Text-till-tal omvandlar skriven text till talat språk och är motsvarigheten till taligenkänning (tal till text). Moderna system använder neurala nätverk för att skapa naturligt klingande röster med lämplig intonation. TTS används i telefonmeddelanden, navigeringsenheter, uppläsningsfunktioner för tillgängliga webbplatser och röstassistenter.
Taligenkänning, även kallad ASR (automatic speech recognition), omvandlar automatiskt talat språk till skriven text. Moderna system använder neurala nätverk som tränats på stora mängder ljudinspelningar och klarar accenter och bakgrundsljud hyfsat bra. Tillämpningar är diktering, undertexter, röstassistenter och transkribering av möten och kundsamtal. Facktermer, egennamn och dålig ljudkvalitet är fortfarande vanliga felkällor.
Ljudtranskribering omvandlar talat språk från inspelningar till skriven text. Moderna system för automatisk taligenkänning lägger också till skiljetecken, skiljer mellan talare och ger ibland tidsstämplar. Det används för mötesprotokoll, intervjuer, undertexter och dokumentation av kundsamtal. Kvaliteten beror starkt på ljudkvalitet, brytning och fackspråk; vid samtal som innehåller personuppgifter måste samtycke och dataskydd beaktas.
Naturlig språkgenerering (NLG) är det område inom språkbehandling som skapar begriplig text utifrån data, punktlistor eller andra indata. Tidigare NLG-system byggde på mallar och regler; i dag använder de flesta stora språkmodeller. Typiska användningsområden är väder- och börsrapporter, produktbeskrivningar, sammanfattningar av nyckeltal och svar från chattbotar. Det är viktigt att siffror och fakta från indata förs över korrekt och oförändrade.
