Riconoscimento vocale

Speech-to-Text, noto anche come ASR per riconoscimento vocale automatico, trasforma l’audio in testo. Si trova dietro le note delle riunioni, i sottotitoli, le trascrizioni dei podcast, la digitazione vocale e gli assistenti vocali. I sistemi moderni possono gestire più lingue, parlanti separati e utilizzare nomi o termini tecnici specifici.

I modelli batch spesso elaborano le registrazioni finite più di trenta volte più velocemente del tempo reale. Le modelle in streaming scrivono mentre parlano senza poter vedere nel futuro. I prezzi sono ora frazioni di centesimo al minuto; Le differenze nell’accuratezza sono spesso minori di quelle nella comodità.