Tekstistä puheeksi (text-to-speech, TTS) muuntaa kirjoitetun tekstin puhutuksi kieleksi, ja se on puheentunnistuksen (puheesta tekstiksi) vastinpari. Nykyaikaiset järjestelmät käyttävät neuroverkkoja luonnollisen kuuloisten, sopivasti intonoitujen äänten tuottamiseen. TTS:ää käytetään puhelinkuulutuksissa, navigaattoreissa, esteettömien verkkosivujen ääneenlukutoiminnoissa ja ääniavustajissa.
Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.
Aloita demoPuheentunnistus, jota kutsutaan myös ASR:ksi (automatic speech recognition), muuntaa puhutun kielen automaattisesti kirjoitetuksi tekstiksi. Nykyaikaiset järjestelmät käyttävät neuroverkkoja, jotka on opetettu suurilla äänitemäärillä, ja selviävät kohtuullisen hyvin aksenteista ja taustamelusta. Sovelluksia ovat sanelu, tekstitykset, ääniavustajat sekä kokousten ja asiakaspuheluiden litterointi. Ammattitermit, erisnimet ja huono äänenlaatu ovat edelleen yleisiä virhelähteitä.
Äänen litterointi muuntaa tallenteiden puhutun kielen kirjoitetuksi tekstiksi. Nykyaikaiset automaattiset puheentunnistusjärjestelmät lisäävät myös välimerkit, erottavat puhujat toisistaan ja antavat joskus aikaleimat. Litterointia käytetään kokouspöytäkirjoihin, haastatteluihin, tekstityksiin ja asiakaspuheluiden dokumentointiin. Laatu riippuu paljon äänenlaadusta, aksentista ja erikoissanastosta; henkilötietoja sisältävissä keskusteluissa on otettava huomioon suostumus ja tietosuoja.
Luonnollisen kielen tuottaminen (NLG, natural language generation) on kielenkäsittelyn osa-alue, joka tuottaa ymmärrettävää tekstiä datasta, luettelokohdista tai muista syötteistä. Aiemmat NLG-järjestelmät perustuivat malleihin ja sääntöihin; nykyään useimmat käyttävät suuria kielimalleja. Tyypillisiä käyttökohteita ovat sää- ja pörssiraportit, tuotekuvaukset, tunnuslukujen tiivistelmät ja chatbottien vastaukset. On tärkeää, että syötteiden luvut ja tosiasiat siirtyvät oikein ja muuttumattomina.
