
• Tilbyr transkripsjoner for møter og forelesninger.
• Nøyaktigheten avhenger av aksenter og støyforhold.
• Brukes i nesten alle stemmedrevne applikasjoner.

Slik fungerer det

1. Ta opp lydinngang.
2. Forbehandle og normalisere lydsignal.
3. Bruk ASR-modeller for å gjenkjenne ord.
4. Transkripsjon av utdatatekst.
5. Gjennomgå eller korriger med menneskelig tilsyn om nødvendig.

Eksempler (den virkelige verden)

• Google Cloud tale-til-tekst API.
• Microsoft Azure Speech Services.
• Transkripsjon av Otter.ai-møter.

Referanser / Videre lesning

• Automatisk talegjenkjenning — NIST.
• ISO/IEC 15938-4: Beskrivelse av multimedieinnhold.
• Jurafsky og Martin. Tale- og språkbehandling.
• Hva er tale-til-tekst-teknologi og hvordan fungerer det