Text-to-speech transformă textul scris în limbaj vorbit, fiind astfel opusul recunoașterii vorbirii (speech-to-text). Sistemele moderne folosesc rețele neuronale pentru a produce voci cu sonoritate naturală și intonație adecvată. TTS este folosit în mesaje telefonice, dispozitive de navigație, funcții de citire cu voce tare pentru site-uri accesibile și asistenți vocali.
Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.
Porniți demo-ulRecunoașterea vorbirii, numită și ASR (automatic speech recognition), transformă automat limbajul vorbit în text scris. Sistemele moderne folosesc rețele neuronale antrenate pe cantități mari de înregistrări audio și se descurcă relativ bine cu accentele și zgomotul de fond. Aplicațiile includ dictarea, subtitrarea, asistenții vocali și transcrierea ședințelor și a apelurilor cu clienți. Termenii tehnici, numele proprii și calitatea slabă a sunetului rămân surse frecvente de erori.
Transcrierea audio convertește limbajul vorbit din înregistrări în text scris. Sistemele moderne de recunoaștere automată a vorbirii adaugă și punctuația, disting între vorbitori și uneori oferă marcaje temporale. Se utilizează pentru procese-verbale ale ședințelor, interviuri, subtitrări și documentarea convorbirilor cu clienții. Calitatea depinde în mare măsură de calitatea sunetului, de accent și de vocabularul de specialitate; în cazul conversațiilor care implică date cu caracter personal, trebuie avute în vedere consimțământul și protecția datelor.
Generarea limbajului natural (NLG) este domeniul prelucrării limbajului care produce text inteligibil pornind de la date, puncte-cheie sau alte intrări. Sistemele NLG mai vechi se bazau pe șabloane și reguli; astăzi majoritatea folosesc modele lingvistice de mari dimensiuni. Utilizările tipice includ rapoarte meteo și bursiere, descrieri de produse, rezumate de indicatori și răspunsuri ale chatboturilor. Este important ca cifrele și faptele din date să fie preluate corect și nemodificat.
