La conversión de texto a voz (text-to-speech) transforma un texto escrito en habla y es, por tanto, lo contrario del reconocimiento de voz (voz a texto). Los sistemas actuales usan redes neuronales para generar voces naturales con una entonación adecuada. Se utiliza, por ejemplo, en locuciones telefónicas, navegadores GPS, funciones de lectura en voz alta para webs accesibles y asistentes de voz.
Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.
Iniciar demoEl reconocimiento de voz, también llamado ASR (Automatic Speech Recognition), convierte automáticamente el habla en texto escrito. Los sistemas modernos usan redes neuronales entrenadas con grandes cantidades de grabaciones y se manejan bastante bien con acentos y ruido de fondo. Se usa en dictado, subtítulos, asistentes de voz o la transcripción de reuniones y llamadas con clientes. Los términos técnicos, los nombres propios y el audio de mala calidad siguen siendo fuentes de error habituales.
La transcripción de audio convierte el habla de una grabación en texto escrito. Los sistemas modernos de reconocimiento automático del habla añaden también puntuación, distinguen entre hablantes y a veces incluyen marcas de tiempo. Se usa para actas de reuniones, entrevistas, subtítulos o la documentación de llamadas con clientes. La calidad depende mucho del sonido, el acento y el vocabulario técnico; en conversaciones con datos personales hay que tener en cuenta el consentimiento y la protección de datos.
La generación de lenguaje natural (Natural Language Generation, NLG) es el área del procesamiento del lenguaje que crea textos comprensibles a partir de datos, notas u otras entradas. Antes, los sistemas de NLG funcionaban con plantillas y reglas; hoy suelen usar grandes modelos de lenguaje. Usos típicos son partes meteorológicos y bursátiles, descripciones de productos, resúmenes de indicadores o respuestas de chatbots. Es importante que las cifras y los hechos se trasladen correctamente y sin cambios.
