Prepis zvoka pretvori govorjeni jezik s posnetkov v pisno besedilo. Sodobni sistemi za samodejno razpoznavanje govora dodajo tudi ločila, razlikujejo med govorci in včasih zagotovijo časovne žige. Uporablja se za zapisnike sestankov, intervjuje, podnapise in dokumentiranje pogovorov s strankami. Kakovost je močno odvisna od kakovosti zvoka, naglasa in strokovnega besedišča; pri pogovorih z osebnimi podatki je treba upoštevati privolitev in varstvo podatkov.
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevPrepoznavanje govora, imenovano tudi ASR (automatic speech recognition), samodejno pretvori govorjeni jezik v pisano besedilo. Sodobni sistemi uporabljajo nevronske mreže, naučene na velikih količinah zvočnih posnetkov, in se razmeroma dobro spopadajo z naglasi in hrupom v ozadju. Uporabe vključujejo narekovanje, podnapise, glasovne pomočnike ter prepisovanje sestankov in klicev s strankami. Strokovni izrazi, lastna imena in slaba kakovost zvoka ostajajo pogosti viri napak.
Whisper je model za samodejno prepoznavanje govora, ki ga je OpenAI izdal septembra 2022. Govorjeni jezik v številnih jezikih pretvori v besedilo, posnetke pa zna tudi prevajati v angleščino. Njegova koda in uteži modela so na voljo pod odprtokodno licenco MIT, zato Whisper lahko teče tudi na lastni strojni opremi, kar je prednost, kadar zvočni podatki ne smejo zapustiti organizacije. Tipične uporabe so prepisi sestankov, intervjujev in podnapisi.
Pretvorba besedila v govor pisano besedilo pretvori v govorjeni jezik in je tako nasprotje prepoznavanja govora (govor v besedilo). Sodobni sistemi z nevronskimi mrežami ustvarjajo naravno zveneče glasove z ustrezno intonacijo. TTS se uporablja v telefonskih obvestilih, navigacijskih napravah, funkcijah branja na glas za dostopna spletna mesta in glasovnih pomočnikih.
