Tal till text

Definition

Tal-till-text (STT) är processen att automatiskt omvandla talat språk till skriven text med hjälp av AI-modeller. Det är nära besläktat med ASR.

Syfte

Syftet är att göra talat innehåll tillgängligt och sökbart. Det används flitigt inom transkription, tillgänglighet och digitala assistenter.

Betydelse

• Stöder tillgänglighet för hörselskadade användare.
• Tillhandahåller transkriptioner för möten och föreläsningar.
• Noggrannheten beror på accenter och ljudförhållanden.
• Används i nästan alla röststyrda applikationer.

Så fungerar det

1. Spela in ljudingång.
2. Förbearbeta och normalisera ljudsignalen.
3. Använd ASR-modeller för att känna igen ord.
4. Transkription av utgående text.
5. Granska eller korrigera med mänsklig tillsyn om det behövs.

Exempel (verkliga världen)

• Google Cloud Tal-till-text API.
• Microsoft Azure-taltjänster.
• Otter.ai-mötestranskribering.

Referenser / Vidare läsning

• Automatisk taligenkänning — NIST.
• ISO/IEC 15938-4: Beskrivning av multimediainnehåll.
• Jurafsky & Martin. Tal- och språkbehandling.
• Vad är tal-till-text-teknik och hur fungerar det