Glossário

Reconhecimento de voz (speech to text)

O que é Reconhecimento de voz (speech to text)?

O reconhecimento de voz, também chamado ASR (automatic speech recognition), converte automaticamente a linguagem falada em texto escrito. Os sistemas modernos utilizam redes neuronais treinadas com grandes quantidades de gravações de áudio e lidam razoavelmente bem com sotaques e ruído de fundo. Entre as aplicações contam-se o ditado, as legendas, os assistentes de voz e a transcrição de reuniões e chamadas de clientes. Os termos técnicos, os nomes próprios e a fraca qualidade do áudio continuam a ser fontes frequentes de erros.

Temas

ASR
áudio
transcrição

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Transcrição de áudio

A transcrição de áudio converte a linguagem falada de gravações em texto escrito. Os sistemas modernos de reconhecimento automático de fala acrescentam também pontuação, distinguem os oradores e, por vezes, fornecem marcas temporais. É utilizada para atas de reuniões, entrevistas, legendas e documentação de chamadas de clientes. A qualidade depende muito da qualidade do áudio, do sotaque e do vocabulário técnico; em conversas que envolvam dados pessoais, há que ter em conta o consentimento e a proteção de dados.

Reconhecimento de fala
Audio
+1

Whisper

O Whisper é um modelo de reconhecimento automático de voz lançado pela OpenAI em setembro de 2022. Converte linguagem falada em muitas línguas em texto e também consegue traduzir gravações para inglês. O seu código e os pesos do modelo estão disponíveis sob a licença de código aberto MIT, pelo que o Whisper também pode ser executado em hardware próprio, uma vantagem quando os dados de áudio não devem sair da organização. Entre as utilizações típicas contam-se transcrições de reuniões, entrevistas e legendas.

Reconhecimento de fala
Open source
+1

Text-to-Speech (TTS)

O text-to-speech converte texto escrito em linguagem falada, sendo o complemento do reconhecimento de voz (speech-to-text). Os sistemas modernos utilizam redes neuronais para produzir vozes com som natural e entoação adequada. O TTS é utilizado em mensagens telefónicas, aparelhos de navegação, funções de leitura em voz alta para sites acessíveis e assistentes de voz.

Saída de voz
Audio
+1

Processamento de linguagem natural (PLN)

O processamento de linguagem natural é o ramo da IA que permite aos computadores analisar, compreender e gerar linguagem humana em texto ou fala. Abrange tarefas como tradução, classificação, resumo, análise de sentimento e resposta a perguntas. Em tempos dominaram as regras e os métodos estatísticos; hoje, a área é moldada pelos grandes modelos de linguagem.

NLP
Idioma
+1