பேச்சுக்கு உரை

வரையறை

பேச்சு-க்கு-உரை (STT) என்பது AI மாதிரிகளைப் பயன்படுத்தி தானாகவே பேசும் மொழியை எழுத்து உரையாக மாற்றும் செயல்முறையாகும். இது ASR உடன் நெருங்கிய தொடர்புடையது.

நோக்கம்

பேச்சு உள்ளடக்கத்தை அணுகக்கூடியதாகவும் தேடக்கூடியதாகவும் மாற்றுவதே இதன் நோக்கமாகும். இது டிரான்ஸ்கிரிப்ஷன், அணுகல்தன்மை மற்றும் டிஜிட்டல் உதவியாளர்களில் பரவலாகப் பயன்படுத்தப்படுகிறது.

முக்கியத்துவம்

• செவித்திறன் குறைபாடுள்ள பயனர்களுக்கான அணுகலை ஆதரிக்கிறது.
• கூட்டங்கள் மற்றும் விரிவுரைகளுக்கான படியெடுத்தல்களை வழங்குகிறது.
• துல்லியம் உச்சரிப்புகள் மற்றும் இரைச்சல் நிலைமைகளைப் பொறுத்தது.
• கிட்டத்தட்ட அனைத்து குரல் சார்ந்த பயன்பாடுகளிலும் பயன்படுத்தப்படுகிறது.

எப்படி இது செயல்படுகிறது

1. ஆடியோ உள்ளீட்டைப் பிடிக்கவும்.
2. ஆடியோ சிக்னலை முன்கூட்டியே செயலாக்கி இயல்பாக்குங்கள்.
3. வார்த்தைகளை அடையாளம் காண ASR மாதிரிகளைப் பயன்படுத்துங்கள்.
4. வெளியீட்டு உரை படியெடுத்தல்.
5. தேவைப்பட்டால் மனித மேற்பார்வையுடன் மதிப்பாய்வு செய்யவும் அல்லது சரிசெய்யவும்.

உதாரணங்கள் (உண்மையான உலகம்)

• கூகிள் கிளவுட் ஸ்பீச்-டு-டெக்ஸ்ட் API.
• மைக்ரோசாஃப்ட் அஸூர் பேச்சு சேவைகள்.
• Otter.ai சந்திப்பு டிரான்ஸ்கிரிப்ஷன்.

குறிப்புகள் / மேலும் படித்தல்

• தானியங்கி பேச்சு அங்கீகாரம் — NIST.
• ISO/IEC 15938-4: பல்லூடக உள்ளடக்க விளக்கம்.
• ஜூராஃப்ஸ்கி & மார்ட்டின். பேச்சு மற்றும் மொழி செயலாக்கம்.
• ஸ்பீச்-டு-டெக்ஸ்ட் டெக்னாலஜி என்றால் என்ன, அது எப்படி வேலை செய்கிறது